JR Academy · Blog职业洞察

n8n 自动化工作流实战指南 — undefined

从零掌握 n8n：安装部署、核心概念、AI Agent 集成、真实案例与进阶技巧，面向中国开发者和职场人

发布日期2026-08-24

阅读时长11 分钟

作者

快速导航

一、n8n 是什么
核心定位
许可证说明
市场地位（2026年数据）
二、安装方式
方式1：Docker（官方推荐）
方式2：Docker Compose（生产环境推荐）
方式3：npm 安装
方式4：n8n Cloud（托管服务）
重要环境变量参考（来源：docs.n8n.io）
三、核心概念
3.1 Workflow（工作流）
3.2 Node（节点）
3.3 Trigger（触发器）
3.4 Credential（凭证）
3.5 Execution（执行）
3.6 数据结构
四、5个最常用 Workflow 案例
案例1：自动化邮件处理 + 任务创建
案例2：表单提交 → CRM 录入 + 自动回复
案例3：定时抓取数据 + 报告生成
案例4：AI 客服自动回复
案例5：GitHub → Slack 发布通知
五、AI Agent 节点详解
5.1 AI Agent 节点架构（来源：docs.n8n.io）
5.2 接入 OpenAI
5.3 接入 Claude（Anthropic）
5.4 Memory 节点
5.5 Tool 节点（给 AI 加"工具"）
5.6 AI Agent 实战：构建一个能查邮件的 AI 助手
六、进阶技巧
6.1 Code 节点
6.2 错误处理
6.3 Webhook 配置进阶
6.4 Schedule Trigger 进阶
6.5 节点之间传递数据的技巧
七、与其他工具对比
7.1 总体对比表（来源：多个独立评测，2026年数据）
7.2 定价详细对比（2026年）
7.3 如何选择
八、MCP / Claude 集成
8.1 n8n 原生 MCP 支持（官方）
8.2 n8n-MCP 开源项目（社区）
8.3 用 Claude Code + n8n-MCP 的工作流程
8.4 n8n 与 Claude 直接集成（通过 API 节点）
九、学习路径建议
新手路线（0 → 能独立搭建 workflow）
推荐学习资源
十、关键数据汇总（用于书中引用）
十一、注意事项与常见误区

n8n 深度研究笔记（电子书素材）

研究日期：2026-04-05 研究目的：为 JR Academy n8n 中文电子书提供素材基础来源：n8n 官方文档、GitHub、多个技术博客、社区资源

本文件为完整研究笔记，涵盖8个研究方向的关键发现。

一、n8n 是什么

核心定位

n8n 是一个工作流自动化平台，采用"公平代码"（fair-code）许可证。它将 AI 能力与业务流程自动化结合，目标是让开发者和非技术人员都能构建复杂的自动化流程。

官方定位（来源：n8n.io）：

"n8n is a developer-friendly workflow automation platform that combines the speed of no-code with the power and control of full-code orchestration along with AI native capabilities."

许可证说明

n8n 使用**公平代码（fair-code）**许可证，源代码公开可在自己基础设施上部署，但有使用限制：

社区版：完全免费，可自托管，无执行次数限制、无工作流数量限制
企业版：需要商业许可，适合大型组织

市场地位（2026年数据）

超过 9,000 个社区 workflow 模板
1,000+ 原生集成（另有 HTTP 节点可连任意 REST API）
GitHub star 数量超过 50k
被 Delivery Hero、StepStone 等大型企业采用

Delivery Hero 案例（官方 case study）：通过 n8n 自动化 IT 运营工作流，每月节省 200+ 小时工作量。

StepStone 案例（官方 case study）：全公司运行 200+ 关键业务工作流，集成新数据源速度提升 25 倍，原来需要两周的工程工作缩短到几小时。

二、安装方式

方式1：Docker（官方推荐）

官方推荐 Docker，原因：隔离环境、避免系统依赖冲突、数据库管理更简单、升级更方便。

最简单的 Docker 启动命令：

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

访问：http://localhost:5678

带持久化数据的 Docker 命令：

docker volume create n8n_data

docker run -d \
  --name n8n \
  --restart unless-stopped \
  -p 5678:5678 \
  -v n8n_data:/home/node/.n8n \
  -e N8N_ENCRYPTION_KEY=your-encryption-key \
  docker.n8n.io/n8nio/n8n

