n8n 使用教程：构建 AI 自动化工作流的完整指南

很多「自动化」工具实际上只是把一件事从手动变成了半自动——还是需要你盯着、点击、处理异常。n8n 不一样：它是一个真正的工作流引擎，能把分散在不同服务里的任务串起来，全程无人值守地跑。

一个典型的 n8n 工作流是这样的：每天早上 8 点，自动从 RSS 订阅里抓取最新的行业资讯，用 AI 总结成 300 字摘要，按类别整理好，发送到 Slack 频道，同时把原始数据写进 Google Sheets。整个过程需要 0 次手动操作，而搭建这条工作流只需要大约 30 分钟。

这篇教程从安装开始，讲清楚 n8n 的核心概念，然后用三个完整的实战工作流演示常见的 AI 自动化场景。

n8n 是什么，和 Zapier 有什么区别

n8n 是一个开源的工作流自动化工具，可以连接 400+ 种服务（API、数据库、AI 模型、文件系统等），用可视化的节点图（Node Graph）来描述业务逻辑。

n8n 的核心优势：

开源可自托管：可以在自己的服务器或个人电脑上运行，数据不出机房
AI 原生：内置 LangChain 集成，可以直接调用 OpenAI、Anthropic、Ollama（本地模型）等，搭建 AI Agent 不需要写代码
无限流程运行：自托管版本没有任务次数限制，Zapier 的免费版每月只有 100 次触发
逻辑控制节点：支持 IF/ELSE 条件判断、循环、错误处理，比 Zapier 更灵活
JavaScript 节点：遇到复杂数据处理，可以直接写 JS 代码，不受限于固定的操作类型

和 Zapier 的主要区别：Zapier 更易上手，适合不需要复杂逻辑的简单自动化；n8n 学习曲线稍高，但上限高很多，特别是涉及 AI 处理、复杂数据流转、多步骤条件判断的场景。

安装方式

n8n 有两种使用方式：云托管版和自托管版。

云托管版（n8n Cloud）

直接访问 n8n.io 注册账号，免费版可以用 14 天，之后需要付费（最低约 $24/月）。优点是不需要自己管理服务器，缺点是有任务次数限制且费用持续产生。

自托管版（推荐个人用户）

自托管可以永久免费，方法有几种：

方法一：Docker（推荐，最省事）

前提：已安装 Docker Desktop。

docker run -it --rm \
  --name n8n \
  -p 5678:5678 \
  -v ~/.n8n:/home/node/.n8n \
  docker.n8n.io/n8nio/n8n

运行后打开浏览器访问 http://localhost:5678，按提示完成初始设置。

方法二：npm 全局安装

前提：已安装 Node.js 18 以上版本。

npm install -g n8n
n8n star

方法三：桌面 App（Windows/macOS）

从 n8n.io/desktop 下载桌面应用，安装后双击启动，适合完全不想接触命令行的用户。

推荐配置：如果只是个人使用或小团队，Docker 方式最可靠，数据挂载到 ~/.n8n 目录，重建容器数据不会丢失。

核心概念：节点、工作流、触发器

在动手操作之前，先理解三个基础概念：

节点（Node）

工作流里的每一步操作都是一个节点。节点分三类：

触发器节点（Trigger）：决定工作流什么时候开始，比如「定时触发」「接收 HTTP 请求」「收到 Gmail 邮件时」
动作节点（Action）：执行具体操作，比如「调用 OpenAI API」「发 Slack 消息」「写 Google Sheets」
逻辑节点（Logic）：控制流程走向，比如「IF 条件判断」「循环处理数组」「合并多路数据」

工作流（Workflow）

多个节点按顺序连接成一条处理链路，数据从触发器流入，经过各节点处理，最终输出到目标服务。每个节点的输出是下一个节点的输入，数据格式是 JSON。

触发器类型

n8n 支持多种触发方式：

Schedule Trigger（定时）：Cron 表达式，精确控制执行时间
Webhook Trigger：接收 HTTP 请求时触发，适合和其他系统集成
Chat Trigger：接收对话消息，适合搭建聊天机器人
手动触发：测试工作流时用，点击「Test workflow」立即执行一次

界面操作基础

打开 n8n 后，左侧是工作流列表，点击「New Workflow」创建新工作流，进入可视化编辑界面：

空白画布：在这里拖放节点、连接节点
节点搜索：点击「+」或按 Tab 键，搜索节点名称（英文搜索更准）
节点配置面板：点击节点后在右侧出现，配置参数、认证、数据映射
表达式编辑器：节点参数里点击「表达式」图标，可以用 {{ $json.fieldName }} 格式引用上一步输出的数据

