วิธีลบ Markdown จาก AI Response ใน n8n ☕

n8nวิธีลบ Markdown จาก AI Response ใน n8n ☕

สวัสดีครับ! วันนี้ผมจะมาแชร์วิธีการจัดการกับ AI Response ที่มี Markdown ใน n8n ซึ่งเป็นปัญหาที่เจอบ่อยมากเวลาใช้ AI nodes ครับ 😅

🎯 ปัญหาที่เจอบ่อย

เวลา AI ตอบกลับมา มักจะมี:

  • Bold text **text**
  • Italic text *text*
  • Headers # ## ###
  • Code blocks ```code```
  • Lists - item หรือ 1. item

💡 วิธีแก้ไข

วิธีที่แก้ใช้ JavaScript ใน Code Node

// ฟังก์ชันสำหรับลบ Markdown
function removeMarkdown(text) {
  if (!text || typeof text !== 'string') {
    return text;
  }
  
  return text
    // ลบ Headers (# ## ### #### ##### ######)
    .replace(/^#{1,6}\s+/gm, '')
    
    // ลบ Bold (**text** และ __text__)
    .replace(/\*\*(.*?)\*\*/g, '$1')
    .replace(/__(.*?)__/g, '$1')
    
    // ลบ Italic (*text* และ _text_)
    .replace(/(?<!\*)\*([^*]+)\*(?!\*)/g, '$1')
    .replace(/(?<!_)_([^_]+)_(?!_)/g, '$1')
    
    // ลบ Strikethrough (~~text~~)
    .replace(/~~(.*?)~~/g, '$1')
    
    // ลบ Code blocks (```code```)
    .replace(/```[\s\S]*?```/g, '')
    
    // ลบ Inline code (`code`)
    .replace(/`([^`]+)`/g, '$1')
    
    // ลบ Links [text](url)
    .replace(/\[([^\]]+)\]\([^)]+\)/g, '$1')
    
    // ลบ Images ![alt](url)
    .replace(/!\[([^\]]*)\]\([^)]+\)/g, '$1')
    
    // ลบ Blockquotes (> text)
    .replace(/^>\s+/gm, '')
    
    // ลบ Horizontal rules (--- หรือ ***)
    .replace(/^[-*_]{3,}$/gm, '')
    
    // ลบ Unordered lists (- item, * item, + item)
    .replace(/^[-*+]\s+/gm, '')
    
    // ลบ Ordered lists (1. item)
    .replace(/^\d+\.\s+/gm, '')
    
    // ลบ Tables (| col1 | col2 |)
    .replace(/\|.*\|/g, '')
    .replace(/^\s*[-:]+[-:\s]*$/gm, '')
    
    // ลบบรรทัดว่างเกิน
    .replace(/\n\s*\n\s*\n/g, '\n\n')
    
    // ตัดช่องว่างหน้าหลัง
    .trim();
}

// รับข้อมูลจาก AI Agent
const aiResponse = $input.item.json.output || $input.item.json.response || $input.item.json.text;

// ทำความสะอาด Markdown
const cleanText = removeMarkdown(aiResponse);

// ส่งผลลัพธ์
return {
  json: {
    originalText: aiResponse,
    cleanText: cleanText,
    markdown_removed: true,
    processing_time: new Date().toISOString()
  }
};

🔍 การแก้ไขปัญหาที่พบบ่อย

ปัญหา: Regex ไม่ทำงาน แก้ไข: ตรวจสอบ escape characters ใน string

ปัญหา: ลบข้อความหายไป แก้ไข: ทดสอบ regex ทีละตัวใน console ก่อน

💡 เคล็ดลับจากผม

  • Test Regex ใน regex101.com ก่อนใช้จริง
  • เก็บ backup ของข้อความต้นฉบับไว้เสมอ
  • ใช้ Try-Catch ใน Code Node เพื่อป้องกัน error
  • แบ่ง process เป็นขั้นตอนย่อยๆ เพื่อ debug ง่าย

n8n #automation #markdown #textprocessing #DataEspresso ☕

Short Link: https://data-espresso.com/u212

Related articles

Make.com vs N8N: เปรียบเทียบ Automation Platform ที่ดีที่สุด 2025

เปรียบเทียบ Make.com กับ N8N อย่างละเอียด ราคา ฟีเจอร์ ข้อดี-ข้อเสีย เลือกแพลตฟอร์มไหนดีสำหรับธุรกิจคุณ

