n8n 入门笔记：零代码构建AI自动化工作流
在当今快节奏的技术环境中，重复性任务、数据处理、信息采集等工作占据了工程师大量的时间。随着人工智能（AI）和自动化工具的发展，我们不再需要手动完成这些繁琐操作。n8n 就是这样一个强大的开源自动化工具，它可以帮助开发者甚至非技术人员通过可视化拖拽的方式，将不同的服务、API 和 AI 模型编排成高效的工作流（Workflow），从而实现“自动化一切”。
一、什么是 n8n？
n8n（读作 "n-to-n"，意为“节点到节点”）是一个基于节点的开源工作流自动化工具。它允许用户通过图形化界面连接不同的应用和服务（如 HTTP 请求、数据库、邮件、AI 模型等），无需编写大量代码即可实现复杂逻辑的自动化。
其核心优势包括：
- 可视化操作：拖拽式界面，无需编程基础也能上手。
- 高度可扩展：支持自定义节点，集成数百种服务。
- 本地运行：数据完全掌握在自己手中，安全可控。
- 支持 AI 集成：可轻松接入 LLM（大语言模型）如 Kimi、ChatGPT 等，打造智能工作流。
二、为什么使用 n8n？—— 解放生产力的利器
想象以下场景：
- 每天要查看 Boss 直聘上的前端岗位，筛选出心仪公司并投递简历；
- 图书馆每周抢座需要定时操作；
- 收集多个电商平台的商品价格进行比对分析。
这些任务都具有重复性高、规则明确的特点，非常适合用自动化工具解决。传统方式是写爬虫脚本或定时任务，但维护成本高、门槛高。而使用 n8n，你可以通过几个简单的节点组合，几分钟内搭建一个全自动运行的工作流。
更重要的是，结合大模型（LLM），n8n 不仅能“执行”，还能“思考”——比如自动分析招聘信息、生成个性化简历、总结数据趋势等。
三、环境配置与安装
1. 前置条件
确保系统已安装 Node.js（建议 v16+）和 npm：
node -v
npm -v
2. 全局安装 n8n
npm install -g n8n
3. 启动 n8n
npx n8n
启动后访问：http://localhost:5678 即可进入 Web 界面注册并登录。
⚠️ 若安装失败，推荐使用 Docker 方式 避免环境问题：
# 创建持久化存储卷（防止数据丢失）
docker volume create n8n_data
# 启动容器
docker run -it --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n n8nio/n8n
Docker 安装的优势在于一键部署、依赖隔离、跨平台兼容性强。
四、实战案例：构建 PhoneDataView 数据处理工作流
下面我们以一个真实场景为例：从 API 获取手机产品数据，并清洗、汇总后发送邮件。
步骤 1：添加 Trigger 节点（触发器）
选择“Manual Trigger”（手动触发）或“Schedule Trigger”（定时触发）。
例如设置每天上午 9:00 自动执行一次数据抓取任务。
步骤 2：添加 HTTP Request 节点（请求数据）
- 节点名称：
RequestPhoneData - 方法：GET
- URL：
https://api.restful-api.dev/objects
该接口返回一个 JSON 数组，包含多款手机设备信息，如 iPhone、Pixel、Samsung 等。
步骤 3：添加 Edit Fields 节点（字段处理）
原始数据结构可能不统一，比如有的设备有 price 字段，有的嵌套在 data 中。
使用 Edit Fields 节点可以重命名、提取、标准化字段，例如：
- 提取
data.price到根级price - 统一
capacity单位为 GB - 添加默认值处理缺失字段
步骤 4：添加 Filter 节点（过滤无效数据）
- 节点名称：
FilterEmptyPrice - 条件：
price不为空
过滤掉没有价格信息的设备，确保后续统计准确性。
步骤 5：添加 Summarize 节点（数据汇总）
- 节点名称：
SummarizePhoneData - 功能：计算平均价格、最高价、最低价、品牌数量等
输出结果如：
共获取 8 款手机，平均售价 ¥2150，最贵为 iPhone 12 Pro Max (¥1849.99)
步骤 6：输出结果（两种方式）
(1) 使用 View 节点查看数据
- 节点名称：
ViewPhoneData - 实时调试用，方便开发阶段查看中间结果
(2) 使用 Send Email 节点发送报告
- 配置 SMTP 邮件服务（如 QQ 邮箱、Gmail）
- 收件人填写你的邮箱
- 内容模板：HTML 或纯文本，插入汇总数据
每天早晨你都会收到一份最新的手机价格简报！
✅ 小技巧：可将此工作流设为每周一自动运行，用于市场调研或采购参考。
五、进阶应用：构建 AI 聊天机器人 Chatbot
n8n 不仅能处理数据，还能与 AI 模型结合，打造智能助手。
步骤 1：添加 Chat Trigger 节点
- 节点名称：
Chatbot - 提供前端聊天窗口或 Webhook 接口，接收用户输入
步骤 2：添加 AI Node 节点（调用大模型）
-
节点名称：
KimiChat -
配置参数：
- 模型提供商：OpenAI 兼容接口
- API Key：
sk-AzRONZTayE3v2AF8y9EbkIyktsie4B0bOiTDeZZSDT6CAG8b - Base URL：
https://api.openai.com/v1 - Model：
kimi-k2-0905-preview - Prompt：
You are a Chinese assistant. No matter what language you receive, always respond in Chinese.
