n8n 中文入门：搭第一个 AI 自动化工作流
n8n 是一款开源的工作流自动化工具：你把一个个”节点”用线连起来，数据就从一头流到另一头，中间还能塞进 AI 节点让它自动处理。 一句话理解——它是给非程序员用的”乐高式后端”，不写代码也能把”收到邮件→喂给 AI 总结→发回给你”这种流程串成一条自动跑的流水线。
这篇是给中文读者的 n8n 入门教程。看完你会知道 n8n 和别的自动化工具有什么不一样、怎么部署、怎么搭出你的第一个 AI 工作流，以及新手最容易踩的坑。
n8n 是什么，和 Coze、Dify 有什么不一样
n8n 的核心是节点（Node）+ 连线（Connection）。每个节点干一件事：触发器节点负责”什么时候启动”，功能节点负责”做什么”，最后用线把它们串起来，数据顺着线往下流。
它和同类工具的定位差别，一张表说清：
| 工具 | 定位 | 适合谁 |
|---|---|---|
| n8n | 通用工作流自动化，连各种 App 和 API | 想串系统、跑后台流程、要私有部署的人 |
| Coze | 聚焦 AI Bot / Agent 搭建 | 想快速做一个对话机器人的人 |
| Dify | LLM 应用开发平台，偏 RAG / Agent | 要做知识库问答、AI 应用的人 |
简单判断：你要”把不同软件连起来自动跑”选 n8n；你要”做一个 AI 对话助手”看 Coze 扣子教程；你要”基于自家文档做问答”看 Dify 教程。 三者并不互斥——很多人用 n8n 当”总调度”，再调用 Dify 或大模型 API 做 AI 那一环。
n8n 最大的两个特点：开源（可以白嫖自己部署，数据不出本地）和节点生态广（几百个内置集成，覆盖邮箱、表格、数据库、IM、各家大模型）。
再多说一句选型的实话：如果团队里没人愿意碰服务器，也没有”数据不能出内网”的硬要求，直接上 Coze 或 Dify 的云端版反而更省心——n8n 自部署省的是订阅费，花的是维护实例、处理升级的时间。我见过团队图便宜自己搭了 n8n，半年没人管，版本停在很旧的地方，某天某节点因上游 API 改了协议直接报错也没人发现。n8n 更适合”有人愿意兜底运维”的场景，不是纯图省钱的万能解。
第一步：部署 / 准备
n8n 支持本地部署和云端托管两种方式，你按需求二选一：
- 想零门槛试用：用官方云服务，注册即用，不碰命令行。
- 想数据自己掌控 / 长期省钱：本地或自有服务器部署，最常见的是用 Docker 一行命令拉起来。
本地部署的两种主流路径：
- npx 快速启动（适合本机临时玩）：装好 Node.js 后，用
npx n8n一条命令就能在localhost:5678打开界面。 - Docker 部署（适合长期跑、上服务器）：拉官方镜像、映射端口和数据卷，重启不丢数据。
具体镜像名、端口参数、环境变量的写法以 n8n 官方文档为准——这些会随版本变，但”用 Docker 起一个带持久化的实例”这个思路是不变的。
启动后打开浏览器进 localhost:5678，建好管理员账号，你就进到了节点编辑画布。
第二步：跑通第一个任务——邮件自动总结
我们做一个最小但完整的 AI 工作流：定时检查邮箱 → 把新邮件正文喂给 AI 总结 → 把摘要发回给自己。在画布上它就是三四个节点连成一条线。
1. 加触发器节点。 触发器决定流程”什么时候跑”。常见两类：
- 定时触发（Schedule）：每隔 N 分钟跑一次，适合轮询邮箱。
- 事件触发（Webhook）：别的系统推一条数据过来才跑，适合实时。
这里选定时触发，设成每 10 分钟跑一次。
2. 加邮件读取节点。 接上你的邮箱（IMAP 或 Gmail 等节点），让它拉取未读邮件，输出邮件的标题和正文。
3. 加 AI 节点。 这是关键一环。n8n 内置了对接大模型的 AI 节点，你把上一步的邮件正文连进来，写一句提示词，比如：
请用 3 句话总结这封邮件的核心内容，标出待办事项。
邮件正文：{{ $json.body }}
{{ }} 是 n8n 的表达式语法，用来引用上一个节点流过来的数据。AI 节点背后接哪个模型（OpenAI、国产大模型或本地模型），在节点配置里填 API Key 即可，具体支持的模型和填法以官方文档为准。
4. 加发送节点。 把 AI 输出的摘要连到一个”发邮件”或”发 IM 消息”的节点，发回给自己。
连完点击执行，看每个节点是不是都亮绿、数据是不是顺着线流到了末端。跑通了，你就拥有了第一个会自动干活的”数字员工”。
