目录
一、前言
2025年是AI大模型广泛使用的一年，随着大模型的能力日渐完善，基于大模型的其他周边的能力也逐步被开发出来，也在更广泛的领域中开始使用，比如结合低代码+工作流的AI智能体平台，基于传统的互联网应用的各自人工智能客服系统，各种助手等，因此大模型的边界得到了很大的拓展。在国内，比如典型的具有代表性的像Coze ，国外的Dify 等智能体平台，就是很好的将大模型的能力发挥到极致的代表，本文以智能体平台中非常核心的一个模块，工作流为例，来聊聊另一个近期非常火热的融合大模型与各种插件的流程编排工具，n8n。
二、n8n 介绍
2.1 n8n 是什么
n8n 是一个开源的工作流自动化工具，它允许用户通过可视化的方式创建、执行和自动化各种任务，这些任务可以是数据处理、文件操作、API 调用等。n8n 支持多种节点（nodes），每个节点代表一个特定的操作或服务，例如读取数据库、发送电子邮件、与第三方服务API交互等。官网：https://n8n.io/
假设你是一名运营人员，每天需要在社交媒体平台上发布内容，同时还要将相关数据记录到表格中。使用n8n，你可以创建一个工作流，当你在WordPress上发布新文章时，n8n自动将文章分享到Twitter、Facebook等社交媒体平台，同时把文章的标题、发布时间等信息同步到Google Sheets表格中 ，这一系列操作一气呵成，大大节省了你的时间和精力。
又或者你是一名开发人员，需要定期从GitHub上获取更新的issues和pull requests信息，并发送邮件通知相关人员。利用n8n，你可以轻松设置一个定时任务，让它每周自动从GitHub获取相关信息，然后通过Gmail发送邮件通知，无需手动去查看和发送。
除了多平台集成，n8n还提供了丰富的触发器选项，你可以根据时间（定时任务）、特定事件（如收到新邮件、文件上传等）来触发工作流程。
2.2 n8n 核心特点
n8n 具有如下核心特点：
-
开源与可自托管
-
n8n 采用 公平代码（Fair-code） 许可，允许用户免费使用、修改甚至自托管，适合注重数据隐私的企业或个人。
-
企业版提供云托管选项（需付费）
-
-
可视化工作流编辑器
-
通过拖放节点（nodes）构建自动化流程，每个节点代表一个应用或操作（如 HTTP 请求、数据库查询、AI 工具调用等）。
-
-
广泛的集成支持
-
支持 600+ 应用和服务（如 Slack、GitHub、Google Sheets、OpenAI、Telegram 等），也支持自定义 API 调用。
-
社区贡献的节点可通过 n8n.nodes 库扩展功能。
-
-
灵活的执行方式
-
可手动触发、定时触发或通过 Webhook 触发。
-
支持条件分支、错误处理、数据转换等高级逻辑。
-
-
开发者友好
-
支持 JavaScript/Python 代码片段嵌入，满足定制化需求。
-
可导出/导入 JSON 格式的工作流，便于版本控制和共享。
-
从技术角度来看，n8n采用了先进的节点式架构。每个节点代表一个独立的操作，比如发送邮件、触发API、数据过滤等 。用户可以通过简单的拖拽方式，将不同的节点连接起来，构建出复杂的自动化工作流。这种模式不仅便于非技术人员上手使用，同时也为高阶开发者提供了足够的灵活性，他们可以通过JavaScript或Python代码自定义节点逻辑，来满足更复杂的业务需求。
2.3 n8n 主要应用场景
了解了n8n的能力后，你可以将它应用到许多实际场景中：
-
客户支持自动化：自动分析客户反馈邮件的情感倾向，并根据情绪积极或消极，将其自动路由至不同的处理团队。
-
智能内容生成：构建一个工作流，根据热点话题自动检索资料，并调用AI模型生成社交媒体帖子或视频脚本，最后发布到指定平台。
-
数据同步与处理：定期从数据库或API中提取数据，进行清洗和转换后，将结果汇总并发送到指定的Slack频道或生成报告。
-
构建RAG助手：搭建一个检索增强生成（RAG）AI客服代理，它能够根据你提供的内部文档（如产品手册）知识，智能地回答用户问题。
2.4 与其他同类产品对比
为了加深对n8n的理解，下面这个表格清晰地对比了 n8n 与几款市场主流自动化工具的核心差异。
| 对比维度 | n8n | Make | Zapier | Dify |
| 核心定位 | 开发者导向的开源自动化 | 视觉化复杂流程构建 | 简单易用的无代码自动化 | 生产级AI应用开发平台 |