方式2：Docker Compose（生产环境推荐）

官方仓库 n8n-io/n8n-hosting 提供标准配置，以下为含 PostgreSQL 的推荐生产配置：

项目结构：

n8n-compose/
├── docker-compose.yml
├── .env
└── local-files/      # 用于 n8n 与宿主机共享文件

docker-compose.yml 核心结构（来源：github.com/n8n-io/n8n-hosting）：

version: "3.8"

services:
  postgres:
    image: postgres:16
    restart: always
    environment:
      POSTGRES_USER: ${POSTGRES_USER}
      POSTGRES_PASSWORD: ${POSTGRES_PASSWORD}
      POSTGRES_DB: ${POSTGRES_DB}
    volumes:
      - db_storage:/var/lib/postgresql/data
    healthcheck:
      test: ["CMD-SHELL", "pg_isready -h localhost -U ${POSTGRES_USER} -d ${POSTGRES_DB}"]
      interval: 5s
      timeout: 5s
      retries: 10

  n8n:
    image: docker.n8n.io/n8nio/n8n:${N8N_VERSION}
    restart: unless-stopped
    ports:
      - "5678:5678"
    environment:
      DB_TYPE: postgresdb
      DB_POSTGRESDB_HOST: postgres
      DB_POSTGRESDB_PORT: 5432
      DB_POSTGRESDB_DATABASE: ${POSTGRES_DB}
      DB_POSTGRESDB_USER: ${POSTGRES_USER}
      DB_POSTGRESDB_PASSWORD: ${POSTGRES_PASSWORD}
      N8N_ENCRYPTION_KEY: ${N8N_ENCRYPTION_KEY}
      N8N_HOST: ${N8N_HOST}
      N8N_PORT: 5678
      N8N_PROTOCOL: https
      WEBHOOK_URL: ${WEBHOOK_URL}
      GENERIC_TIMEZONE: Asia/Shanghai
    volumes:
      - n8n_storage:/home/node/.n8n
      - ./local-files:/files
    depends_on:
      postgres:
        condition: service_healthy

volumes:
  db_storage:
  n8n_storage:

对应 .env 文件示例：

N8N_VERSION=latest
POSTGRES_USER=n8n
POSTGRES_PASSWORD=your_strong_password
POSTGRES_DB=n8n
N8N_ENCRYPTION_KEY=your_encryption_key_min_16_chars
N8N_HOST=your-domain.com
WEBHOOK_URL=https://your-domain.com/

启动命令：

docker compose up -d

升级命令：

docker pull docker.n8n.io/n8nio/n8n
docker compose up -d

方式3：npm 安装

系统要求： Node.js 18.x、20.x 或 22.x

# 全局安装
npm install -g n8n

# 启动
n8n start

# 更新
npm update -g n8n
# 或
npm install -g n8n@latest

访问：http://localhost:5678

方式4：n8n Cloud（托管服务）

官网：https://app.n8n.cloud
注册后可免费试用 14 天
无需自己维护服务器

注册步骤：

访问 https://n8n.io/pricing/
点击 "Start free trial"
填写邮箱和密码注册
验证邮箱
开始创建 workflow

重要环境变量参考（来源：docs.n8n.io）

变量名	作用	示例值
`N8N_ENCRYPTION_KEY`	加密数据库中的凭证	随机16位以上字符串
`N8N_HOST`	n8n 实例域名	`n8n.example.com`
`N8N_PORT`	端口号	`5678`
`N8N_PROTOCOL`	协议	`https`
`WEBHOOK_URL`	Webhook 公开 URL	`https://n8n.example.com/`
`GENERIC_TIMEZONE`	时区设置	`Asia/Shanghai`
`DB_TYPE`	数据库类型	`postgresdb` 或 `sqlite`
`N8N_PAYLOAD_SIZE_MAX`	最大 Payload 大小（MB）	`16`（默认）

数据库建议：

本地测试：默认 SQLite，无需配置
生产环境：必须切换到 PostgreSQL

三、核心概念

3.1 Workflow（工作流）

一个 Workflow 是一组相互连接的节点，定义了数据如何在节点之间流动和处理。

关键特性：

每个 workflow 有唯一的 ID
有 Active（激活）和 Inactive（未激活）两种状态
激活后 Trigger 节点开始监听事件
可以手动触发、定时触发或通过事件触发

操作方式：

保存（Ctrl+S）
激活（右上角 toggle 开关）
手动执行（点击 "Execute Workflow"）

3.2 Node（节点）

Node 是 workflow 的基本构建单元，每个 node 执行一个特定操作。

节点类型分类：

类型	说明	例子
Trigger 节点	启动 workflow	Webhook、Schedule、Gmail Trigger
Action 节点	执行操作	发邮件、写数据库、调 API
Core 节点	控制流程	If、Switch、Loop、Merge
AI 节点	AI 相关操作	AI Agent、OpenAI、Claude
Transform 节点	处理数据	Code、Set、Function

