資料來源的每一列不一定都乾淨——遺漏的溫度或空白的描述,應在影響報表之前就先被發現。提前攔截問題,能讓後續分支更可靠。
匯入已釘選城市資料的起始檔、執行它,並追蹤 Python Code 節點如何為每一列加上標記。接著觀察 Is Valid? 節點如何將良好紀錄導向 True,把有問題的導向 False。
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
超越手動觸發,打造能自動運轉的流程。你會用 webhooks 建立事件驅動式自動化,透過生產者-消費者模式彼此串接流程,並用條件式邏輯排程週期性任務。
把你的流程連到外部世界。你會從外部 API 擷取即時資料,使用 JavaScript 與 Python 的 Code 節點進行轉換與驗證,並將結果寫入 n8n 的 data tables,讓自動化記住已處理過的內容。
當前練習
面對真實世界的大規模資料複雜性。你會以可控批次處理大型資料集,拆解巢狀結構並再度組裝,並把可重用的邏輯萃取成子流程,打造乾淨、模組化的自動化設計。
讓你的自動化達到可上線標準。你會加入帶有驗證檢查點與後備路由的錯誤處理,建立記錄與輸出評估以提升可觀測性,最後把一切整合進一個足以無人看管執行的壓軸流程。