保存和激活：工作流写好后，右上角「Save」保存，然后点击「Active」开关激活。激活后触发器会按设定持续监听，无需开着浏览器。

实战工作流一：每日 AI 资讯摘要推送

目标：每天早 8 点抓取科技资讯，AI 总结，发送到 Slack。

节点链路： Schedule Trigger → RSS Feed Read → OpenAI（总结） → Slack（发送）

步骤详解：

Step 1：定时触发

添加 Schedule Trigger 节点，设置：

Trigger Interval：Days
Trigger at Hour：8（早上 8 点）
Trigger at Minute：0

Step 2：抓取 RSS

添加 RSS Feed Read 节点，填入目标 RSS 地址（比如 https://hnrss.org/frontpage，Hacker News 首页），设置抓取最新的 10 条。

Step 3：调用 AI 总结

添加 OpenAI 节点（或 Anthropic），选择 Chat Model：

Model：gpt-4.1-mini（性价比高）
User Message 里写：

以下是今天的科技资讯列表，请用中文总结其中最重要的3条，
每条用一句话说明主题，附上原文链接，格式为：
1. [标题摘要] - [链接]
---
&#123;&#123; $json.items.map(i => i.title + ': ' + i.link).join('
') &#125;&#125;

Step 4：发送到 Slack

添加 Slack 节点，选择发送到的频道，Message 里填：

*今日科技资讯摘要 &#123;&#123; $now.format('YYYY-MM-DD') &#125;&#125;*
&#123;&#123; $json.choices[0].message.content &#125;&#125;

注意：Slack 和 OpenAI 节点都需要先在 n8n 里配置「凭证（Credentials）」，即输入对应的 API Key。节点右上角有「New Credential」按钮，按提示填入即可，n8n 会加密存储。

n8n 实战工作流一：每日资讯 AI 总结的节点结构

实战工作流二：AI 邮件自动分类与回复草稿

目标：收到 Gmail 新邮件时，AI 判断类别（客户咨询/内部协作/垃圾/其他），对「客户咨询」类自动生成回复草稿并标记星标。

节点链路： Gmail Trigger（新邮件） → OpenAI（分类+草稿） → IF（判断类别） → Gmail（标记+草稿）

Step 1：Gmail 触发

添加 Gmail Trigger 节点，选择「New Email」事件，连接你的 Google 账号。

Step 2：AI 分类与生成回复草稿

添加 OpenAI 节点，Prompt：

分析以下邮件，输出 JSON 格式（所有字段用单引号）：
{
  category: '客户咨询|内部协作|垃圾邮件|其他',
  reason: '分类原因（一句话）',
  draft_reply: '如果是客户咨询，这里给出回复草稿（100字以内）；否则为空字符串'
}

发件人：&#123;&#123; $json.from &#125;&#125;
主题：&#123;&#123; $json.subject &#125;&#125;
正文摘要：&#123;&#123; $json.snippet &#125;&#125;

设置 Response Format 为 JSON，确保输出可以被后续节点解析。

Step 3：条件判断

添加 IF 节点，条件：{{ $json.category }} equals 客户咨询。

True 分支：继续处理
False 分支：什么都不做（或者发一条 Slack 通知「收到非咨询邮件，已跳过」）

Step 4：标记和创建草稿

在 True 分支里添加两个 Gmail 节点：

第一个：操作选「Add Label」，给邮件加「客户咨询」标签，并标星标
第二个：操作选「Create Draft Reply」，内容填 {{ $json.draft_reply }}

这样每次收到客户邮件，你打开 Gmail 就能看到已经贴了标签、备好了草稿，只需要核对后点发送。

实战工作流三：本地 AI 文档问答助手（结合 Ollama）

目标：把一个本地 PDF 文件夹里的文档喂给本地 AI（Ollama），然后通过 Chat 界面问问题，AI 基于文档内容回答，数据全程不出本机。

前提：已安装并运行 Ollama（见 Ollama 使用教程），已拉取 qwen2.5:7b。

节点链路： Chat Trigger → AI Agent（Ollama） → Vector Store Tool（本地文档） → 回复

Step 1：准备文档索引

在 n8n 里，先创建一个「文档索引工作流」（只运行一次）：

Manual Trigger → Read Binary Files（读取 PDF 文件夹里的所有文件）
Extract from File（提取文本内容）
Recursive Character Text Splitter（把文档切成 500 字的片段）
Embeddings Ollama（用 Ollama 的 nomic-embed-text 模型生成向量）
Vector Store - In Memory（存入内存向量库）

Step 2：搭建问答工作流

新建工作流，添加 Chat Trigger 节点（开启 Public Webhook，得到一个本地聊天 URL）。

添加 AI Agent 节点：

Chat Model：选 Ollama → qwen2.5:7b
Memory：选 Window Buffer Memory（保留最近 5 轮对话上下文）
Tools：添加「Vector Store Tool」，指向第一步创建的向量库
System Prompt：

