運用多代理 AI 偵測 EEG 癲癇：LabVIEW 整合 n8n 與 Groq 實現端到端自動化

我建立了一個端到端的流程，用於分類一秒鐘的腦電圖（EEG）片段，其協調層是一個 n8n 工作流程。我分享這個架構，希望能對其他人有所幫助。

這個系統的運作方式是，一個 LabVIEW VI 會為每個 EEG 片段計算三個特徵（均方根能量、頻譜熵、主導頻率），然後透過 POST 請求將 JSON 資料傳送到 n8n 的 webhook。接著，n8n 中的一個 Code 節點會計算一個啟發式癲癇分數。

工作流程中包含三個 AI Agent 節點（使用 Groq 的 openai/gpt-oss-120b 模型，溫度設定為 0）：一個是帶有結構化輸出解析器的分類器（另一個模型負責驗證格式），一個是透過 HTTP Request 節點從 Wikipedia 獲取摘要的報告撰寫器，還有一個是具有簡易記憶體（視窗為 5）的監督者，負責選擇後續動作。一個 If 節點則會將警報路由到電子郵件和 CSV 日誌中。

每個結果都會被發送到一個 Google Apps Script 網路應用程式，該應用程式會將一行資料連同書面理由附加到 Google Sheet 中。

如果您要建置類似的系統，以下是一些可能有用的提示：在使用 Groq 免費方案時，我在每個片段之間等待了 30 秒。啟用「失敗時重試」功能反而會讓配額錯誤更嚴重（它會不斷循環），所以我將其在代理上關閉。從 LabVIEW 呼叫 webhook 時，使用 127.0.0.1 而非 localhost 才能成功（這是 IPv6 解析問題）。結構化輸出解析器讓代理的輸出更容易路由。

在 50 個保留片段上的測試結果顯示：準確度為 98%，召回率為 100%，只有 1 個誤報。作為參考，單獨使用確定性分數在相同片段上僅能達到 96%，因此這個流程至少與之相當，並且為每個片段提供了書面理由和建議動作。

這是一個研究和教學原型，並非醫療設備。專案儲存庫（n8n/workflow.json 中包含工作流程 JSON，已移除憑證和 URL）位於 GitHub。歡迎提供回饋，特別是如何處理 Groq 服務中斷的情況（我目前還沒有備援方案）。