n8n入门笔记：构建自动化工作流，迎接AI时代
引言
在数字化时代，我们每天都会面对大量的重复性任务，从图书馆预约、简历投递到监控招聘信息等。这些任务不仅耗时，而且容易因重复操作导致错误。n8n（一个开源的自动化工具）的出现，为我们提供了解决这些问题的有效途径。n8n通过可视化的方式，让我们能够设计复杂的工作流，将多个任务节点连接起来，实现自动化处理。无论是数据抓取、转换，还是与AI大模型（LLM）集成，n8n都能让这一切变得简单。
本笔记将带你从零开始了解n8n，包括其核心概念、安装方法、工作流构建步骤，以及如何将AI融入自动化流程。我们还将探讨n8n在未来的发展趋势，以及如何利用它来提升个人和团队的工作效率。
1. n8n概述
1.1 什么是n8n？
n8n是一个基于Node.js的开源工作流自动化工具。它的名字来源于“nodemation”（节点自动化），其核心思想是通过节点（Node）来构建工作流。每个节点代表一个特定的功能，例如触发事件、执行HTTP请求、处理数据等。用户可以通过拖拽这些节点并连接它们来创建自动化流程。
1.2 为什么选择n8n？
- 开源和可自托管：n8n提供开源版本，可以自行部署到私有服务器，保证数据安全。
- 强大的集成能力：n8n支持数百种内置节点，涵盖常见应用和服务（如HTTP、Email、Slack、GitHub等），同时允许自定义节点。
- 灵活性：支持复杂逻辑，如条件分支、循环、错误处理等，可以构建非常复杂的工作流。
- 低代码/零代码：通过可视化界面，非开发人员也能轻松构建自动化流程，同时开发人员可以通过编写JavaScript代码来扩展功能。
1.3 n8n与传统编程的对比
传统上，我们通过编写脚本（如Python、JavaScript）来实现自动化。虽然灵活，但开发、测试和维护成本较高。n8n将自动化过程可视化，降低了技术门槛，让业务人员也能参与构建自动化流程。同时，它并不排斥代码，在需要的时候仍然可以插入自定义代码，兼顾了易用性和灵活性。
2. 安装n8n
n8n的安装非常简单，主要有以下几种方式：
2.1 使用npm安装
如果你已经安装了Node.js（版本>=20），可以使用npm全局安装n8n：
bash
npm install n8n -g
安装完成后，运行以下命令启动n8n：
bash
n8n start
然后在浏览器中打开 http://localhost:5678 即可访问n8n的Web界面。
2.2 使用Docker安装
如果你更倾向于使用Docker，可以运行以下命令：
bash
docker run -it --rm --name n8n -p 5678:5678 -v ~/.n8n:/home/node/.n8n n8nio/n8n
同样，通过 http://localhost:5678 访问。
2.3 其他安装方式
n8n还支持通过Docker Compose、Kubernetes等方式部署，具体可参考官方文档。
3. 核心概念
在开始构建工作流之前，我们需要了解几个核心概念：
- 工作流（Workflow） ：由多个节点组成的自动化流程。
- 节点（Node） ：工作流中的基本单元，每个节点执行一个特定任务。节点有输入和输出，节点之间通过连接线传递数据。
- 触发器（Trigger） ：工作流的起点，例如定时触发器、Webhook触发器。
- 操作（Action） ：在触发之后执行的具体操作，如HTTP请求、数据转换等。
4. 构建第一个工作流：招聘信息监控与推送
我们将构建一个自动化工作流，实现以下功能：定时从Boss直聘获取招聘信息，清洗数据，过滤出符合条件的岗位，并通过短信发送到手机。
4.1 添加触发器节点
首先，我们需要一个触发器来启动工作流。这里我们使用Cron节点来定时触发。
- 在n8n编辑器中，点击“添加节点”按钮。
- 搜索“Cron”并选择它。
- 配置Cron表达式，例如每天上午8点执行：
0 8 * * *。
4.2 添加HTTP节点获取数据
接下来，我们添加一个HTTP节点来请求Boss直聘的API或网页。
- 添加HTTP节点，并将其连接到Cron节点。
- 在HTTP节点中配置URL（例如Boss直聘的API端点）和请求方法（GET）。
- 如果需要，可以设置查询参数、头部等。
注意：由于Boss直聘可能有反爬机制，实际应用中可能需要使用模拟浏览器或使用官方API（如果有的话）。这里我们假设有一个可用的API。
4.3 数据对齐与清洗
从API获取的数据可能不符合我们的需求，比如字段名不统一、缺少字段等。我们使用“Edit Fields”节点来调整数据。
- 添加“Edit Fields”节点（在n8n中可能是“Set”节点或“Edit Fields”节点）。
- 映射字段，例如将
jobTitle映射为title，company映射为companyName，salary映射为salary等。
然后，我们进行数据清理，例如去除salary为空的岗位。
- 添加“Filter”节点。
- 设置条件：只保留
salary不为空的岗位。
4.4 集成LLM进行智能处理
现在，我们引入AI大模型（如OpenAI GPT）来对岗位进行智能分析。例如，让AI判断岗位是否与前端、后端或AI相关，并提取关键要求。
- 添加“OpenAI”节点（需要先安装n8n的OpenAI节点，或者使用HTTP节点调用OpenAI API）。
- 配置API密钥和模型参数。
- 设计Prompt，让AI对每个岗位进行判断和摘要。
例如，Prompt可以是：
text
请分析以下招聘岗位，判断其是否与前端、后端或AI相关，并提取关键要求。岗位信息：{{ $json.title }}，{{ $json.description }}。
4.5 推送结果
最后，我们将处理后的岗位信息通过短信发送到手机。
- 添加“Twilio SMS”节点（需要Twilio账户）。
- 配置Twilio的账户SID、认证令牌、发送号码和接收号码。
- 将AI处理后的信息作为短信内容。
4.6 测试与激活
完成以上步骤后，点击“执行工作流”进行测试。如果一切正常，就可以激活工作流，使其按计划运行。
5. 更多应用场景
n8n的应用场景非常广泛，以下是一些例子：
- 图书馆预约：定时检查图书馆座位资源，并在有空位时自动预约。
- 简历投递：监控Top 100公司的招聘信息，自动投递匹配的简历。
- 数据备份：定期将数据从一台服务器备份到另一台服务器。
- 社交媒体管理：自动发布内容到多个社交平台。
6. 未来工作：AI与自动化
随着AI技术的发展，我们可以将大模型（LLM）嵌入到n8n工作流中，使自动化流程更加智能。
- AI作为伙伴：AI可以理解自然语言指令，自主完成复杂任务。
- 工作流即AI Agent：每个工作流都可以看作一个AI Agent，它能够根据环境输入自动执行一系列动作。
- 人类角色的转变：从执行重复任务转变为设计、监督和优化工作流。
7. 如何成为AI时代的工程师？
- 掌握LLM：了解LLM的原理、应用场景和局限性。
- 识别自动化机会：将重复性、规则性的工作交给AI工作流。
- 熟练使用n8n等工具：学会构建、调试和优化工作流。
- 编码与可视化结合：在需要时使用JavaScript或Python编写自定义节点，扩展n8n功能。
8. 总结
n8n是一个强大的自动化工具，它通过可视化方式降低了自动化门槛，让非开发人员也能构建复杂的工作流。结合AI技术，n8n可以成为我们工作中的智能助手，处理重复任务，提高效率。