| 技术门槛 | 较高，需要技术知识 | 中等，适合有逻辑思维的用户 | 低，面向非技术用户 | 中等，侧重AI应用开发 |
| 部署方式 | 自托管（免费）或云托管 | 仅云托管 | 仅云托管 | 自托管或云托管 |
| 定价模式 | 按工作流执行次数计费 | 按操作次数计费 | 按任务数计费 | 通常按模型Token和使用量计费 |
| 集成数量 | 约1,100个 | 超过2,500个 | 超过7,000个 | 聚焦AI模型和AI相关服务 |
| AI能力 | 强大，提供丰富的原生AI节点 | 有限，常需借助外部工具 | 集成AI功能 | 专精，提供完整的LLMOps工具链 |
2.4.1 n8n 核心优势
从上面的表格中定位的差异，主要源于n8n以下几个方面的独特优势：
-
开源与数据掌控：n8n采用“公平代码”模型，其源代码可见且可免费自托管。这意味着你可以在自己的服务器上部署，实现数据的完全自主控制，这对于处理敏感数据或需要满足严格合规要求的企业至关重要。
-
强大的定制与扩展能力：n8n绝非一个封闭的“黑盒”。它允许你使用 JavaScript 或 Python 编写自定义逻辑，甚至可以创建自己的节点。这种“代码友好”的特性确保了当需求变得复杂时，工具不会成为限制你创造力的瓶颈。
-
面向开发者的设计哲学：n8n的界面虽然简洁，但其设计假设使用者具备一定的技术背景。它让你能够深入操作变量和表达式，提供了极大的控制权，非常适合技术团队和开发者。
-
原生且灵活的AI集成：n8n内置了对主流AI服务（如OpenAI、Hugging Face）和AI框架（如LangChain）的支持。这使得构建多步骤的AI智能体（Agent）和复杂AI工作流变得直观，在自动化流程中融入AI能力非常方便。
-
经济的成本模式：n8n按“工作流执行次数”收费。无论一个工作流内部有多少个步骤和节点，一次执行就是一个单位。这对于内部逻辑复杂但执行不频繁的流程尤其划算。
2.4.2 如何选择合适的工具
通过上面的表了解各工具的特点后，你可以根据自身情况做出更适合的选择：
-
选择 n8n 的情况：
-
你的团队拥有技术专家（如开发者、DevOps）。
-
项目需要高度定制化，或需要连接内部私有API。
-
对数据安全和隐私有极高要求，需要自托管。
-
希望构建深度集成AI能力的复杂自动化流程。
-
-
选择 Make / Zapier 的情况：
-
团队以业务人员或无技术背景者为主，追求快速上手。
-
需要利用大量常见的、开箱即用的SaaS应用集成。
-
自动化流程本身逻辑不特别复杂，且不希望投入精力维护基础设施。
-
-
选择 Dify 的情况：
-
核心目标是快速构建和运营由大语言模型驱动的AI应用。
-
需要强大的RAG、Agent框架和LLMOps等专业AI功能。
-
总的来说，n8n就像是一个自动化的瑞士军刀，无论你是想要自动化简单的数据传输任务，还是构建复杂的业务逻辑流程，它都能胜任，帮助你提高工作效率，减少重复性劳动，让你有更多的时间和精力去专注于更有价值的工作。
三、docker 部署n8n
为了方便后面的学习和使用，接下来演示如何基于Docker 环境
3.1 基于Docker 安装n8n
提前在服务器目录创建一个n8n的数据目录，用于作为数据卷，然后执行下面的命令
docker run -it -d --name n8n -p 5678:5678 -v /usr/local/docker/n8n/data:/home/node/.n8n -e N8N_SECURE_COOKIE=false --user $(id -u):$(id -g) n8nio/n8n安装过程中，如果镜像拉不下来，可以在服务器的docker配置文件中添加下面这个镜像源
# 如果镜像拉不下来，可以添加下面这个镜像源
vim /etc/docker/daemon.json
{
"registry-mirrors": [
"https://docker.xuanyuan.me"
]
}
systemctl daemon-reload
systemctl restart docker容器启动成功后，访问，IP:5678端口
登录进去之后可以看到整个界面是英文的，可以通过下面的方式进行汉化处理
