n8n是一款强大的开源自动化工作流平台，让你无需编写代码就能连接数百个应用和服务，实现复杂业务流程的自动化。本文是一份完整的n8n使用教程，涵盖从部署安装、核心概念理解、首个工作流搭建，到AI Agent集成、智能测试用例生成、企业级RAG知识库构建等进阶技巧。无论你是想自动化日常办公任务，还是构建AI驱动的智能工作流，都能通过本文快速上手n8n，并掌握提升自动化效率的关键方法。文章包含2个完整实战案例和详细的故障排查方案。

在开始构建自动化工作流之前，你需要先完成n8n的部署（官网地址：https://n8n.io/），并理解其核心设计理念。

n8n提供了多种部署方式，你可以根据需求选择最适合的方案：

云端试用（最简单）：访问n8n官网注册免费试用账号，直接在浏览器中使用，无需任何本地配置。

Docker本地部署（推荐新手）：在终端执行以下命令，即可快速启动n8n实例：

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

运行后，在浏览器打开http://localhost:5678即可访问n8n界面。

云服务器部署：通过阿里云计算巢等平台，可实现一键部署n8n社区版，免去手动配置服务器的步骤。

在n8n中，工作流由两个核心元素构成：

• 节点：工作流中的每个步骤，负责执行特定任务。n8n内置了超过400个节点，覆盖HTTP请求、数据库操作、邮件发送、AI模型调用等功能。
• 连接：节点之间的箭头，定义了数据的流动方向。通过拖拽即可完成节点间的连接。

每个工作流通常始于一个触发节点，它决定了工作流何时启动——可以是定时触发、Webhook调用，也可以是手动点击触发。

让我们从零开始，搭建一个实用工作流：定时获取随机名言，并自动发送到指定邮箱。这个案例将帮助你掌握n8n的核心操作流程。

每个工作流都需要一个起点，我们选择定时触发器：

1. 点击画布上的“+”按钮，搜索并添加“Schedule”节点
2. 在右侧配置面板中设置触发规则：
   • Trigger Interval选择“Minutes”
   • Minutes输入“1”（方便测试，实际使用时可改为每天上午9点）

接下来添加一个节点来获取随机名言数据：

1. 点击Schedule节点右下角的“+”按钮
2. 搜索并添加“HTTP Request”节点
3. 配置如下参数：
   • URL：https://api.quotable.io/random（免费随机名言API）
   • Authentication：选择“None”

配置完成后，点击“Execute Workflow”即可测试节点是否能正常返回数据。

API返回的是原始JSON格式，我们需要将其整理成易读的文本：

1. 添加“Code”节点，连接在HTTP Request之后
2. 在代码编辑框中输入以下JavaScript代码：

// 从上一个节点获取数据 const rawData = $("HTTP Request").all()[0].json; // 构建我们想要的文本格式 const formattedText = `您好！这是为您准备的随机名言： “${rawData.content}” —— ${rawData.author} (由 n8n 工作流自动生成)`; // 将格式化后的文本作为新数据传递给下一个节点 return [{ json: { message: formattedText } }]; 

1. 选择“Run Once for All Items”模式

最后一步，将格式化后的消息发送到指定邮箱：

1. 添加“Email”节点（以Gmail为例）
2. 配置认证信息：
   • 点击“Add Credential”，选择“Gmail”
   • 输入Gmail地址和应用专用密码（如开启二次验证）
3. 配置邮件内容：
   • To Email：接收邮箱地址
   • Subject：输入“每日灵感｜来自n8n”
   • Message：点击表达式图标，选择$("Code").json["message"]

1. 点击右上角“Save”保存工作流
2. 点击Schedule节点上的“Execute Workflow”按钮
3. 检查邮箱，你将收到一封包含随机名言的邮件