节点操作：

按 N 打开节点搜索面板
点击节点间的 + 号添加下一个节点
双击节点打开配置面板
节点右上角有执行状态指示器（绿色=成功，红色=失败）

3.3 Trigger（触发器）

Trigger 是特殊类型的节点，是每个 workflow 的起始点，负责监听事件并启动执行。

常见 Trigger 类型：

Webhook Trigger — 接收 HTTP 请求
- 生成唯一 URL（如 https://your-n8n.com/webhook/abc123）
- 支持 GET、POST、PUT、DELETE 等方法
- 可设置身份验证（Basic Auth、Header Auth、JWT）
Schedule Trigger — 定时执行
- 支持固定间隔（每X分钟/小时/天）
- 支持 Cron 表达式（如 0 9 * * 1-5 = 周一到周五早9点）
- 使用 crontab.guru 可视化生成 cron 表达式
Email Trigger（IMAP） — 收到邮件时触发
Chat Trigger — AI 对话触发（用于 AI Agent）
Manual Trigger — 手动点击执行

Cron 表达式格式（n8n 使用6位，含秒）：

秒 分 时 日 月 星期
0  9  *  *  *   (每天09:00)
0  0  9  *  *  1-5 (周一到周五09:00)
*/5 * * * *     (每5分钟)

3.4 Credential（凭证）

Credential 是 n8n 安全存储第三方服务认证信息的机制。

特点：

加密存储（使用 N8N_ENCRYPTION_KEY 加密）
创建一次，多个 workflow 复用
支持 API Key、OAuth2、基础认证等多种类型

添加 Credential 步骤：

点击节点配置面板中的 "Credential" 下拉框
选择 "Create New Credential"
填写认证信息（如 API Key）
保存后可在所有 workflow 中使用

3.5 Execution（执行）

Execution 是 workflow 运行一次的完整记录。

包含信息：

执行时间和状态（成功/失败/等待中）
每个节点的输入数据和输出数据
错误信息（如有）
执行耗时

查看方式：

左侧菜单 "Executions" 查看历史记录
当前 workflow 界面右上角查看最近执行
点击具体执行可查看每个节点的数据流

3.6 数据结构

n8n 内部数据格式为 JSON 数组，每个 item 代表一条记录：

[
  {
    "json": {
      "name": "张三",
      "email": "zhangsan@example.com",
      "score": 95
    }
  },
  {
    "json": {
      "name": "李四",
      "email": "lisi@example.com",
      "score": 87
    }
  }
]

大多数节点对每个 item 单独处理（"For Each Item" 模式）。

四、5个最常用 Workflow 案例

案例1：自动化邮件处理 + 任务创建

场景： 收到客户邮件 → AI 分析内容 → 在 Notion/Jira 创建任务

节点流程：

Gmail Trigger → OpenAI (分类/摘要) → If (判断优先级) → Notion (创建任务)
                                                       → Slack (高优先级通知)

实现步骤：

添加 Gmail Trigger 节点
- 配置 Gmail OAuth2 凭证
- 设置触发条件：New Email
- 可设置过滤器（只处理某个标签下的邮件）
添加 OpenAI 节点
- 操作：Message a Model
- 模型：gpt-4o
- Prompt：分析以下邮件，输出JSON格式：{category: 类别, priority: 优先级(high/medium/low), summary: 摘要(50字以内)}
- 输入：{{ $json.text }}（邮件正文）

添加 Code 节点（解析 JSON 响应）

const response = JSON.parse($json.choices[0].message.content);
return { json: { ...response, emailId: $("Gmail Trigger").item.json.id } };

添加 If 节点
- 条件：{{ $json.priority }} equals high
True 分支：Notion 节点（创建数据库记录）
同时：Slack 节点（发送高优先级通知）

案例2：表单提交 → CRM 录入 + 自动回复

场景： 网站表单提交 → 存入 HubSpot → 发送欢迎邮件

节点流程：

Webhook → HubSpot (创建/更新 Contact) → Gmail (发送欢迎邮件) → Google Sheets (备份记录)

实现步骤：

Webhook 节点
- HTTP 方法：POST
- 复制 webhook URL 填入网站表单的 action
- 响应模式：设为 "Respond to Webhook"（立即返回200）
HubSpot 节点
- 操作：Create or Update Contact
- Email：{{ $json.body.email }}
- First Name：{{ $json.body.name }}
- 自定义字段可以通过 "Additional Fields" 添加
Gmail 节点
- 操作：Send Email
- To：{{ $json.body.email }}
- Subject：欢迎加入 JR Academy！
- Body：使用 HTML 模板（可用 {{ $json.body.name }} 插入姓名）
Google Sheets 节点
- 操作：Append Row
- 将所有字段追加到备份表格

案例3：定时抓取数据 + 报告生成

场景： 每天早上9点抓取竞品价格/社交媒体数据 → 生成报告 → 发送邮件

节点流程：

Schedule Trigger → HTTP Request (抓取数据) → Code (处理数据) → OpenAI (生成报告) → Gmail (发报告)