# https://github.com/other-blowsnow/n8n-i18n-chinese/releases
# editor-ui.tar.gz
# 下载汉化包
# https://github.com/other-blowsnow/n8n-i18n-chinese/releases
# editor-ui.tar.gz
wget https://github.com/other-blowsnow/n8n-i18n-chinese/releases/download/n8n%401.95.3/editor-ui.tar.gz
cd /home/n8n_data
tar -xzvf editor-ui.tar.gz
# 解压后就是下面用到的dist，目录根据自己的实际数据卷目录设定
# 重启docker
docker run -d --name n8n \
-p 5678:5678 \
-v /usr/local/docker/n8n/n8n_be_sinicized/dist:/usr/local/lib/node_modules/n8n/node_modules/n8n-editor-ui/dist -v /usr/local/docker/n8n/data:/home/node/.n8n \
-e N8N_DEFAULT_LOCALE=zh-CN \
-e N8N_SECURE_COOKIE=false \
--user $(id -u):$(id -g) \
n8nio/n8n3.2 其他环境安装n8n
3.2.1 windows 环境安装
windows环境下基于nodejs进行部署，需要提前在系统中安装nodejs，在cmd窗口执行下面的命令，等待执行完成
npx n8n
3.3 界面基本设置
Web控制台访问地址：IP:5678，如下是访问的主页效果，使用自己的账户登录
登录成功后，跳转到下面的页面
填写自己的邮箱信息，在自己的邮箱里面进行验证通过后，初次使用会给你颁发一个免费的license key：XXX ，然后进入n8n的账户设置页面，将颁发给你的license 粘贴进去即可完成激活
3.4 配置工作流测试
n8n最核心的功能就是它强大的工作流，基于工作流的编排你可以做自己想做的任何事情，比如通过输入提示词让工作流给你回复特定的专业领域的回答，或者让工作流每天给你推送新闻、天气等。
1）创建入口
如下，点击左侧的+号，或者右上角的创建按钮
然后来到下面的工作流配置页面
2）添加大模型
大模型是工作流中经常会用到的组件，如何添加呢？如下，点击添加一个节点时，会在右侧弹出一个选择框，在这里输入AI ，选择第一个
有同学会问，怎么使用国内的大模型呢，比如deepseek，如下图，在底部有一个配置Chat Model的地方
点击之后，可以看到提供了很多大模型供你选择
然后进入模型的编辑页面，填写你输入的大模型相关参数进行配置即可
3）配置发邮件
基于工作流进行邮件推送也是工作流编排中经常使用到的场景，首先在节点中添加完成一个邮件节点后，需要你在自己的邮箱后台获取授权码，下面以QQ邮箱为例进行说明
填写邮箱的一些配置信息
输入邮箱的基本信息
配置完成后点击一下执行测试，可以看到，在收件箱中就收到了这个测试邮件
四、基于n8n 实现新闻推送邮箱工作流
接下来通过一个基于n8n的实际案例操作演示，配置在n8n中实现一个新闻推送到个人邮箱。
4.1 增加一个定时触发节点
如下，首先增加一个定时触发的节点
-
触发器，也就是工作流的起点，有各种各样的触发条件，比如手动触发、计划触发等等。现在希望每天早上 7:30 触发，所以添加一个按计划触发的组件。
填写时间，选择触发周期为 Day, 触发间隔 1, 具体时间 8am, 具体分钟数 30, 对应每天早上 8:30 触发。填写完毕后，点击执行步骤，右侧可以看到执行详情。
点击返回画布，返回主页面，然后点击保存 (随时保存是一个好习惯)
4.2 增加HTTP请求组件
点击时间触发器后面的“+”号，选择 核心-> HTTP Request 组件
点击 Http Request 后，自动添加了一个组件，并弹出组件设置界面：
从组件界面上，可以看到分为三部分：
-
左边是上一个组件的输出数据，这里作为本组件的输入部分
-
中间是这个组件的配置
-
右边是这个组件执行后的输出数据，作为下一个组件的输入
接下来，我们去找一个获取天气的接口，获取链接：https://www.apihz.cn/api/tqtqyb.html