故障排查：如果节点执行失败，它会显示为红色。点击失败节点，查看右侧的“Execution Data”标签页，里面包含详细的错误信息。

当你掌握了基础工作流搭建后，可以尝试构建更具智能化的AI工作流。本节将带你搭建一个能理解自然语言、自动创建日历事件的智能助手。

这个智能助手的核心流程为：

• 用户发送自然语言消息（如“明天下午3点和张三在会议室开会”）
• AI Agent解析消息，提取会议标题、地点、开始和结束时间
• 自动创建Google Calendar事件

1. 添加“On chat message”节点作为触发器
2. 开启“Make Chat Publicly Available”，可生成公开链接供他人使用

AI Agent节点是整个工作流的“大脑”，需要配置四个模块：

模型配置：

• 添加“OpenAI Chat Model”节点
• 使用n8n免费提供的OpenAI API额度（或填入你自己的API Key）

工具配置：

• 点击AI Agent下方的“+”添加工具
• 选择“Date & Time”工具
• 设置Operation为“Format a Date”
• 输出字段命名为unixTime

提示词配置：

 Overview You are an agent which helps parse the user message to identify the following details: 1. The title for the meeting 2. The location of the meeting 3. The meeting start and end Unix times. Here is the User Message: {{ $json.chatInput }} Rules for event time identification: - The current date time now is: {{ $now }} - Resolve relative phrases like "tomorrow", "next Friday", "in 2 hours" relative to now. - If duration given (e.g., "30 min" or "2 hours"), compute end_time from start_time. - If only a start time given, default duration = 60 minutes. 

结构化输出配置：

• 开启“Require Specific Output Format”
• 添加“Structured Output Parser”
• 配置输出格式示例：

{ "meeting_title": "团队周会", "meeting_location": "会议室A", "event_start": , "event_end":  } 

1. 添加“Google Calendar”节点
2. 创建OAuth2认证，授权访问你的Google账号
3. 配置字段映射：
   • Start：{{ DateTime.fromSeconds($json.output.event_start).toFormat("yyyy-MM-dd HH:mm:ss") }}
   • End：{{ DateTime.fromSeconds($json.output.event_end).toFormat("yyyy-MM-dd HH:mm:ss") }}
   • Location：{{ $json.output.meeting_location }}
   • Summary：{{ $json.output.meeting_title }}

点击“Open Chat”发送测试消息，观察AI Agent是否能正确解析意图并创建日历事件。你可以在Google Calendar节点输出中找到htmlLink字段，点击即可查看创建的事件。

当你拥有多个工作流后，维护成本会逐渐上升。本节介绍如何利用AI让工作流具备自我诊断和修复能力。

所有自动化脚本都有从简洁走向混乱的自然倾向。一个最初完美的订单处理函数，三个月后可能嵌套了七个特殊场景判断。传统维护方式是反应式的——等出问题再去修补。我们需要的是让工作流具备“免疫系统”：能自己发现问题，生成测试验证，甚至修复潜在缺陷。

这套系统的核心架构分为三个环环相扣的部分：

监控与分析环：跟踪脚本执行，识别异常模式
用例生成环：基于真实数据流自动创建测试场景
脚本优化环：对问题代码进行诊断和修复建议

首先建立一个监控节点，捕获真实的输入输出对：

// Function节点：数据采样器 // 每次执行时，抽取5%的请求保存样本 const shouldSample = Math.random() < 0.05; const sampleData = []; if (shouldSample && items && items.length > 0) { const sampleIndex = Math.floor(Math.random() * items.length); const sample = { timestamp: new Date().toISOString(), input: items[sampleIndex].json, output: items[sampleIndex].json.processedData, nodeId: 'customer_cleaner_v2', workflowRunId: $runId }; sampleData.push(sample); } return items; 