实现步骤：

Schedule Trigger 节点
- Trigger Interval：Days
- Days Between Triggers：1
- Trigger at Hour：9am
- Trigger at Minute：0
HTTP Request 节点
- 方法：GET
- URL：目标 API 或网页
- 如需认证：在 Header Parameters 添加 Authorization: Bearer xxx

Code 节点（数据处理）

// 处理所有数据，返回摘要
const items = $input.all();
const data = items.map(item => item.json);

const summary = {
  total: data.length,
  avgPrice: data.reduce((sum, d) => sum + d.price, 0) / data.length,
  date: new Date().toLocaleDateString('zh-CN')
};

return [{ json: summary }];

OpenAI 节点
- 输入摘要数据，生成中文报告
Gmail 节点发送报告

案例4：AI 客服自动回复

场景： Telegram/WhatsApp 消息 → AI 分析 → 自动回复（有历史记忆）

节点流程：

Telegram Trigger → AI Agent [OpenAI + Memory Buffer + Tools] → Telegram (回复)

实现步骤：

Telegram Trigger 节点
- 配置 Bot Token（从 @BotFather 获取）
- 触发：Message
AI Agent 节点（核心）
- Chat Model：连接 OpenAI Chat Model 子节点
- Memory：连接 Window Buffer Memory 子节点（记住最近N条对话）
- System Prompt：定义 AI 角色和回复规范
OpenAI Chat Model 子节点（连接到 AI Agent）
- 选择已有 OpenAI 凭证
- 模型：gpt-4o-mini（成本低，适合客服）
- Temperature：0.7
Window Buffer Memory 子节点
- 设置 Context Window Length（建议 10）
- 自动按 session ID 隔离不同用户的对话历史
Telegram 节点（回复）
- 操作：Send Message
- Chat ID：{{ $("Telegram Trigger").item.json.message.chat.id }}
- Text：{{ $json.output }}（AI 的回答）

案例5：GitHub → Slack 发布通知

场景： GitHub 有新的 PR merged → 发送 Slack 通知

节点流程：

Webhook (GitHub) → If (检查事件类型) → Slack (发送通知)

实现步骤：

Webhook 节点
- 复制 URL，到 GitHub repo → Settings → Webhooks → Add webhook
- Content type：application/json
- 选择触发事件：Pull requests
If 节点
- 条件：{{ $json.body.action }} equals closed
- AND：{{ $json.body.pull_request.merged }} equals true

Slack 节点（True 分支）

操作：Send Message
Channel：#deployments

Message：

:rocket: *PR Merged!*
*{{ $json.body.pull_request.title }}*
作者：{{ $json.body.pull_request.user.login }}
链接：{{ $json.body.pull_request.html_url }}

五、AI Agent 节点详解

5.1 AI Agent 节点架构（来源：docs.n8n.io）

n8n 的 AI 功能基于 LangChain JavaScript 框架构建，包含70+ AI 节点。

AI Agent 工作流的4个必要组件：

Trigger 节点 — 启动执行（Chat Trigger 最常用于 AI Agent）
AI Agent 节点 — 核心编排层，使用 LangChain 推理引擎
Sub-nodes（子节点） — 连接到 AI Agent，提供具体能力：
- Language Model（语言模型）：必需，提供 AI 能力
- Memory（记忆）：可选，保持对话历史
- Tool（工具）：可选，让 AI 可以调用外部服务
Output 节点 — 处理 AI 回应并路由到下游

5.2 接入 OpenAI

步骤1：创建 OpenAI Credential

在 n8n 左侧菜单 → Credentials → Add Credential
搜索 "OpenAI"
填写 API Key（从 platform.openai.com → Settings → API Keys 获取）
保存凭证

注意事项（来源：社区文档）：

API Key 必须包含 sk- 前缀
不要填写到 "Organization ID" 字段
确认 OpenAI 账号有余额（有效的支付方式）
保存后 n8n 会显示绿色验证成功提示

步骤2：添加 OpenAI Chat Model 子节点

在 AI Agent 节点的 "Chat Model" 插槽，点击 +
搜索 "OpenAI Chat Model"
选择之前创建的 OpenAI Credential
配置参数：
- Model：gpt-4o（推荐），gpt-4o-mini（低成本），gpt-4-turbo
- Temperature：0（确定性）到 1（创意性）
- Max Tokens：可选，限制输出长度

5.3 接入 Claude（Anthropic）

步骤1：创建 Anthropic Credential

n8n Credentials → Add Credential → 搜索 "Anthropic"
填写 API Key（从 console.anthropic.com 获取）

步骤2：添加 Anthropic Chat Model 子节点

模型选项：claude-3-5-sonnet-20241022（最新高性能），claude-3-haiku-20240307（最快最省钱）
Claude 特别适合需要处理长文档的场景（200k token 上下文窗口）

