GODRICH
#cssアニメーション#ボタン#ローディング#トランジション#スクロール#ダッシュボード#実用ui#デザイントレンド

n8n ai agent model 8種 — コスト・遅延ルーターとフォールバックはしご

n8n ai agent model の選択は好みではなく算数だ — コスト=トークン×単価、遅延加重=キュー×重み、フォールバックは失敗確率のはしご。LLMなしの規則計算で再現する8種。八つのシーンすべて、モデルを選ぶ判定から出力の形式不一致まで、実測と定数の算術で組み立てるところを見せます。

zip の中身と開き方

n8n AIエージェントのモデル切替とは何か — 要求ごとにモデルが分かる判定

AIエージェントが呼び出しごとにモデルを選ぶ動きは、実際には感覚ではなく計算です。トークン数と単価でコストが決まり、待ち行列の深さで遅延の重みが決まり、一次モデルが失敗したときの代替順位は失敗確率の積で決まります — この三つが決まれば、どの要求がどのモデルへ行くかは紙の上で再計算できます。

ここで「本当の n8n」と「このデモの算術」を先に分けます。実際の AI Agent ノード は Chat Model サブノード(lmChatOpenAi・lmChatAnthropic・lmChatOllama など)からモデルを受け取り、lmChatOllama の Base URL をローカルサーバーに向けるのがローカルモデルの公式な使い方です。このデモ独自の部分はスコア・単価・失敗確率・無料枠の数値すべてで、実運用で同じ算術を回すには IF・Switch・Code ノードで自分で組みます。

判定を式一つに載せる routeScore

スコア計算の本体は短い — ソースの該当箇所をそのまま載せます。

const LATENCY_W = 0.4;
const MODELS01 = [
    { id: 'hosted', cost: 0.62 },
    { id: 'local', cost: 0.18 },
    { id: 'free', cost: 0.05 }
];
const REQ_MS01 = 640;
let cards01 = null;
let scores01 = null;
let qbars01 = null;
let routeEl01 = null;
let pkt01 = null;
let verdict01 = null;
function routeScore(m, t) {
    // queue(t) — 要求グループの基底待ち行列(seedHash で決定的)に時間ドリフトを足す (0〜1 正規化)
    const base = 0.22 + 0.6 * seedHash(Math.floor(t / REQ_MS01) + MODELS01.indexOf(m) * 7, 3);
    const q = clamp(base + 0.08 * Math.sin(t / 200 + MODELS01.indexOf(m)), 0, 1);
    return { q: q, s: m.cost * (1 - LATENCY_W) + q * LATENCY_W };
}

queue 項はミリ秒ではなく 0〜1 の正規化値で、画面のスコア表示は読みやすさのために 10 倍にしています。キューを実際の待ち時間の単位に直すのは別の換算で、05 の Q_PENALTY_MS(90ms)がその役目です。

実測と定数を分ける線

ソースに埋め込まれて計算に使う値と、レンダリングを測って出てくる値は種類が違います。LATENCY_W 0.4・FAIL_BASE 0.18・月次予算 12.0・wait = BASE_BACKOFF × 2^step の四つのように、定数で動作を決める値はモデルです。累積面積と強度はレンダリング 2 秒を 24 コマに切り、隣り合うコマの差 23 個で測る実測で、累積面積は 1 回の再生で一度でも絵が変わった画素が場面に占める割合、強度は変わった画素の明るさと色の差を 0〜255 で平均した値です。

シーン 累積面積 動いたフレーム 強度平均
01 ルーター判定 31.2% 23/23 83.3
02 モデルカード 13.9% 23/23 103.2
03 コスト計量 31.8% 23/23 124.0
04 フォールバックはしご 36.2% 23/23 97.4
05 ローカル切替 36.1% 23/23 86.2
06 無料枠迂回 37.4% 23/23 88.9
07 カスタム検証 36.3% 23/23 106.5
08 形式リトライ 35.2% 23/23 100.7

面積が最も狭いのは 02 の 13.9% で、四枚のカード格子の動きがフォーカスリングの巡回とバッジ一つの点滅だけだからです。強度が最も高いのは 03 の 124.0 で、トークンバーが満ちてコスト数字が小数まで書き換わる硬い切り替えが理由です。八つの場面すべてで 23 個の差分がすべて動きました — 判定が凍るルーターはルーティングをやめたルーターです。