这样，无论用户输入英文还是其他语言，机器人都会用中文回复。
应用场景举例：
- 用户问：“有哪些价格低于 1000 元的手机？”
- 工作流自动查询数据库或 API，筛选符合条件的设备并返回列表。
- 用户问：“帮我写一封求职信，应聘前端岗位。”
- AI 节点根据预设模板 + 用户简历信息，生成定制化邮件内容。
六、n8n 的核心理念：每个人都是 Workflow 设计师
在未来的工作模式中，写代码只是能力的一部分，更重要的是：
- 理解业务流程
- 拆解任务逻辑
- 设计自动化路径
- 监督与优化 AI 行为
n8n 正是这样一个桥梁，让普通人也能成为“自动化工程师”。每一个工作流，本质上就是一个 AI Agent（智能代理） ，它能听懂指令、获取信息、做出判断、执行动作。
例如：
- 一个“求职助手 Agent”：每天扫描招聘网站 → 筛选匹配岗位 → 自动生成简历 → 投递 + 记录日志
- 一个“学习监督 Agent”：每周抓取 MOOC 新课 → 分析课程内容 → 推送推荐列表给你
七、如何成为 AI+ 时代的工程师？
1. 掌握主流大模型及其应用场景
了解不同 LLM 的特点：
- Kimi：超长上下文，适合文档总结
- GPT-4：通用能力强，适合创作与推理
- 通义千问 / 文心一言：中文理解优秀，适合本地化项目
2. 明确 AI 擅长的任务类型
将适合的任务交给 AI 工作流处理：
| 任务类型 | 是否适合 AI |
|---|---|
| 文本生成 | ✅ 高效 |
| 文本分类 | ✅ 准确 |
| 文本摘要 | ✅ 强项 |
| 代码生成 | ✅ 成熟 |
| 数据清洗 | ✅ 可视化节点即可 |
| 决策判断 | ⚠️ 需人工审核 |
3. 熟练使用 n8n 等低代码平台
- 学会使用内置节点：HTTP、Function、Database、Email、Webhook 等
- 掌握流程控制：条件分支、循环、错误处理
- 学会调试：查看节点输入输出、日志追踪
4. 结合编程能力定制化开发
虽然 n8n 支持零代码，但高级需求仍需 JS/Python 支持：
- 在 Function Node 中编写 JavaScript 处理复杂逻辑
- 使用 Python 脚本调用外部库进行图像识别、自然语言处理等
例如：
// Function Node 示例：计算折扣价
items = items.map(item => {
item.discountPrice = item.price * 0.8;
return item;
});
return items;
八、结语：迎接自动化新时代
n8n 不只是一个工具，更是一种思维方式的转变。它让我们从“亲力亲为”转变为“指挥调度”，从“重复劳动”升级为“策略设计”。
在未来，不会使用 AI 工作流的人，可能会被会使用的人淘汰。就像当年 Excel 改变了财务工作一样，n8n 正在重塑软件开发、运营、产品等多个岗位的工作方式。
🌟 记住：你不一定要会写所有代码，但你必须会设计工作流。
现在就开始动手吧！打开 http://localhost:5678，创建你的第一个自动化工作流，让 AI 成为你最得力的助手。
参考资料：
- n8n 官方文档：n8n.io/docs/
- Kimi 平台：platform.moonshot.cn/console/acc…
- Docker 安装指南：docs.docker.com/get-docker/
本文约 2000 字，完整覆盖 n8n 入门知识体系，适合作为初学者学习笔记或团队内部培训材料。