Claude 使用 XML 标签组织 prompt 效果最佳：

<instructions>你是一个专业的客服助手</instructions>
<context>{{ $json.companyInfo }}</context>
<user_message>{{ $json.chatInput }}</user_message>

5.4 Memory 节点

Window Buffer Memory（最常用）

保存最近 N 条对话
按 Session ID 自动区分不同用户
配置：Context Window Length（建议 10-20）

其他 Memory 类型：

Redis Chat Memory（持久化，适合生产环境）
Postgres Chat Memory（存入 PostgreSQL）
Zep Memory（向量搜索记忆）

5.5 Tool 节点（给 AI 加"工具"）

Tool 节点让 AI Agent 可以调用外部服务，AI 自主决定何时调用哪个工具。

常用 Tool 节点：

Calculator Tool — 数学计算
HTTP Request Tool — 调用任意 REST API
Wikipedia Tool — 搜索维基百科
Google Calendar Tool — 读写日历
Code Tool — 执行自定义 JavaScript

配置示例：给 AI Agent 添加天气查询工具

在 AI Agent 节点的 "Tools" 插槽点击 +
搜索 "HTTP Request Tool"
配置：
- Tool Name：get_weather（AI 通过这个名字决定调用）
- Description：获取指定城市的天气信息，输入城市名称（很重要！AI 根据描述决定何时用）
- Method：GET
- URL：https://api.weather.com/...

5.6 AI Agent 实战：构建一个能查邮件的 AI 助手

workflow 结构：

Chat Trigger
  └── AI Agent
        ├── [Chat Model] OpenAI gpt-4o
        ├── [Memory] Window Buffer Memory
        └── [Tool] Gmail Tool (读取邮件)
        └── [Tool] Calculator Tool

System Prompt 示例：

你是 JR Academy 的智能助手。你可以：
1. 查询最新邮件并总结
2. 回答关于课程的问题
3. 进行简单计算

请用中文回答，保持简洁专业。

测试方法： 点击 canvas 底部的 "Chat" 按钮，打开测试对话窗口，直接输入问题测试。

六、进阶技巧

6.1 Code 节点

Code 节点允许在 workflow 中执行任意 JavaScript 代码，是 n8n 最灵活的节点。

两种运行模式：

模式1：Run Once for Each Item（默认）

对每个输入 item 独立执行一次代码
用 $json 访问当前 item 的数据
返回 return item 或修改后的数据

// 示例：给每条记录添加全名字段
const item = $json;
item.fullName = `${item.firstName} ${item.lastName}`;
item.processedAt = new Date().toISOString();
return item;

模式2：Run Once for All Items

所有 items 作为数组传入，代码只执行一次
用 $input.all() 获取所有 items
必须返回数组

// 示例：对所有数据进行统计
const items = $input.all();
const data = items.map(item => item.json);

const result = {
  total: data.length,
  sum: data.reduce((acc, d) => acc + (d.amount || 0), 0),
  average: data.reduce((acc, d) => acc + (d.amount || 0), 0) / data.length
};

return [{ json: result }];

表达式语法（在任意节点字段中使用）：

// 引用上一个节点的数据
{{ $json.fieldName }}

// 引用指定节点的数据
{{ $("节点名称").item.json.fieldName }}

// 字符串拼接
{{ "你好，" + $json.name + "！" }}

// 时间格式化
{{ $now.toFormat("yyyy-MM-dd") }}

// 条件表达式
{{ $json.score >= 60 ? "通过" : "未通过" }}

内置变量（来源：docs.n8n.io）：

变量	说明
`$json`	当前 item 的 JSON 数据
`$input.all()`	所有 input items 数组
`$("节点名").item.json`	指定节点的当前 item
`$("节点名").all()`	指定节点的所有 items
`$now`	当前时间（Luxon 对象）
`$env.变量名`	环境变量
`$workflow.id`	当前 workflow ID
`$execution.id`	当前执行 ID

6.2 错误处理

方法1：节点级别的 Continue on Fail

在节点设置中开启 "Continue On Fail"
节点出错时不停止 workflow，继续执行后续节点
通过 Error Output 分支处理错误

方法2：全局 Error Workflow（推荐生产环境）

步骤：

新建一个专用的 Error Handler workflow
第一个节点选择 Error Trigger
在 Error Trigger 后添加通知节点（Slack/邮件等）
可以发送：workflow 名称、错误信息、执行 ID 等

Error Trigger → Slack (发送错误通知)
             → 可选：写入日志到 Google Sheets

在主 workflow 中关联：

workflow 设置 → Error Workflow → 选择错误处理 workflow

Error Trigger 的数据格式：

{
  "workflow": {
    "id": "xxx",
    "name": "我的工作流"
  },
  "execution": {
    "id": "yyy",
    "url": "https://n8n.example.com/execution/yyy"
  },
  "error": {
    "message": "具体错误信息",
    "node": "出错的节点名"
  }
}