ปลดล็อกพลัง AI Agent Node ใน n8n: สร้าง ‘Thinking Node’ สำหรับ Workflow อัจฉริยะของคุณ

ค้นพบวิธีใช้ AI Agent Node ใน n8n หรือที่หลายคนอาจเรียกว่า ‘Thinking Node’ เพื่อสร้างระบบอัตโนมัติที่คิดได้ จดจำ และทำงานซับซ้อน มาดูวิธีตั้งค่า เพิ่มความสามารถ และตัวอย่างการใช้งานจริงเพื่อธุรกิจของคุณกับ Data-Espresso

ปฏิวัติองค์กร! สร้างทีม AI Agent (CEO, CMO, CFO) บน n8n บริหารธุรกิจด้วย AI 100%

เรียนรู้วิธีสร้างทีม AI Agent อัจฉริยะ (CEO, CMO, CFO) ด้วย n8n เพื่อบริหารองค์กรของคุณด้วย AI เต็มรูปแบบ พร้อมเคล็ดลับและกรณีศึกษาจาก Data-Espresso

การสร้าง Error Handler ใน n8n เพื่อ Monitor ปัญหา Workflow อย่างมือโปร

เรียนรู้วิธีสร้าง Error Handler ใน n8n เพื่อ monitor ปัญหา workflow อย่างมีประสิทธิภาพ พร้อมเทคนิคขั้นสูงและคำแนะนำสำหรับธุรกิจของคุณ ปรึกษา Data-Espresso เพื่อพัฒนาระบบ Automation ของคุณ

สร้าง n8n AI Agent เชื่อมต่อ Supabase VectorDB แบบ Step-by-Step: คู่มือฉบับสมบูรณ์สำหรับระบบ RAG อัจฉริยะ

เรียนรู้วิธีสร้าง n8n AI Agent และเชื่อมต่อกับ Supabase Vector Database ทีละขั้นตอนเพื่อพัฒนาระบบ RAG อัจฉริยะสำหรับธุรกิจของคุณ เพิ่มประสิทธิภาพการดึงข้อมูลและตอบคำถามด้วย AI โดย Data-Espresso

Related Article

Prompt Injection คืออะไร? ภัยคุกคามใหม่ที่ทุกธุรกิจต้องรู้

เรียนรู้เกี่ยวกับ Prompt Injection ภัยคุกคามทางไซเบอร์รูปแบบใหม่ที่เล็งเป้าระบบ AI และวิธีป้องกันที่ธุรกิจควรรู้

ถ้าอยากจะสร้าง LLM Model เองต้องทำยังไง? คู่มือสร้าง LLM ฉบับเข้าใจง่าย

เรียนรู้ขั้นตอนการสร้าง LLM โมเดลเอง ตั้งแต่การเตรียมข้อมูล การฝึกโมเดล ไปจนถึงการนำไปใช้งานจริง พร้อมเทคนิคและเครื่องมือที่จำเป็น

Prompt Engineer, RAG, Fine-tuning, Trained: ความแตกต่างและวิธีเลือกใช้แต่ละแบบ

เจาะลึกความแตกต่างระหว่าง Prompt Engineering, RAG, Fine-tuning และ Trained Model พร้อมแนวทางการเลือกใช้ที่เหมาะกับธุรกิจของคุณ
สอบถามข้อมูล