切替8種 — ルーター・モデルカード・コスト・フォールバック・ローカル・無料・カスタム・形式リトライ

判定そのもの(01)から始まり、判定が読む材料 — カード(02)とコスト(03) — が続き、失敗側のフォールバック(04)・ローカル迂回(05)・無料枠(06)・検証(07)、そしてモデルが原因でないケース(08)で閉じます。エージェントが毎ターン読む引き出しを開けたのは メモリ編 で、この編はその上の電話交換盤を開けます。

01ルーターは何でモデルを選ぶか — コストスコアと遅延加重の合算

要求バブルが到着するたびに、三枚のモデルカードがスコアを再計算し、最低点のカードに経路が移ります。コスト項とキュー項の加重和が判定の全てで、勝者カードへの経路ラインは滑らかに動きます。

ルーター判定 — コストスコアと遅延加重の合算でモデルを選ぶ
全文コード 新しいタブで開く

01 · ルーター判定 — コストスコアと遅延加重の合算でモデルを選ぶ — 計測 累積面積 31.211% · 動いたフレーム 23/23GODRICH オリジナル · SCSS と React は zip に同梱 · パスワードを見る

routeScoreLATENCY_Wverdict01

無料が勝つ条件とホステッドが勝つ条件

コスト項は hosted 0.62・local 0.18・free 0.05 で重みは 60/40 に分かれ、キュー 0.5 では free のスコアが 0.23、hosted が 0.572 と大きく開きます — hosted が勝つには自分のキューが free より少なくとも 0.855 低い必要があり、安いレーンが混んでいなければ安い側が勝つという素直な形です。自分用に作り変えるには MODELS01 のコスト値を実モデルの数値に差し替えます — 和の構造は変わりません。

    // 判定ループ — 要求ごとに最低スコアが経路を取る
    for (let k = 0; k < 3; k += 1) {
        const r = routeScore(MODELS01[k], t);
        scores01[k].textContent = 'score ' + f1(r.s * 10) + ' · queue ' + f0(r.q * 100) + '%';
        qbars01[k].style.width = f0(r.q * 84) + 'px';
        cards01[k].className = cx('mcard');
        if (r.s < bs) { bs = r.s; best = k; }
    }
    cards01[best].className = cx('mcard mcard--win');

02モデルカードは何を比べるか — 対応モデル・単価・遅延能力

ホステッド $15.0・ローカル $0・無料 $0・カスタム $4.5 の四枚が単価バーを $15.0 を上限に正規化して並べ、フォーカスリングが巡回します。n8n ai agent chat model をチャネルに配線する前に読んでおく画面です。

モデルカード — 対応モデル・単価・遅延能力の比較
全文コード 新しいタブで開く

02 · モデルカード — 対応モデル・単価・遅延能力の比較 — 計測 累積面積 13.92% · 動いたフレーム 23/23GODRICH オリジナル · SCSS と React は zip に同梱 · パスワードを見る

modelCardpriceTaglatCap

正規化は一つの割り算、点滅周期は一つの比率

単価バーの高さは clamp(price / PRICE_MAX02 * 24, 2, 24) で、上限バッジの点滅周期は 240 / clamp(lat / cap, 1, 2) ミリ秒 — 比率 1.4 のローカルは 171ms ごとに点滅し、上限以下のカードは点滅しません。超過倍率が大きいほど速く点滅するので、バッジは深刻度を色だけでなく時間に刻みます。

    for (let k = 0; k < 4; k += 1) {
        const c = CARDS02[k];
        const h = clamp(c.price / PRICE_MAX02 * 24, 2, 24);
        priceBars02[k].style.height = f0(h) + 'px';
        priceBars02[k].style.top = f0(58 - h) + 'px';
        const over = c.lat > c.cap;
        capEls02[k].className = cx('capchip' + (over && Math.sin(t / (240 / clamp(c.lat / c.cap, 1, 2))) > 0 ? ' capchip--bad' : ''));
    }