调试的正确姿势：一个节点一个节点点执行，别一上来就跑全流程。 n8n 有个实用功能叫”Pin Data”——节点执行成功后把输出”钉住”，调试下游节点时不用每次重新拉一遍邮件，省时间也省 API 调用次数。建议顺序：先跑通触发器拿到一条真实数据并钉住；再单独调 AI 提示词，改到满意；最后接发送节点跑全链路。这样出问题能一眼定位是哪一环，而不是对着报红的整条线发懵。
进阶：让工作流更聪明的几个关键
跑通最小流程后，这几个能力让 n8n 从”玩具”变”生产力”：
- 条件分支（IF / Switch 节点）：让流程按数据走不同的路，比如”重要邮件才提醒”。
- 接知识库：让 AI 不只总结当前邮件，还能查你的私有资料再回答——这就是 RAG。怎么用 n8n 搭一套带知识库的 AI 流程，见 n8n 接 RAG 知识库实战（规划中）。
- 错误处理：给流程加错误分支，某一步失败时自动重试或通知你，别让流程默默断在半路。具体做法是给工作流挂一个”Error Trigger”专门捕获失败事件，失败时发条消息到 IM 群里，比每天手动翻执行记录靠谱。
- 凭证管理：API Key、邮箱密码统一存进 n8n 的凭证库，别硬写在节点里。这样做不只是为了安全：如果 Key 直接写死在节点表达式里，哪天工作流导出分享给同事，Key 会跟着明文一起传出去；存进凭证库则默认不随工作流导出。
- 子工作流拆分：流程超过十几个节点后，别把所有逻辑堆在一张画布里。把”读邮件""AI 处理""发送通知”拆成三个独立工作流，用 Execute Workflow 节点互相调用，改动一处不影响全局，排查也能按模块定位。
- 并发与队列模式：触发频率很高（比如 Webhook 每秒都有请求）时单实例可能顶不住，要切到官方支持的队列模式（用 Redis 做任务队列，多个 worker 分摊执行），具体配置以官方文档为准——小流量单实例够用，流量上来了别硬扛，早点规划扩容。
新手常见坑（6 条）
- 触发器忘了激活。 在画布上点”执行”只是手动测试一次，要让它自动后台跑，得把工作流右上角的开关切到 Active。很多人调试完以为万事大吉，结果第二天发现流程根本没跑，一查就是这个开关没切。
- 表达式取错字段。
{{ $json.xxx }}里的字段名要和上一个节点的实际输出对上，写错就是空值——点节点看输出面板对字段名，别靠猜。字段名区分大小写，Body和body不是一回事，这个错误极常见。 - AI 节点没配凭证或额度。 AI 节点要填对应模型的 API Key，Key 失效或没额度会直接报错，先单独测这一个节点。建议给 AI 节点的失败连一个通知节点，第一时间知道，别等好几天才发现摘要没发出去。
- 本地部署没挂数据卷。 Docker 跑 n8n 不映射数据卷的话，容器一重启工作流全没了——一定要做持久化，这是最容易踩、代价也最大的坑，务必在第一次部署时就确认好。
- 循环里塞了太重的操作。 用 Loop / SplitInBatches 节点处理一批数据时，如果每条都调一次 AI 接口，数据量一大就是几十上百次调用，既慢又费钱。先想清楚能不能一次性把多条数据拼进一个提示词，让 AI 一次处理完，而不是逐条循环调。
- 忽视执行日志的保留策略。 n8n 默认保留每次执行的完整数据快照，跑得频繁数据库会很快膨胀，拖慢界面响应。记得在设置里配置执行数据的保留时长和清理策略，别等数据库几个 G 了才想起来处理。
常见问题
n8n 免费吗？ n8n 是开源项目，自己部署的社区版可以免费用；官方还提供付费的云托管和企业版。具体各版本的功能边界和价格以官方文档为准，但”自部署免费跑”这条路一直在。
n8n 需要会编程吗？
不需要。搭基础工作流是纯拖拽连线，零代码。但懂一点 JSON 和表达式（{{ }} 取数据）会让你如虎添翼，复杂逻辑也能塞一小段代码节点。
n8n 和 Zapier、Make 比怎么样？ 思路类似，都是”连线式自动化”。n8n 最大的差异是开源可自部署——数据敏感、想私有化、跑量大想省订阅费的团队更适合 n8n；只图开箱即用、不在乎托管的可以看 Zapier / Make。
n8n 能接国产大模型吗？ 能。AI 节点支持填自定义 API 地址和 Key，只要模型提供 OpenAI 兼容接口，一般都能接上。具体配置以官方文档和对应模型平台文档为准。
搭 AI 工作流，n8n 和 Coze / Dify 该选哪个？ 要”串系统、跑后台自动化流程”选 n8n；要”快速做一个对话机器人”看 Coze 扣子教程；要”基于自家文档做问答”看 Dify 教程。
👉 看看 AI 数字员工落地指南，或了解 数字员工搭建实战课。需要为企业落地方案，欢迎找我们聊 企业服务。