技術架構
Dify 加 n8n：AI 負責理解，n8n 負責執行
想做一個「聽得懂話又能真的做事」的助理，單靠 Dify 或單靠 n8n 都會卡。這篇說明兩者的分工邊界，以及什麼情況下你只需要其中一個。
A
Admin
🚀 想直接開始?60 秒部署你的 Dify
AI 應用開發平台 — No-Code 建構你的 AI。月付 NT$1,599 起,
想做一個能跟人對話、又能真的完成事情的助理，用單一工具通常會卡在同一個地方。
Dify 很會理解，但要它去查你公司的資料庫、開一張工單、串三個外部系統，會發現越做越勉強。n8n 很會執行，但你沒辦法讓使用者用自然語言跟它講話。
把它們接起來，各做各擅長的事。
分工邊界
| Dify | n8n | |
|---|---|---|
| 負責 | 理解意圖、管理知識、組織回覆 | 執行動作、串接系統、處理失敗 |
| 擅長 | 自然語言、對話狀態、RAG 檢索 | API 串接、排程、重試、錯誤處理 |
| 不擅長 | 複雜的多系統串接與容錯 | 理解人話、維護知識庫 |
| 方案 | NT$1,599／月 | NT$499／月 |
典型的接法
兩者透過 Webhook 溝通，流向是這樣：
- 使用者問「我上個月那筆訂單什麼時候到？」
- Dify 理解這是查詢訂單的意圖，並從對話裡抽出需要的參數
- Dify 呼叫 n8n 的 Webhook，把參數送過去
- n8n 查訂單系統、查物流 API、必要時重試
- n8n 回傳結構化結果
- Dify 把結果組成一句人話回覆
關鍵在第四步。查詢可能要串兩三個系統、對方 API 可能逾時、可能要重試——這些是 n8n 的日常，而在 Dify 裡處理會很吃力。
為什麼不讓其中一個全做
全交給 Dify 的問題：它有工作流編排能力，簡單串接沒問題。但當你需要對第三方 API 做重試、需要排程定時執行、需要在失敗時走另一條路——這些是自動化工具經營多年的地盤，硬做會很痛苦，而且出事很難查。
全交給 n8n 的問題：n8n 也能呼叫語言模型，做單次的分類或摘要完全沒問題。但它沒有知識庫管理、沒有對話狀態、沒有現成的聊天介面。你要自己維護「這個使用者剛剛講了什麼」，這件事比想像中麻煩很多。
什麼情況下只需要一個
要誠實。加起來每月 NT$2,098，不是每個需求都值得。
- 只需要 n8n：你的需求是規則式的——收到關鍵字、查資料、回固定格式。沒有人要跟它「對話」，那 Dify 是多餘的。
- 只需要 Dify：你要的是一個能回答問題的客服機器人，答案全部在你的文件裡，不需要即時查外部系統。這種情況 Dify 單獨就完整了。
- 兩個都需要：使用者會用自然語言問，而答案必須即時從別的系統撈。
判斷方式很簡單：如果答案「寫在文件裡」，Dify 就夠；如果答案「要現在去查」，才需要 n8n。
先做小的那一版
建議不要一開始就設計完整架構。先挑一個最常被問的問題，把這條路走通——Dify 理解、呼叫 n8n、拿到結果、回覆。
這條走通之後，加第二種問題只是多一個分支。而如果第一條就走不通，你會很慶幸當初沒有先蓋一整套。
