台灣 SI 業務主管 × AI 工作流

8 項需求 AI 工作流規劃

針對上市 SI（系統整合商）業務主管提出的核心痛點，規劃對應的 AI 工作流架構——含說明、預估效益、工具串接、Agent 設計與建立難度，並依效益×難度綜合排序。

研究日期：2026-04-28 ｜ 基於 7 角度 Fan-out/Fan-in 深度研究

執行摘要

7 個研究角度收斂出三個共識：

① n8n + Claude API + Notion 是台灣 SI 自動化最佳起手三件組，符合資安、成本、彈性三軸。

② 底層資料庫（產品/折扣/合約歷史）是所有「自動產出」工作流的共同瓶頸，必須優先分階段建立——若跳過此步直接做自動報價或投標，輸出品質會崩盤。

③ 政府機密案件須全程本地部署（n8n self-hosted + Breeze-8B），一般 B2B 走 SaaS 即可。最佳切入點是工作流 #1 LINE/Email 任務助理，4 週內可跑出 before/after 數字。

8 個工作流詳細規劃

1

LINE/Email 任務派發中樞

對應需求 1
難度 2.5 / 5
說明
LINE Webhook + Gmail Trigger 接收交辦 → Claude Structured Output 解析任務（標題／期限／負責人／優先序）→ 自動寫入 Notion 任務板 → 狀態變更回推 LINE。主管手機說一句話即建立可追蹤任務，無需打開任何 App。
預估效益
↓ 任務遺漏率近零 ↓ 交辦到登錄 30 秒內 省 30-45 min/天
必要串接工具
n8n Self-Hosted LINE Messaging API Gmail API Claude API Notion API
估計 Skill / Agent（2 個）
  • 任務解析 agent：Claude Structured Output，schema 約束輸出（標題/優先度/期限/分類）
  • 狀態通知 agent：Notion 狀態變更 → LINE push 通知
難點
Gmail 為 polling（1-5 分鐘延遲，非 push）；LINE OA 每月 200 則免費回覆限制需留意升級費用
2

Brain Dump 智能梳理

對應需求 2（與 #1 共用基礎建設）
難度 3 / 5
說明
LINE bot 切換「腦傾倒模式」→ 多輪語音/文字收集 → LLM 套艾森豪威爾矩陣（緊急×重要）整理 → 主管確認 → 批次寫入 Notion。週末／通勤把腦中所有事倒出來，AI 幫你排序。
預估效益
週規劃省 1-2 小時 ↓ 重要事項漏網率 ↑ 認知清晰度
必要串接工具
n8n Self-Hosted LINE Messaging API Claude API Notion API Redis / n8n Static Data
估計 Skill / Agent（1 個）
  • Brain Dump agent：多輪對話、優先序矩陣分類、確認互動流程、批次寫入
難點
多輪 session state 管理（n8n v2.0 有 In-memory storage 但有限制，建議搭配 Redis）；確認/修改的互動 UX 設計
3

客戶智慧知識庫 + 拜訪缺口提醒

對應需求 3
難度 3 / 5
說明
Notion 三層關聯式資料庫（公司→聯絡人→拜訪記錄）+ 個人偏好結構化欄位（飲食偏好 multi-select、子女數、生日日期欄位、自由備注）。Apple Shortcuts 語音更新：錄音 → Whisper API 轉文字 → Claude 結構化 → Notion API 自動更新。拜訪前一天 LLM 掃描缺口，推播「對方副總子女資訊未收集、上次雲端遷移痛點未追蹤」給業務主管。
預估效益
拜訪前準備 30min → 5min 會後記錄 20min → 5min 客戶關係深度複利提升
必要串接工具
Notion Apple Shortcuts Whisper API Claude API n8n（排程缺口分析）
估計 Skill / Agent（3 個）
  • 語音轉結構化 agent：Whisper → Claude → Notion API 寫入
  • 缺口分析 agent：LLM 比對已知資訊 vs 會議目的，產出缺口清單
  • 提醒推送 agent：n8n 排程 → LINE 推播
難點
個人偏好屬台灣個資法保護範疇，敏感欄位建議本地存儲（n8n self-hosted + Supabase）；需預先定義「完整資訊標準」才能跑缺口分析
4

