n8n 完全教程：开源工作流自动化平台实战指南

2026-06-18 · AI工作流自动化

n8n 完全教程：开源工作流自动化平台实战指南

工具类别：AI / 工作流自动化 / 低代码

官方地址：https://n8n.io

开源仓库：https://github.com/n8n-io/n8n

许可协议：Sustainable Use License（社区版免费，可自托管）

当前稳定版：2.23.x（2026 年 6 月）

一、n8n 是什么？为什么你需要它？

n8n（读作 "n-eight-n"）是一款 公平代码（fair-code） 的可视化工作流自动化平台。它的核心定位是：把"代码的灵活性"和"无代码工具的速度"结合起来——你既可以像在 Zapier 那样拖拽节点，又可以在任意节点里插入 JavaScript/Python 写自定义逻辑。

2026 年 5 月，n8n 在 GitHub 上突破了 17.9 万 Star，在 JavaScript Rising Stars 2025 评选中拿下自动化品类第一名，超过 Make、Zapier、Activepieces 等同类工具。与传统 SaaS 自动化平台相比，n8n 有三个杀手锏：

完全自托管：可以跑在你自己的服务器、NAS、甚至树莓派上，数据不出门。
AI 原生：内置 AI Agent、LangChain 节点、向量数据库、MCP 客户端/服务端，能直接拼装 RAG、Agent、Chatbot 工作流。
400+ 集成 + 任意 HTTP 节点：覆盖 Slack、Notion、GitHub、飞书、钉钉、企业微信等主流 SaaS，没集成的也能用 HTTP Request 节点搞定。

一句话总结：如果你的工作里有"重复搬运数据"的环节，n8n 几乎一定能替你完成。

二、安装步骤（全平台）

n8n 的部署方式非常灵活，下面按从易到难的顺序列出四种主流方案。

2.1 一键 npm 启动（适合本地试玩）

前提：Node.js ≥ 20。


npm install -g n8n
n8n start

启动后访问 http://localhost:5678，首次进入会引导你创建 owner 账户。

2.2 Docker Compose（推荐生产/家庭服务器部署）

创建目录 n8n-deploy 并新建 docker-compose.yml：


version: "3.8"

services:
  n8n:
    image: docker.n8n.io/n8nio/n8n
    container_name: n8n
    restart: unless-stopped
    ports:
      - "5678:5678"
    environment:
      - N8N_HOST=localhost
      - N8N_PORT=5678
      - N8N_PROTOCOL=http
      - WEBHOOK_URL=http://localhost:5678/
      - GENERIC_TIMEZONE=Asia/Shanghai
      - N8N_SECURE_COOKIE=false
    volumes:
      - n8n_data:/home/node/.n8n

volumes:
  n8n_data:

启动：


docker compose up -d
docker compose logs -f n8n   # 查看启动日志

2.3 启用 PostgreSQL（生产建议）

SQLite 在并发写入时会"database is locked"，生产环境强烈建议切换 PostgreSQL。修改 compose：


services:
  postgres:
    image: postgres:16
    restart: unless-stopped
    environment:
      POSTGRES_USER: n8n
      POSTGRES_PASSWORD: n8npass
      POSTGRES_DB: n8n
    volumes:
      - pg_data:/var/lib/postgresql/data

  n8n:
    image: docker.n8n.io/n8nio/n8n
    restart: unless-stopped
    ports:
      - "5678:5678"
    environment:
      - DB_TYPE=postgresdb
      - DB_POSTGRESDB_HOST=postgres
      - DB_POSTGRESDB_PORT=5432
      - DB_POSTGRESDB_DATABASE=n8n
      - DB_POSTGRESDB_USER=n8n
      - DB_POSTGRESDB_PASSWORD=n8npass
    depends_on:
      - postgres
    volumes:
      - n8n_data:/home/node/.n8n

volumes:
  pg_data:
  n8n_data:

2.4 n8n Cloud（不想运维）

如果不想自己部署，官方提供托管版 https://app.n8n.cloud，注册即可用，免费档每月 1000 次执行。

三、基础使用：30 分钟跑通第一个工作流

3.1 编辑器界面

打开 http://localhost:5678，主界面分为四块：

左侧节点面板：搜索 400+ 集成节点；
中间画布：拖拽节点、连线构成工作流；
右侧节点参数面板：配置单个节点的输入/输出、凭证；
顶部工具栏：运行、保存、激活、复制为模板。

3.2 三步搭建"RSS → 飞书机器人"工作流

场景：每天早上 9 点把 AI 相关 RSS 的最新 5 条推送到飞书群。

第 1 步：添加触发器

节点：Schedule Trigger，设置为 0 9 * * *（每天 9:00）。
描述：定时器节点，是 n8n 最常用的入口。

第 2 步：抓取 RSS

节点：RSS Feed Read，URL 填 https://hnrss.org/newest?q=AI。
测试：点 "Execute Node" 应能看到 25 条左右的文章列表。

第 3 步：截取前 5 条 + 推飞书

节点：Limit，设 N=5。
节点：HTTP Request，方法 POST，URL 填飞书机器人 webhook，例如：


  https://open.feishu.cn/open-apis/bot/v2/hook/<your_token>

Body 用 JSON：


  {
    "msg_type": "interactive",
    "card": {
      "header": {"title": {"tag": "plain_text", "content": "今日 AI 速递"}},
      "elements": [{"tag": "markdown", "content": "{{ $json.title }}\n{{ $json.link }}"}]
    }
  }