方法3：Retry on Fail 设置

在节点设置中开启 "Retry On Fail"
Max Tries：最多重试次数（建议2-3次）
Wait Between Tries（ms）：重试间隔
注意：仅当 "On Error" 设为 "Stop Workflow" 时，Retry 才会生效

6.3 Webhook 配置进阶

Webhook URL 格式：

测试 URL（开发用）：https://your-n8n.com/webhook-test/path
生产 URL（激活后）：https://your-n8n.com/webhook/path

身份验证类型：

None — 无验证（慎用）
Basic Auth — 用户名+密码
Header Auth — 在 Header 中传静态 token（如 X-API-Key: xxx）
JWT Auth — 验证签名的 JWT token

立即响应模式（推荐）：

处理耗时操作时，应立即返回 202 避免超时（n8n Cloud Webhook 超时限制：100秒）：

Webhook → Respond to Webhook (立即返回202) → [继续处理业务逻辑]

配置：

Webhook 节点 → Response Mode：选择 "Using 'Respond to Webhook' Node"
添加 Respond to Webhook 节点
在 Respond to Webhook 节点设置状态码和响应体

IP 白名单：

在 Webhook 节点设置中，可以填写允许的 IP 地址列表
其他 IP 的请求会收到 403 错误

6.4 Schedule Trigger 进阶

常用 Cron 表达式示例：

0 9 * * 1-5     # 周一到周五每天上午9点
0 */2 * * *     # 每2小时
*/15 * * * *    # 每15分钟
0 8 1 * *       # 每月1号上午8点
0 9,18 * * *    # 每天9点和18点

时区注意事项：

n8n 默认使用系统时区
通过 GENERIC_TIMEZONE=Asia/Shanghai 设置为上海时区
也可在每个 workflow 的设置中单独指定时区

6.5 节点之间传递数据的技巧

// 合并多个节点的数据（在 Code 节点中）
const nodeA = $("HTTP Request").all();
const nodeB = $("Google Sheets").all();

const merged = nodeA.map((item, i) => ({
  json: {
    ...item.json,
    ...(nodeB[i] ? nodeB[i].json : {})
  }
}));

return merged;

使用 Merge 节点：

模式1：Merge by Index（按顺序合并）
模式2：Merge by Key（按某个字段匹配合并，类似 SQL JOIN）
模式3：Multiplex（笛卡尔积）

七、与其他工具对比

7.1 总体对比表（来源：多个独立评测，2026年数据）

维度	n8n	Zapier	Make（前 Integromat）
开源	公平代码，可自托管	否，纯 SaaS	否，纯 SaaS
集成数量	~1,000 原生 + 无限 HTTP	8,000+	1,500+
界面	节点式画布，技术感强	线性向导，最易上手	画布式，中等难度
学习曲线	中等偏高（需要技术背景）	低（无需技术）	中等
定价模式	按执行次数（自托管免费）	按 Tasks 数量	按 Operations 数量
免费方案	社区版自托管完全免费	有限免费层（100任务/月）	有限免费层
AI 能力（2026）	最强，70+ AI节点，原生 LangChain	Zapier Agents	Maia AI助手
自托管	支持	不支持	不支持
代码灵活性	Code Node（全功能 JS）	有限的代码步骤	有限的代码步骤
错误处理	完善（Error Workflow）	基础	中等

7.2 定价详细对比（2026年）

n8n Cloud 定价：

计划	价格	执行次数	适用场景
Starter	€24/月	2,500次/月	小团队入门
Pro	€60/月	10,000次/月	成长型团队
Business	€800/月	40,000次/月	大型组织
社区版（自托管）	免费	无限制	技术团队

重要更新（2026年3月）： n8n 移除了所有方案的活跃工作流数量限制，所有计划均支持无限工作流，只按执行次数计费。

Zapier 定价参考（2026年）：

Free：100 Tasks/月
Starter：$19.99/月，750 Tasks
Professional：$49/月，2,000 Tasks
Team：$69/月，2,000 Tasks（多成员）

Make 定价参考（2026年）：

Free：1,000 Operations/月
Core：$9/月，10,000 Operations
Pro：$16/月，10,000 Operations（更多高级功能）

成本比较： n8n 自托管方案在中等到大型业务量下远比 Zapier 便宜。以每月运行 10,000 次执行为例，n8n 自托管仅需 VPS 费用（约 $5-20/月），Zapier 需要 $49+/月。