03呼び出しコストはどう計算されるか — トークン×単価と月次予算

呼び出しごとに入力・出力トークンバーが満ち、コスト合計が小数点以下まで再計算され、月次ゲージは累積和で予算の割合まで埋まります。

コスト計量 — トークン×単価と月次予算の消耗
全文コード 新しいタブで開く

03 · コスト計量 — トークン×単価と月次予算の消耗 — 計測 累積面積 31.785% · 動いたフレーム 23/23GODRICH オリジナル · SCSS と React は zip に同梱 · パスワードを見る

costSumtbarMONTH_BUDGET

四つの呼び出し、一つの和、非対称な単価

入力単価は $3.00/M で出力単価は $15.00/M — 出力は入力の五倍で、予算の驚きのほとんどが隠れている一つの事実です。四つの呼び出しは入力 8200 トークンで $0.0246、出力 2470 トークンで $0.0371、合計 $0.0617 になり、トークンの 30% がコストの 60% を占めます。CALLS03 配列を自分のトラフィックに差し替えれば同じループがコスト計量器になります。

    inBar03.style.width = f0(clamp(c.inTok * ph / 4000, 0, 1) * 160) + 'px';
    outBar03.style.width = f0(clamp(c.outTok * ph / 1200, 0, 1) * 160) + 'px';
    // 累積 — 今回の呼び出しまでの costSum の合算(進行中呼び出しの進捗 ph を反映)
    let sum = 0;
    for (let k = 0; k < ci; k += 1) { sum += callCost(CALLS03[k]); }
    sum += callCost(c) * ph;
    costSum03.textContent = '$' + f2(sum);
    const pct = clamp(sum / MONTH_BUDGET, 0, 1);
    gaugeFill03.style.width = f0(pct * 408) + 'px';
    gaugeFill03.className = cx('bgauge__fill' + (pct >= 0.8 ? ' bgauge__fill--warn' : ''));
    pctTxt03.textContent = f0(pct * 100) + '%';

04フォールバックはしごはいつ発動するか — 失敗確率と代替順位

呼び出しごとにサイコロが転がり、FAIL_BASE(0.18) 未満が出ると一次モデルが死んでパケットが一段下り、三段目での失敗は行き止まり経路へ抜けます。

フォールバックはしご — 失敗確率と代替順位
全文コード 新しいタブで開く

04 · フォールバックはしご — 失敗確率と代替順位 — 計測 累積面積 36.231% · 動いたフレーム 23/23GODRICH オリジナル · SCSS と React は zip に同梱 · パスワードを見る

FAIL_BASEcumOknd--fail

三回リトライではなくはしごである理由

n8n ai agent fallback model のはしごが本番でこの形になるのは、累積成功率 1 − (1 − p)^n が「各段が独立したサイコロ」を前提にするからです — 同じモデルのリトライは同じ偏ったサイコロを振り直すだけで、異なるプロバイダのはしごは段ごとに別のサイコロを振ります。画面の ok 計器が三つの段を 18.0%・32.8%・44.9% と読み上げる数字は、段を変えることの根拠そのものです。

const FAIL_BASE = 0.18;
const SCENES04 = [
    { rolls: [0.92, 0.99, 0.99], name: 'clean' },
    { rolls: [0.10, 0.88, 0.99], name: 'step2' },
    { rolls: [0.10, 0.14, 0.70], name: 'step3' },
    { rolls: [0.10, 0.14, 0.16], name: 'dead' }
];
// cumOk — n 段の異なるはしごを通った累積成功率
function cumOk(n) {
    return 1 - Math.pow(1 - FAIL_BASE, n);
}

05ローカルモデルはいつルーティングされるか — ollama切替と無料条件

privacy フラグ付きの要求 — または無料枠が尽きた後の要求 — は localGate を開き、パケットがローカルレーンへ車線変更します。1200 トークンを超える要求はゲートを通れず、長いプロンプトは hosted に留まります。

ローカル切替 — ollamaゲートと無料・プライバシー条件
全文コード 新しいタブで開く

05 · ローカル切替 — ollamaゲートと無料・プライバシー条件 — 計測 累積面積 36.085% · 動いたフレーム 23/23GODRICH オリジナル · SCSS と React は zip に同梱 · パスワードを見る

localGateprivacyFlagqueueLen

二つの条件、一つのペナルティ、一つの長さ上限

n8n ai agent local model への切替は二条件の連言 — flag !== 'plain' と len <= 1200 — で、スクリプトされた要求は四つのケースを順にたどります。ローカルの価格はゼロですが遅延の価格はキュー×90ms で、同じ二条件チェックを Switch ノードで組めば、この場面がそのまま本番構成になります。

    const gated = sc.flag !== 'plain';
    const passLen = sc.len <= LEN_CAP;
    const goesLocal = gated && passLen;
    // queueLen バー — シナリオの q (0〜5) に合わせたスケール
    const qw = clamp(sc.q / 5, 0, 1) * 110;
    qbar05.style.width = f1(qw) + 'px';
    // 遅延ペナルティ = q × Q_PENALTY_MS — ローカル行きのみ
    pen05.textContent = 'pen +' + f0(sc.q * Q_PENALTY_MS) + 'ms';