⚡ 產品折扣與報價基準資料庫

對應需求 5 ｜底層 Force Multiplier——需求 5/6/8 的共同依賴
難度 4 / 5
說明
整個專案的底層基礎。分三階段建設：(1) Cisco CCW Xpress Connect REST API + Microsoft Partner Center API 自動拉取台灣現行價格；(2) 政府電子採購網（g0v pcc API）拉決標資料，建立公部門折扣基準；(3) 過去報價 PDF 用 Azure Document Intelligence 批次 OCR 清理，建立「客戶×品牌×SKU×歷史折扣區間」查詢庫。HPE iQuote 需向 HPE 申請整合授權；Dell 報價端無 API，走 OCR email 解析。
預估效益（間接，但 Force Multiplier）
折扣談判有數據後盾 新人也能判斷合理折扣 解鎖需求 4/6/8
建設時程（分三階段，與 #1 平行啟動）
Week 1-2：Cisco + MS API 拉現價 Week 3-4：g0v pcc 決標歷史 持續中：過去 PDF 批次 OCR 清理
必要串接工具
Cisco CCW Xpress Connect API Microsoft Partner Center API Azure Document Intelligence PostgreSQL + pgvector g0v pcc API n8n
估計 Skill / Agent（4 個）
  • 各原廠 API 拉取 agent：Cisco / MS / HPE 定期同步報價
  • PDF OCR 結構化 agent：歷史報價 PDF → 結構化欄位
  • 政府決標解析 agent：pcc API 決標資料 → 折扣基準
  • 折扣合理性查詢 agent（供其他工作流呼叫）
難點
歷史 PDF 清理量大；HPE/Dell API 取得有授權門檻；SKU 命名標準化；私部門折扣無公開來源（只能靠自家歷史紀錄）
5

報價單與成本分析自動產出

對應需求 6（依賴工作流 #4 成本資料）
難度 3.5 / 5
說明
docxtpl（Word）+ openpyxl（Excel）模板 + Claude 計算 agent（成本 = 供應商成本 + 工時 + overhead）→ 產出報價單 + 毛利分析表 → n8n HITL 推 LINE 給主管一鍵核准 → 自動寄給客戶。超過設定金額的案件強制審核，小案件可設自動放行。
預估效益
報價準備 2-4h → 15-30min 計算錯誤近零 歷史折扣防止低估
必要串接工具
docxtpl openpyxl PostgreSQL（成本參數） n8n HITL Claude API
估計 Skill / Agent（3 個）
  • BOM 成本對應 agent：查供應商成本 DB，逐行計算材料成本
  • 工時/overhead 計算 agent：服務費 + 毛利目標 → 建議售價範圍
  • 文件生成 agent：docxtpl 渲染 Word/PDF，openpyxl 填 Excel
難點
供應商成本 DB 與工時參數需主管初始校準；模板版本管理；強依賴工作流 #4
6

需求確認與折扣合理性檢核

對應需求 4（依賴工作流 #4 折扣基準）
難度 3.5 / 5
說明
Email/LINE 接收工程師或客戶需求 → LLM function calling 提取 BOM（SKU、數量、規格）→ 自動向 Cisco CCW API / MS Partner Center 詢價，其他廠商產生 RFQ email → 收到 PDF 報價後比對折扣基準資料庫 → 異常折扣（偏高或偏低）標紅警示，業務主管確認後進入報價流程。
預估效益
詢價週期 2-3 天 → 半天 折扣談判有數據 防止低估虧本
必要串接工具
工作流 #4 折扣資料庫 Cisco CCW API MS Partner Center API Azure Document Intelligence Claude function calling n8n
估計 Skill / Agent（3 個）
  • 需求 BOM 提取 agent：LLM function calling 從非結構化需求提取品項清單
  • 多廠商詢價 agent：Cisco/MS API 詢價 + 其他廠商 RFQ email 產生
  • 折扣檢核 agent：比對歷史基準 → 異常標紅 → 推警示
難點
客戶需求常模糊，需多輪確認；Dell 無報價 API 需 OCR 補；強依賴工作流 #4 到位
7

合約自動生成

對應需求 7
難度 2 / 5（MVP）
說明
雙軌制：一般 B2B 合約用律果科技 LegalSign.ai（台灣唯一具規模的繁中 AI 合約平台，與精誠資訊有合作渠道）快速出初稿；複雜客製合約走自建 RAG（LlamaIndex + pgvector，先依「同客戶+同類型」metadata 硬過濾再語意搜尋）+ docxtpl 模板（核心法律條款鎖定，AI 只調整變數）。強制人工確認兩道關卡（業務確認 → 法務審核）→ 點點簽/TWCA 電子簽名。台灣《電子簽章法》2024 年已修法，電子簽名效力明確。
預估效益
初稿 30-60min → 2-5min 版本錯誤率大幅降低 新人也能產草稿
必要串接工具
LegalSign.ai（律果科技） LlamaIndex + pgvector docxtpl 點點簽 / TWCA n8n
估計 Skill / Agent（5 個 + 2 個人工節點）
  • 資料擷取 agent：從 CRM/ERP 取客戶資料 + 合約 metadata
  • RAG 查詢 agent：LlamaIndex 向量搜尋，同客戶+同類型 top-3
  • 合約生成 agent：LLM 依 RAG context 生成可變條款 → docxtpl 渲染
  • 電子簽名路由 agent：B2B → 點點簽；政府案 → TWCA
  • 歸檔索引 agent：簽署後解析 metadata → 回寫合約資料庫（反饋 RAG）
難點
AI 合約有法律責任風險，設計上須強制嵌入人工確認關卡，每個 AI 生成條款標注來源；政府採購合約需符合工程會標準格式，建議法律顧問確認
8