这是接口盒子平台提供的一个免费查询天气的接口，需要先注册一下，获取到id和key, 注册完成后，再次访问此界面，界面会自动生成一个填写了个人id和key的示例url，url 和返回参数的说明接口盒子已经给了，这里不做赘述。一般只需要核对id、key, 然后把sheng改成自己的省、place改成自己的市即可。如下：
https://cn.apihz.cn/api/tianqi/tqyb.php?id=10009547&key=你的key&sheng=浙江省&place=杭州市&day=1&hourtype=1
将这个url填入到n8n上面的Http Request组件中，method 选择get，点击执行步骤，右侧输出选择 JSON格式，结果如下，说明执行成功了。
到这里，已经能够成功调用接口盒子的接口，获取到了天气数据，包括调用接口时的实时数据以及当天的按小时划分的数据。可以添加一个筛选组件对数据的筛选和处理，这些需要自行探索，比如只要实时数据，可以查看参考中的链接。
这个节点的目的是获取全天的天气预报，接下来把接口得到的所有数据丢给ai,信ai可以给出更全面的分析。
4.3 添加大模型节点
点击上一个组件的加号，添加新组件。人工智能-> AI Agent ，这个在前面已经详细介绍过配置的方法了，就不再赘述了，进入到下面的页面，参考如下的配置，输入为上一步http接口获取的天气信息，为了得到阅读体验比较好的邮件内容，下面增加了一段提示词。
你是一个专业的气象学家，并且很有生活经验。根据输入的信息，生成一个简短的邮件。邮件内容是对于出行和生活的提示。要求语言更生动一些，但是也许带上数据，体现气象科学的严谨性。配置完成后，点击上方的执行，可以看到右侧输出了一段大模型整理后的天气内容
中间的配置参数补充说明：
-
第一个选项，信息源选择 Define below，意思是按照下面的选项自定义信息源。
-
第二的选项，输入 {{ $json }}, 意识是取上一个Http Request 组件获取到的全部 json 数据，如果想要取部分数据，可以直接用鼠标从左侧json数据中拖动。
-
点击 Add Option, 选择 System Message，作为ai提示词。也就是给ai立设定，让它进入或扮演某个角色。
4.4 添加Markdown转换节点
在AI Agent组件后面，添加一个组件 Markdown，可以直接搜索组件名称，也可以通过 数据转换-> Markdown 找到。这个组件的作用是将Markdown转换成html，或者将 html 转换为 Markdown。
这里的目的是将Markdown转换为html。因为ai一般输出格式是Markdown，包括字体大小、表格、代码高亮等等，但是要求显示时支持Markdown渲染，邮件客户端不一定支持Markdown渲染，所以需要将Markdown转换为html，html 可以很好地保留Markdown的格式。
在下面的配置中，Mode 选择 Markdown to HTML，然后将左侧的数据中的"output"使用鼠标直接拖拽到第二的选项中，第三个选项使用默认的data，当点击执行步骤后，结果就可以输出到右侧显示了。
4.5 添加发送邮件节点
接下来，增加一个邮件发送节点，将上一步得到的内容通过邮件发送到邮箱里面，关于怎么配置邮箱信息，在上面的分享中做了详细的说明，点击添加邮件之后，将上一步Markdown 输出的data字段拖拽到 HTML框中，参考下面的内容进行配置即可。
点击上方的执行之后，当出现右侧的信息时，说明流程配置成功，打开自己的邮箱，可以看到能够正常的收到发送的天气邮件
4.6 完整测试
上面配置完成之后，完整的流程效果展示如下：
点击执行，可以看到完整的各个节点的执行过程
并且流程中的每个节点的执行过程，都可以比较清楚的看到，如果执行遇到什么错误，可以点击进去进行日志排查
上面可以看到已经执行成功了，再次检查邮箱，收到一封最新的邮件
最后，回到画布，然后修改左上角的工作流名称为 天气提示；在右上角点击保存、激活，然后一个工作流就设计完成了。
五、写在文末
本文详细介绍了n8n 这款开源的工作流自动化工具从部署到使用的详细过程，最后提供了一个完整的实际案例，基于n8n 平台，可以做非常多的事情，用于日常生活和工作的助手，希望对看到的同学有用，本篇到此介结束，感谢观看。
扫一扫
718
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