这些样本数据将成为AI理解工作流的“训练集”。

接下来，让AI分析这些数据并生成测试用例：

// Function节点：AI测试用例生成器 const OpenAI = require('openai'); const openai = new OpenAI({ apiKey: process.env.OPENAI_API_KEY, }); async function generateTestCases(samples, nodePurpose) { const prompt = ` 你是一个资深的质量保障工程师，擅长为数据处理脚本生成测试用例。 脚本功能：${nodePurpose} 以下是生产环境中采集的真实输入输出样本： $ 请生成5-7个最有可能发现缺陷的测试用例，包括： - 边界用例 - 异常用例 - 回归用例 输出格式要求JSON数组，每个用例包含：id、input、expectedOutput、purpose、priority `; const response = await openai.chat.completions.create({ model: "gpt-4", messages: [{ role: "user", content: prompt }], temperature: 0.3, }); return response.choices[0].message.content; } 

AI API调用会产生费用，以下策略可有效控制成本：

• 智能采样：只在检测到异常模式时触发AI分析
• 结果缓存：相似问题使用缓存的修复方案
• 本地模型备选：对敏感数据可集成本地部署的Llama或Codestral模型

实践数据显示，一个中等复杂度的工作流，每月AI成本通常在5-15美元之间，而节省的开发和测试时间远超这个价值。

某技术公司需要构建一个能回答产品文档相关问题的智能助理，让新员工和客户能够通过自然语言快速获取准确信息。

采用n8n+RAG（检索增强生成）架构，核心流程为：

• 用户提问 → 向量数据库检索相关文档 → 大模型结合文档生成答案 → 返回精准回答

1. 向量数据库配置（以Pinecone为例）：

• 创建索引，维度与嵌入模型匹配（如OpenAI embeddings的1536维）
• 配置API Key和环境变量

2. 文档处理工作流：

• 使用HTTP Request节点获取文档
• Code节点进行文本分块
• Embeddings节点将文本转为向量
• 存储到Pinecone向量数据库

3. 问答工作流核心提示词：

你是一个专业的技术支持专家，请根据以下参考资料回答用户问题。

参考资料： {{ $json.context }}

用户问题：{{ $json.question }}

要求：

1. 只基于参考资料回答，不要编造信息
2. 如果资料中没有相关信息，请诚实告知用户
3. 回答要简洁、准确、有条理

   该工作流上线后，技术支持团队的重复咨询量减少了60%，新员工培训周期从2周缩短至3天。

   ---

Q1：n8n是免费的吗？
A：n8n提供开源免费的自托管版本，功能完全开放。同时提供云托管付费版本，包含额外的协作功能和支持服务。自托管版本适合个人和小团队使用。

Q2：使用n8n需要编程知识吗？
A：不需要。n8n是零代码/低代码平台，通过可视化拖拽节点即可搭建工作流。不过，掌握基础的JavaScript知识能让你在处理复杂数据时更加灵活。

Q3：AI Agent节点调用费用高吗？
A：费用取决于调用的模型和使用频率。n8n提供免费试用额度（如OpenAI API积分）。通过智能采样、结果缓存等策略，每月AI成本可控制在5-15美元。

Q4：节点执行失败如何排查？
A：点击失败的红色节点，在右侧查看“Execution Data”标签页，里面包含详细的错误信息。常见原因包括：凭证失效、API限流、输入数据格式错误、网络问题等。

Q5：如何确保工作流中的敏感数据安全？
A：n8n支持凭证管理系统，API密钥、数据库密码等敏感信息会加密存储。自托管版本数据完全掌握在自己手中。生产环境建议使用环境变量管理密钥。

Q6：n8n支持哪些应用集成？
A：n8n内置超过400个节点，涵盖主流SaaS应用（Google、Slack、Notion）、数据库（MySQL、PostgreSQL）、AI服务（OpenAI、Anthropic）以及自定义HTTP请求，基本覆盖绝大多数自动化场景。

Q7：工作流执行历史可以查看吗？
A：可以。n8n提供完整的执行历史记录，每个工作流的每次运行都会保存输入输出数据、执行时间和状态，方便排查问题和审计。

Q8：如何将工作流分享给他人？
A：工作流可以导出为JSON文件，他人通过“Import from File”即可导入使用。n8n官网还提供社区模板库，你可以将自己的工作流分享给全球用户。