投標報價自動化

對應需求 8（需全程本地部署）
難度 3.5 / 5
說明
MinerU（開源 PDF 解析，支援跨頁表格合併）讀取政府招標文件（50-200 頁）→ Hybrid Search（BM25 精確匹配 SKU + 向量搜尋規格描述，召回率 91%）將招標規格 mapping 到產品庫 → openpyxl 自動填寫標價清單、python-docx-template 產聲明書 → 主管審核後投標。工程會 113 年函釋已確認廠商用 AI 製作投標文件合法。須全程本地部署（敏感資料不出公司）。
預估效益
4-8h → 30-50 min（省 85%） 規格漏項率降低 小標案可投得起
必要串接工具
MinerU（開源，本地部署） pgvector + BM25 Hybrid Search openpyxl python-docx-template n8n self-hosted Breeze-8B / 地端 LLM（合規需求）
估計 Skill / Agent（4 個）
  • 招標 PDF 解析 agent：MinerU 解析 + LLM 抽取 SoR 逐條需求
  • 規格 mapping agent：Hybrid Search 對應產品庫，輸出信心分數
  • 文件生成 agent：openpyxl 標價清單 + docx-template 聲明書
  • 合規檢查 agent：確認未輸入應保密資訊（底價、委員資訊）
難點
產品資料庫冷啟動（數千 SKU 初始建庫）是最大非技術障礙；強依賴工作流 #4；不同機關招標範本格式不一，需建立各機關專屬 parsing 設定

綜合推薦排序

排序 工作流 效益 難度 推薦說明
#1 LINE/Email 任務派發中樞（需求 1） 高
2.5
 4 週可上線，是所有 LINE 觸發工作流的入口基礎
#2 Brain Dump 智能梳理（需求 2） 中高
3
 與 #1 共用基礎建設，邊際成本低，建議同期啟動
#3 客戶智慧知識庫（需求 3） 高
3
 客戶關係深度直接影響成單，效益持續複利
#4 ⚡ 折扣與報價基準資料庫（需求 5） 極高（間接）
4
 底層 force multiplier，須儘早分階段啟動，與 #1 平行
#5 報價單與成本自動產出（需求 6） 高
3.5
 依賴 #4 成本側資料，模板可提前平行開發
#6 需求確認與折扣檢核（需求 4） 中高
3.5
 #4 折扣基準到位後才能有效運作
#7 合約自動生成（需求 7） 中
2（MVP）
 LegalSign.ai MVP 版可最快見效；自建 RAG 版列長期
#8 投標報價自動化（需求 8） 高（單案省 85%）
3.5
 強依賴 #4 產品庫，須全本地部署，待基礎就緒
⚠️ 關鍵順序警告：若跳過工作流 #4（資料庫建設）直接做 #5/#6/#8 的「自動產出」，輸出會是「看起來很美但數字不可信」的廢稿，主管校稿時間反而比手刻更久。順序不能倒。

底層依賴關係（建議合併建立）

基礎平台層

  • n8n Self-Hosted
  • Notion Database
  • Claude API（Sonnet）
  • LINE Messaging API
供工作流 #1 #2 #3 共用

產品/折扣/成本資料庫

  • PostgreSQL + pgvector
  • Cisco CCW / MS Partner API
  • Azure Document Intelligence
  • g0v pcc 決標資料
供工作流 #4 #5 #6 #8 共用（#4 主建）

文件生成層

  • docxtpl（Word/Jinja2）
  • openpyxl（Excel）
  • python-docx-template
供工作流 #5 #7 #8 共用

第一個實驗切入點

首選：工作流 #1（LINE/Email 任務派發中樞）+ 同步啟動工作流 #4 的 Cisco/MS API 串接

1
4 週出數字：n8n + LINE webhook + Notion 有現成 template，週 1 原型、週 4 調優。可量化：任務登錄時間、遺漏率、主管行政時間節省。
2
月費 NT$1,500–4,000：Make.com Starter + LINE OA + Claude API，失敗成本極低。
3
#1 上線 = 入口層架好：#2 Brain Dump、#3 客戶語音更新、#6 需求接收全掛在同一個 LINE bot 上，不需重複建設。
4
同步啟動 #4 的 API 串接：資料庫建設需時間，與 #1 平行做，讓 #5/#6 在第 8–12 週就有資料可用，不造成後段等待。

工具成本估算

工具 用途 月費估算 導入時機
Make.com Starter 自動化核心 $10.59 USD 立即
LINE OA 客戶通訊渠道 NT$0–1,190（依訊息量） 立即
Claude API / Gemini Flash LLM（高頻輕量任務） $20–50 USD 立即
HubSpot Starter CRM + Pipeline $15/user USD 第 2 優先
LittleHelp（HubSpot × LINE 串接） HubSpot ↔ LINE 官方認證 詢價 第 2 優先
n8n Self-Hosted（VPS） 敏感資料 + 政府標案流程 $10–20 USD 政府案件需要時
Breeze-8B（Ollama 自架） 本地 LLM，政府機密合規 伺服器/電費 政府標案必要
合計（第一階段） 約 NT$1,500–4,000/月