06無料枠はどう減っていつ有料へ移るか — 残量補間と転換閾値

軽い要求は無料チャネルを流れ FREE_MONTHLY(200) の割当バーを少しずつ削り、残り 15% を切るとバーが警告色に変わり、次の要求は paidSwitch の矢印を渡って有料チャネルへ移ります。

無料枠迂回 — 枯渇まで無料チャネルを回す
全文コード 新しいタブで開く

06 · 無料枠迂回 — 枯渇まで無料チャネルを回す — 計測 累積面積 37.41% · 動いたフレーム 23/23GODRICH オリジナル · SCSS と React は zip に同梱 · パスワードを見る

FREE_MONTHLYAVG_DRAINpaidSwitch

減りは補間される、減算ではない

バーは一つずつ減りません — pctLeft は (1 - used / FREE_TOTAL) * 100 を読み、飛行中の軽い要求は AVG_DRAIN(1.4) 分だけ使用量を前倒しで削るので、バーは要求の後で跳ぶ代わりに、要求を通って滑らかに減っていきます。四つのスナップショットは 83%・41%・13%・6% に着地し、174 のスナップショットは WARN_PCT(15) 線の直下にあり、188 の要求が矢印を灯して有料チャネルに切り替えます。無料は終わりのあるレーンであり、ルーターの仕事は要求より先にその終わりに気づくことです。

    // pctLeft — 残り枠を%で。飛行中の補間で先削り
function pctLeft(used) { return (1 - used / FREE_TOTAL) * 100; }
    const warning = left < WARN_PCT;
    // 軽い要求の間、予想 1.4 呼び出し分を先削り
    const liveUsed = sc.used + (sc.req === 'light' ? clamp(ph, 0, 1) * AVG_DRAIN : 0);
    quotaFill06.className = cx('qfill' + (liveLeft < WARN_PCT ? ' qfill--warn' : ''));

07カスタムモデルはどう検証されるか — エンドポイント・資格情報チェック

n8n ai agent custom chat model がルーターの候補に加わる前に、ハンドシェイクは三段のチェックを順に進めます — URL の形とスキームの endptCheck、資格情報の長さとチェックサムの credHash、モデル応答の照合 — 失敗はその段で止まり、リトライラベルを出します。

カスタムモデル検証 — エンドポイント・資格情報のハンドシェイク
全文コード 新しいタブで開く

07 · カスタムモデル検証 — エンドポイント・資格情報のハンドシェイク — 計測 累積面積 36.307% · 動いたフレーム 23/23GODRICH オリジナル · SCSS と React は zip に同梱 · パスワードを見る

endptCheckcredHashhandshake

URL は五点、資格情報は一つの折りたたみ

URL スコアは加算で https:// スキームが 2 点・ホストのドットが 1 点・/v1 接尾が 2 点の五点満点で、スクリプトされた失敗(/v1 の代わりの /v9)は 3 点で一段目に止まります。資格情報チェックは h = (h * 31 + code) % 97 の折りたたみに長さ下限 8 を加え、照合チェックはモデル応答を照らし合わせます — 検証の順序そのものが教訓です — 最初の実呼び出しで三つの失敗を一度にデバッグしても、どれが壊したか分からないからです。

function urlScore(u) {
    // 形式スコア — スキーム https(2) + ホスト(1) + /v1 接尾(2) = 合格 5 点
    let s = 0;
    if (u.indexOf('https://') === 0) { s += 2; }
    if (u.indexOf('https://') === 0 && u.slice(8).indexOf('.') >= 0) { s += 1; }
    if (u.slice(-3) === '/v1') { s += 2; }
    return s;
}
function credChecksum(c) {
    // mod 97 折りたたみチェックサム — Σ code × 31^i
    let h = 0;
    for (let i = 0; i < c.length; i += 1) { h = (h * 31 + c.charCodeAt(i)) % 97; }
    return h;
}