7.3 如何选择

选 n8n 当：

有一定技术背景（会用命令行、懂 JSON）
需要 AI Agent 深度集成
数据安全/合规要求高（需要自托管）
业务量大，需要控制成本
需要复杂的条件逻辑和自定义代码

选 Zapier 当：

完全非技术背景
需要连接冷门 SaaS 工具（Zapier 8000+ 集成覆盖最广）
团队成员不想碰任何技术
快速验证想法，不在乎成本

选 Make 当：

介于两者之间：想要可视化，又不满足于 Zapier 的简单
预算有限但不想自托管
欧洲团队（Make 是欧洲公司，GDPR 合规更好）

八、MCP / Claude 集成

8.1 n8n 原生 MCP 支持（官方）

n8n 官方提供了 MCP Server 功能，允许 AI 工具直接通过 MCP 协议与 n8n 通信。

官方文档地址： https://docs.n8n.io/advanced-ai/accessing-n8n-mcp-server/

该功能让 Claude Desktop、Claude Code、Cursor 等支持 MCP 的 AI 工具可以：

直接创建和编辑 n8n workflow
触发 workflow 执行并查看结果
查看执行历史和调试错误

8.2 n8n-MCP 开源项目（社区）

GitHub 地址： https://github.com/czlonkowski/n8n-mcp

这是一个第三方 MCP 服务器，作为 n8n 和 AI 助手之间的桥梁，提供：

1,396 个 n8n 节点的完整文档（812 核心 + 584 社区）
2,709 个 workflow 模板，100% 元数据覆盖
节点属性和操作的详细 schema

安装方式1：npx（最快）

# 前提：已安装 Node.js
npx n8n-mcp

在 Claude Desktop 中配置（macOS）： 编辑 ~/Library/Application Support/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "n8n-mcp": {
      "command": "npx",
      "args": ["n8n-mcp"],
      "env": {
        "MCP_MODE": "stdio",
        "LOG_LEVEL": "error",
        "DISABLE_CONSOLE_OUTPUT": "true"
      }
    }
  }
}

注意： MCP_MODE: "stdio" 是必需的，缺少会导致 JSON 解析错误。

安装方式2：Docker

docker pull ghcr.io/czlonkowski/n8n-mcp:latest

Claude Desktop Docker 配置：

{
  "mcpServers": {
    "n8n-mcp": {
      "command": "docker",
      "args": [
        "run", "-i", "--rm", "--init",
        "-e", "MCP_MODE=stdio",
        "-e", "LOG_LEVEL=error",
        "-e", "DISABLE_CONSOLE_OUTPUT=true",
        "ghcr.io/czlonkowski/n8n-mcp:latest"
      ]
    }
  }
}

连接本地 n8n 实例（可让 AI 直接操作 workflow）： 在 env 中添加：

"env": {
  "MCP_MODE": "stdio",
  "N8N_API_URL": "http://localhost:5678",
  "N8N_API_KEY": "从n8n设置中获取的API密钥"
}

本地 Docker 中的 n8n 用：http://host.docker.internal:5678

安装方式3：托管服务（dashboard.n8n-mcp.com）

无需安装，直接访问
免费层：每天 100 次工具调用
始终保持最新节点库

禁用遥测：

npx n8n-mcp telemetry disable

8.3 用 Claude Code + n8n-MCP 的工作流程

启动 Claude Code，确保 n8n-MCP 已配置

用自然语言描述需要的 workflow：

帮我创建一个 n8n workflow：
每天早上9点运行，从 RSS feed 抓取最新文章，
用 AI 摘要每篇文章，发送到 Slack #daily-news 频道

Claude Code 通过 n8n-MCP 工具：
- 查询相关节点文档
- 生成 workflow JSON
- 可直接导入到 n8n 实例

安全警告（来源：n8n-MCP README）：

永远不要用 AI 工具直接编辑生产环境的 workflow！始终先在测试环境验证，确认无误后再部署到生产。

8.4 n8n 与 Claude 直接集成（通过 API 节点）

无需 MCP，n8n 也可以通过 HTTP Request 节点直接调用 Claude API：

HTTP Request 节点配置：

方法：POST
URL：https://api.anthropic.com/v1/messages
Headers：
- x-api-key：你的 Anthropic API Key
- anthropic-version：2023-06-01
- content-type：application/json

Body（JSON）：

{
  "model": "claude-3-5-sonnet-20241022",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "{{ $json.userMessage }}"
    }
  ]
}

或者使用 n8n 原生 Anthropic 节点：

节点搜索中找 "Anthropic"
支持：Message Claude、Analyze Document 等操作
直接填写 API Key 即可，无需手动配置 HTTP headers

