Line 對話紀錄地端 AI 自動摘要

目的是取得檔案的純文字內容。

1. 新增一個 Google Drive 節點，Operation 選擇 Download，並從上一步獲取 File ID。
2. 接著，新增一個 Extract from File 節點，它會自動讀取前一個節點下載的檔案內容並提取純文字。

用程式碼篩選出近三日的對話，讓 AI 更專注於最新內容。

1. 新增一個 Code 節點。
2. 貼入篩選日期的 JavaScript 程式碼。

// 程式碼目的是找出最近日期並往前抓取三天對話
const rawText = $input.item.json.data;
// ... (其餘程式碼省略，直接請 AI 生成就好。)
return [{ json: { processedText: outputLines.join('
') } }];
                                        

這是本工作流的核心。我們將用 Ollama Chat Model 來驅動 AI Agent，確保資料的私密性。

事前準備：請先在您的電腦或伺服器上安裝 Ollama，並透過指令 ollama pull ycchen/breeze-7b-instruct-v1_0 下載我們將要使用的繁體中文優化模型。

1. 新增一個 AI Agent 節點。
2. 新增一個 Ollama Chat Model 節點，並將其連接到 AI Agent 的 "Language Model" 輸入端。
3. 在 Ollama 節點中，設定 Base URL (通常是 http://localhost:11434) 並在 Model 欄位填入 ycchen/breeze-7b-instruct-v1_0:latest。
4. 在 AI Agent 節點中，將 Input 設定為上一步 Code 節點輸出的 processedText。
5. 在 Prompt 區域，貼入與舊版相同的指令即可。AI 的角色、任務、規則和輸出格式定義保持不變。

角色： 你是一位專業的 IT 專案助理...
任務： 根據下方提供的 [對話紀錄]...
...

[對話紀錄]
{{ $input.item.json.processedText }}
                                        

現在，AI 的所有思考與生成過程都會在你的本地機器上完成！

將 AI 在本地生成的報告寄出。

1. 新增一個 Gmail 節點，設定 API 憑證。
2. 設定收件人、主旨。
3. 在 Message 欄位，使用表達式 ={{ $json.output }} 來引用 AI Agent 節點生成的 HTML 內容。

完成最後的整理與監控工作。

1. 新增 Google Drive 節點將處理完的檔案刪除。
2. (可選) 新增 Telegram 節點，用於發送成功或失敗的通知。