你是一个文档助手，专门基于提供的文档内容回答问题。
  回答时只使用文档里的信息，不要凭空捏造。
  如果文档里没有相关信息，直接说明。
  回答用中文。

激活工作流后，打开聊天 URL（http://localhost:5678/webhook/xxxxx/chat），就可以问关于这批文档的任何问题了。

这个场景对处理合同、规章制度、技术文档特别有价值——把公司文档喂进去，直接问「这份合同里的违约金条款是什么」而不需要全文搜索。

常用节点速查

需求	节点名称
定时执行	Schedule Trigger
接收 HTTP 请求	Webhook
发送 HTTP 请求	HTTP Request
读取/写 Google Sheets	Google Sheets
收发 Gmail	Gmail
发 Slack 消息	Slack
发微信（企业微信）	企业微信
调用 OpenAI	OpenAI / AI Agent
调用本地 Ollama	Ollama Chat Model
读取本地文件	Read Binary Files
转 PDF 为文本	Extract from File
条件分支	IF
数据合并	Merge
遍历数组	Loop Over Items
延迟等待	Wait
运行 JS 代码	Code

常见报错与排查

节点变红，提示「认证失败」

检查对应服务的 API Key 或 OAuth 授权是否填写正确，部分服务需要特定权限范围（Scope）。重新建立凭证，旧的凭证有时会过期。

工作流测试时没有数据，Trigger 节点输出为空

手动触发测试时，Trigger 节点本身不会产生真实数据，需要在 Trigger 节点里点「Fetch Test Event」获取真实数据样本，然后再测试后续节点。

AI 节点输出的 JSON 格式不稳定

大模型生成 JSON 有时会有多余的 markdown 格式（如 ````json包裹）。解决方法：在 OpenAI 节点里开启「Response Format → JSON Object」强制输出，或在后面加一个Code` 节点做解析：

const raw = $input.first().json.choices[0].message.content;
return [{ json: JSON.parse(raw.replace(/```json|```/g, '').trim()) }];

Webhook 在外网无法访问

默认的 n8n 只监听本地端口，外网访问需要：1. 在路由器上做端口转发；2. 或者用 ngrok、Cloudflare Tunnel 等内网穿透工具。

FAQ

Q：n8n 自托管需要多高配的服务器？

个人使用或小团队（每天运行几十次工作流）：1 核 CPU + 512 MB RAM 的最低配 VPS 就够。工作流频繁、有复杂 AI 处理的：2 核 + 2 GB RAM 更稳定。国内低配 VPS 价格约 ¥50-100/月，比 n8n Cloud 订阅便宜很多。

Q：n8n 工作流里的数据安全吗？

自托管版本，数据存在你自己的服务器上，n8n 官方无法访问。API Key 等凭证在数据库里加密存储。只要服务器本身安全，数据安全是有保障的。云版（n8n Cloud）的数据在 n8n 的服务器上，按 GDPR 规范处理。

Q：n8n 能处理大量数据（比如几千行表格）吗？

可以，但需要注意内存使用。Loop Over Items 节点可以分批处理大数组，避免单次处理几千条数据撑爆内存。AI 节点（LLM 调用）处理大数据时建议分批，每批 10-20 条，速度和成本都更可控。

Q：不会写代码能用 n8n 吗？

大多数场景（连接 API、发邮件、触发 AI）不需要写代码，用现有节点拖拽连接就够了。Code 节点（写 JS）只在处理特殊数据格式时需要。如果真的完全不想碰代码，AI 节点里可以用自然语言让 AI 帮你写 Code 节点的内容。

Q：n8n 和 Dify 有什么区别？

定位不同。n8n 是通用工作流自动化工具，擅长连接各种外部服务和系统级自动化；Dify 是 AI 应用开发平台，擅长快速搭建对话机器人、知识库问答、AI 流水线。两者都可以做 AI 自动化，但 n8n 的集成范围更广（能连接更多非 AI 服务），Dify 的 AI 应用构建体验更专注和完善。实际项目里，有时候会同时用：Dify 做 AI 对话部分，n8n 做数据同步和触发器。

n8n 使用教程：构建 AI 自动化工作流的完整指南 ​

n8n 是什么，和 Zapier 有什么区别 ​

安装方式 ​

云托管版（n8n Cloud） ​

自托管版（推荐个人用户） ​

核心概念：节点、工作流、触发器 ​

界面操作基础 ​

实战工作流一：每日 AI 资讯摘要推送 ​

实战工作流二：AI 邮件自动分类与回复草稿 ​

实战工作流三：本地 AI 文档问答助手（结合 Ollama） ​

常用节点速查 ​

常见报错与排查 ​

FAQ ​