08モデルを変えても出力が合わない時 — 形式不一致の失敗経路とリトライ制御

モデル出力の JSON が六フィールドのスキーマ格子に重なり、外れたフィールドだけ赤く光ります。リトライのはしごは温度を下げる → モデル交代 → プロンプト再構成の順で進み、各段が simScore(一致フィールド÷六)を再計算し、最後の不一致は人間確認へ回されます。

出力形式不一致 — モデルを変えても合わない時のリトライ
全文コード 新しいタブで開く

08 · 出力形式不一致 — モデルを変えても合わない時のリトライ — 計測 累積面積 35.19% · 動いたフレーム 23/23GODRICH オリジナル · SCSS と React は zip に同梱 · パスワードを見る

fitCheckPOLICYnd--fail

類似度ははしごを登り、待ちは段ごとに倍になる

スクリプトされた四つの試行は 33%・50%・83%・83% と登っていき — 三回目と四回目が同じ一致ベクトルを共有するのはプロンプト再構成がもう効いていない印で、はしごが止まるべき瞬間です — 各リトライは BASE_BACKOFF × 2^step だけ待ちます(400・800・1600・3200ms)。温度下げが最も安い修正で、モデル交代は再ルーティング、プロンプト再構成は書き直しのコスト — 最安優先がはしごの経済の全てです。

// simScore — 一致フィールド / 全体。バックオフは段ごとに倍になる
function simScore(m) {
    let s = 0;
    for (let k = 0; k < m.length; k += 1) { s += m[k]; }
    return s / m.length * 100;
}
const POLICY = ['temp 0.7→0.2', 'model swap', 'prompt rebuild', 'human review'];
    const wait = BASE_BACKOFF * Math.pow(2, sc.step);

切替のデモが壊れる箇所 — リトライの錯視・割当補間の錯視・検証省略

三つの壊れ方を実測順に並べます。

無料枠は暦ではなく呼び出しで減る。 06 の四つのスナップショットは used 34・118・174・188 で 83%・41%・13%・6% を読み、警告は 15% 未満 — 174 のスナップショット、つまり有料切替の一つ前の要求で発火します。月次割当を「残日数 × 日当」と補間すると、重い要求と軽い要求が違う速さで減る事実を見失います — 予算は日付ではなく呼び出し数で。

リトライとフォールバックを混ぜるとはしごが崩れる。 04 の 1 − (1 − p)^n は各段が独立したサイコロという前提で、同じモデルのリトライは失敗を相関させ、三段目の 44.9% が静かに一サイコロ一度きりの値へ劣化します。規則は、retry on fail を一時的エラーに、構造が疑われる失敗は異なるモデルのはしごに振り分けることです。

検証しないカスタムエンドポイントは最初の呼び出しで失敗し、何も教えない。 07 の三段ハンドシェイクが存在するのは、最初の呼び出しの失敗が URL の打ち間違い・悪い資格情報・応答の形の違いを一つの不透明なエラーに混ぜてしまうからです。五点の URL スコア・8 文字下限の mod 97 チェックサム・応答照合が、トラフィックが流れる前にどの層が壊れたかを分けます。

八つの場面の html・scss と React 版ソース全体をパスワード付き zip にまとめました — 開くパスワードは 3apy323x で、次の変形表の三つの値はソースの定数の横にコメントで書いてあります。冒頭で述べた境界はそのまま続きます — ノード名とサブノードの選択肢は公式ドキュメントに従い、ここにあるスコア・単価・確率はすべて教育用のデモ独自の算術で、n8n の実行の記録ではありません。

ルーティング可視化はどこに使うか — コストダッシュボード・障害ボード・セットアップ教育

この場面が本当に居場所を得るのは三つの場所です。コストダッシュボードは 03 の非対称単価と 06 の割当バーで「なぜ請求が跳ねたか」を一画面に置き、障害時のランブックは 04 の 18.0/32.8/44.9% の段と 08 の温度・モデル・プロンプト・人間の順序を深夜三時でも従える判定スクリプトに仕立て、プロバイダ評価は 02 の単価正規化カードと遅延上限バッジを契約や GPU 購入前の比較形式にします。ルーティングされるエージェントの本体は n8n ワークフロー例 から始まり、経路の先で記憶を担うのは メモリ編 です。