切到 Active 开关，工作流即开始按计划执行。

截图描述：在画布上可看到 4 个节点（Schedule → RSS Read → Limit → HTTP Request）通过箭头串联，整体呈"线性"布局。右侧面板展示了飞书机器人的 JSON Body 编辑器。

四、实战案例：搭建一个本地知识库问答机器人

这一节是 n8n 的"杀手级"用法——结合 LangChain 节点和向量数据库，做一个能"翻自己笔记" 的 RAG 机器人。

4.1 整体架构


Chat Trigger (Web 聊天窗口)
  → AI Agent (ReAct)
      ├─ OpenAI Chat Model (gpt-4o-mini)
      ├─ Simple Memory (保留最近 10 轮对话)
      └─ Vector Store Tool (PGVector)
              └─ Embeddings: text-embedding-3-small

4.2 准备数据源

在 n8n 左侧菜单搜 Default Data Loader 节点，加载你本地的 Markdown/PDF 文件夹；
接 Recursive Character Text Splitter，chunk size=1000，overlap=200；
接 Embeddings OpenAI 节点；
接 PGVector 节点，operation 选 Insert Documents；
执行一次，把数据灌入向量库。

4.3 搭问答工作流

Chat Trigger：开启 "Make Chat Publicly Available"，获得一个聊天 URL；
AI Agent：Agent 类型选 Tools Agent；
接 OpenAI Chat Model：填 API Key、Model = gpt-4o-mini；
接 Simple Memory：sessionId 用 $json.sessionId 表达式；
接 Vector Store Question Answer Tool：向量库选刚才的 PGVector 索引；
激活。

现在打开 Chat Trigger 提供的链接，就能跟机器人对话——它会先到向量库里查资料，再让 LLM 总结回答。整套链路无任何第三方 SaaS 中转，数据完全本地。

五、常见问题与解决方案

Q1：浏览器一直转圈，提示 "Loading editor..." 怎么办？

通常是 WebSocket 端口没打通。在 compose 里把 5678:5678 改成主机的全部端口暴露，或者在反代里加上 Upgrade / Connection: upgrade 头。

Q2：执行报错 "SQLITE_BUSY: database is locked"

并发高时 SQLite 的写锁是致命的。两种方案：

短期缓解：把 EXECUTIONS_DATA_PRUNE=true 打开，定期清理历史执行；
长期方案：迁移到 PostgreSQL（见 §2.3）。

Q3：Webhook 触发不到，URL 返回 404

n8n 有两种 URL：测试 URL（仅当前 session 有效）和生产 URL（工作流激活后才生效）。在节点里点 "Production URL" 复制即可。

Q4：AI Agent 回答不引用文档，老是"幻觉"

检查 Vector Store Question Answer Tool 节点，确认 Top K ≥ 3，并启用 Reranker（Cohere Reranker 节点）；同时把 System Prompt 改成："仅根据以下上下文回答，引用不出的内容直接说不知道。"

Q5：如何让 n8n 跑在群晖/绿联 NAS 上？

群晖：套件中心有第三方 n8n 套件（SynoCommunity 维护），也可手动 Container Manager 部署；
绿联/极空间：用 Docker Compose 模式挂载 /volume1/docker/n8n 数据卷；
内存建议 ≥ 2GB，否则 Embedding 大文件会 OOM。

Q6：执行次数太多被限流

n8n 默认对每个工作流 1 秒最多 1 次触发。如果遇到 429：

在 Settings → Workflow Execution 调高队列并发；
或使用 Queue Mode + Redis 多 worker（见官方文档 Scaling 章节）。

Q7：如何把 n8n 接到飞书/钉钉机器人？

飞书：直接用 HTTP Request 节点调用 /bot/v2/hook/；
钉钉：自定义机器人 webhook 同样 HTTP POST；
企业微信：用 HTTP Request 调 /cgi-bin/message/send，需要 access_token（可加一个 HTTP 节点定时刷新）。

六、总结与资源链接

n8n 是 2026 年最值得关注的开源自动化平台之一：它既是 Zapier 的开源替代，又把 AI Agent、向量库、MCP 协议全做进了一个画布。对于想要"数据本地化 + 工作流可视化 + AI 工程化"的个人和小团队，n8n 几乎是当下的最优解。

推荐学习路径

官方 Level 1 课程（https://docs.n8n.io/courses/level-one/）：覆盖编辑器基础 + 第一个真实工作流；
Advanced AI 文档：https://docs.n8n.io/advanced-ai/；
社区论坛：https://community.n8n.io，问题响应极快；
模板市场：https://n8n.io/workflows，4000+ 现成工作流直接 import 即可用。

关键链接

官网：https://n8n.io
GitHub：https://github.com/n8n-io/n8n
文档：https://docs.n8n.io
中文社区：https://n8n.ac.cn
自托管 AI Starter Kit：https://github.com/n8n-io/self-hosted-ai-starter-kit

本篇写于 2026-06-18，如需最新版细节请以官方文档为准。

相关工具: n8n 完全教程：开源工作流自动化平台实战指南 — n8n 是一个 fair-code 可视化工作流自动化平台。GitHub 17.9 万 Star，内置 AI Agent、LangChain、400+ 集成，让…

← 返回教程列表