九、学习路径建议

新手路线（0 → 能独立搭建 workflow）

第1天 — 安装 n8n（推荐 npm 本地安装）+ 熟悉界面
第2-3天 — 跟着官方 "Build your first workflow" 教程（docs.n8n.io/try-it-out/）
第1周 — 完成案例1-3（邮件处理、表单录入、定时任务）
第2周 — 学习 AI Agent 节点，完成案例4（AI 客服）
第3周 — Code 节点、错误处理、Webhook 进阶
第4周 — 部署到 VPS（Docker Compose），连接生产数据库

十、关键数据汇总（用于书中引用）

数据点	数据	来源
社区 workflow 模板数量	9,000+	n8n.io/workflows 2026年4月
原生集成数量	~1,000	官方文档
Zapier 集成数量	8,000+	Zapier 官网
Make 集成数量	1,500+	Make 官网
n8n AI 节点数量	70+	官方文档
n8n-MCP 节点覆盖	1,396	github.com/czlonkowski/n8n-mcp
n8n-MCP Workflow 模板	2,709	同上
n8n Cloud Starter 价格	€24/月	n8n.io/pricing 2026年
n8n Cloud Pro 价格	€60/月	n8n.io/pricing 2026年
n8n Cloud Business 价格	€800/月	n8n.io/pricing 2026年
Webhook 超时限制（Cloud）	100秒	官方文档
最大 Payload 大小	16MB（可改）	官方文档
支持的 Node.js 版本	18.x, 20.x, 22.x	npm 安装文档
推荐生产数据库	PostgreSQL	官方文档

十一、注意事项与常见误区

n8n 没有官方中文版 — 社区有汉化版但非官方支持，建议用英文版
执行次数计算 — n8n Cloud 按"workflow 执行次数"计费，不是按节点步骤，与 Zapier 的 Tasks 概念不同
Webhook 测试 URL vs 生产 URL — 开发时用 Test URL，发布激活后才能用 Production URL
Code 节点版本 — n8n 使用 Node.js，代码在沙盒中执行，不能访问文件系统，不能使用需要安装的 npm 包（除非自托管并配置）
Credential 加密 — 一定要设置 N8N_ENCRYPTION_KEY，丢失后所有凭证都无法解密
AI Agent 的 Human-in-the-Loop — n8n 支持在 AI workflow 的任意节点插入人工审批节点（Wait 节点 + 审批通知），避免 AI 出错
生产环境 SQLite 的风险 — SQLite 不支持并发，高并发场景会导致数据丢失，必须用 PostgreSQL

作者

一键分享或复制链接

n8n 自动化工作流实战指南 — undefined

n8n 深度研究笔记（电子书素材）

一、n8n 是什么

核心定位

许可证说明

市场地位（2026年数据）

二、安装方式

方式1：Docker（官方推荐）

方式2：Docker Compose（生产环境推荐）

方式3：npm 安装

方式4：n8n Cloud（托管服务）

重要环境变量参考（来源：docs.n8n.io）

三、核心概念

3.1 Workflow（工作流）

3.2 Node（节点）

3.3 Trigger（触发器）

3.4 Credential（凭证）

3.5 Execution（执行）

3.6 数据结构

四、5个最常用 Workflow 案例

案例1：自动化邮件处理 + 任务创建

案例2：表单提交 → CRM 录入 + 自动回复

案例3：定时抓取数据 + 报告生成

案例4：AI 客服自动回复

案例5：GitHub → Slack 发布通知

五、AI Agent 节点详解

5.1 AI Agent 节点架构（来源：docs.n8n.io）

5.2 接入 OpenAI

5.3 接入 Claude（Anthropic）

5.4 Memory 节点

5.5 Tool 节点（给 AI 加"工具"）

5.6 AI Agent 实战：构建一个能查邮件的 AI 助手

六、进阶技巧

6.1 Code 节点

6.2 错误处理

6.3 Webhook 配置进阶

6.4 Schedule Trigger 进阶

6.5 节点之间传递数据的技巧

七、与其他工具对比

7.1 总体对比表（来源：多个独立评测，2026年数据）

7.2 定价详细对比（2026年）

7.3 如何选择

八、MCP / Claude 集成

8.1 n8n 原生 MCP 支持（官方）

8.2 n8n-MCP 开源项目（社区）

8.3 用 Claude Code + n8n-MCP 的工作流程

8.4 n8n 与 Claude 直接集成（通过 API 节点）

九、学习路径建议

新手路线（0 → 能独立搭建 workflow）

推荐学习资源

十、关键数据汇总（用于书中引用）

十一、注意事项与常见误区

相关文章推荐

最近关心AI Engineer的，真的要盯住澳洲🆓AI大会

悉大COMP5318学什么？一篇理清核心知识点

🇦🇺好消息！悉大留子可以🆓试用GPTEdu

所有澳留快查❗你的学费也能退税！

Claude直接送开发者6个月Max额度❗

OpenAI开发者大会❗人在澳洲也能看