本番に持っていくとは定数を自分の値に置き換えることです — 01 のコスト項は実モデルの数値に、03 の CALLS03 はトラフィックログに、06 の枠合計はプロバイダの実際の無料枠になり、計算の骨格は残ったまま、数字だけが実値になります。置き換え位置にはすべてソースのコメントに印が付いており、Space で一時停止・R で巻き戻し・矢印キーでプリセットを切り替えられます。

値を三つだけ変えるとルーティングの性格がどう変わるか

計算の骨格は変えずに、重み・確率・割当のどれか一つだけを動かす三つの値です。

変形 変える値 どう変わるか
遅延加重を強く s01 LATENCY_W 0.4 → 0.75 キュー項がスコアの 75% を取り、hosted と free のコスト差 0.342 が実効 0.171 に縮む — 中位に混んだ無料レーンが空いたホステッドに負け、01 の勝者がはるかに小さなキュー差で反転するようになる
フォールバック確率を上げる s04 FAIL_BASE 0.18 → 0.34 画面の ok 計器が 34.0/56.4/71.3% を読み(18.0/32.8/44.9% の代わり)、二段・三段目の点灯が目に見えて増え、行き止まりが無視できない頻度になる
無料割当を減らす s06 FREE_MONTHLY 200 → 90 四つのスナップショットの三つ(118・174・188)が合計を超え、バーは半分減った状態で始まり 15% の警告が最初のスナップショットで発火、有料切替の矢印が周期の大部分を先導する

一つの値がルーターの選択傾向を、一つがはしごの作業量を、一つが無料で乗れる長さを決めます。一緒に動かすとどの変更が何を起こしたか語れなくなるので、振る舞いを追うときは一つずつ動かします。

画面読み上げ器と動きを減らす — 切替のアクセシビリティ

モデルの選択が色だけに乗ることはありません — 勝者カードにはラベルとスコア数字が載り、失敗したハンドシェイク段にはリトライラベルが付き、フレームごとの計器は aria-live を切ったままなので、読み上げ器には毎ティックの計器ではなくイベントだけ(判定・フォールバック発火・形式リトライ)が status ロールで伝わります。一時停止はキーボードで操作できる本物のボタンで、Space・R・矢印キーが本当に動きます。

@media (prefers-reduced-motion: reduce) {
  .ez * { animation: none !important; transition: none !important; }
  .ez__pause { transition: none !important; }
}

動きを減らす設定では周期が止まり、各場面に完成した一つのフレームが残ります — 選ばれたモデルと残り予算が静止画の中に座るので、動きを減らした設定の読者も判定を失いません。prefers-reduced-motion は MDN のリファレンス にある通り Chrome 74・Firefox 63・Safari 10.1 までさかのぼって対応し、この周期を動かすループは MDN が文書化する 同じ API です。

モデル切替を配線する前によくある質問

n8n ai agent chat model free の選択肢はどう絞りますか?

02 のように読みます — 100 万トークンあたりの単価を一軸に、上限に対する遅延をもう一軸に置いて、01 の加重和に判定させます。重みは自分で設定するものです — 遅延に敏感なワークフローはキューの重みを上げ(最初の変形表では 0.75)、バッチ処理はゼロに寄せて価格だけで比較します。

n8n ai agent model のフォールバックはしごは本当に三ナインに届きますか?

算術の答えは条件付きのイエスです — 画面の ok 計器は 1 − (1 − p)^n を合成し、18% の失敗率で一段 18.0%・三段 44.9% まで届きますが、段が独立している場合だけです。同じプロバイダの同じリージョンで三つを鎖につなぐと実効段数は一段近くに落ちます。n8n では Error Trigger と retry-on-fail ではしごを組み、予算が許す限り段の間に距離を取ります。

無料やローカルへのルーティングは常に安い選択ですか?

いいえ — 05 のペナルティ行が領収書です。ローカルの価格はゼロドルですが queueLen × 90ms の遅延が乗り、キュー深度 4 では要求ごとに +360ms、無料のホステッド層は 06 のバーが 15% 線を下回るまで無料で、その後はすべての要求が定価を払います。安いレーンは空いている間だけ安い — それが空でなくなった瞬間に気づくのが一つの加重和であり、好みではありません。

参考資料: n8n AI Agent ノード・MDN ドキュメント prefers-reduced-motion・requestAnimationFrame

解凍パスワードを入力してください

パスワードはこの記事の本文の中にあります。読み進めると出てきます。