第8章 n8n 工作流实战：AI 自动化全流程

你以为 n8n 只是"连接器"？它其实是企业的数字神经系统。

我是怕浪猫，前面聊了阿里云百炼，今天来搞 n8n——开源工作流自动化的瑞士军刀。10个实战案例，从内容生成到公众号发布，帮你把企业的重复劳动全部自动化。

---

8.1 n8n 简介与部署

n8n 是什么？

n8n 是一个开源的工作流自动化工具，核心理念是"连接一切"。它不只是一个"IFTTT"，而是一个完整的业务流程自动化平台——200+ 预置集成，支持代码执行，支持自托管。

n8n 的核心特点：

1. 海量集成：200+ 预置节点，涵盖数据库、API、文件存储
2. 可视化编排：拖拽式设计，所见即所得
3. 代码执行：内置 JavaScript 和 Python 代码节点
4. 自托管：完全可控，数据不出内网
5. 开源免费：核心功能免费，有付费云服务

部署方案对比

方案	优点	缺点	适合场景
n8n Cloud	零配置，开箱即用	数据在第三方	个人/小团队试用
Docker自托管	免费，灵活	需要维护	中小企业
Kubernetes	高可用	运维复杂	大型企业

Docker 部署

# 拉取镜像
docker pull n8nio/n8n

# 启动容器
docker run -it --rm \
  --name n8n \
  -p 5678:5678 \
  -v ~/.n8n:/home/node/.n8n \
  n8nio/n8n

启动后访问 http://localhost:5678 即可使用。

汉化版部署

如果你想用中文界面，可以使用中文汉化版：

docker pull n8nio/n8n:latest
# 启动后访问中文界面

官方文档：https://docs.n8n.io/

n8n 的定位是"企业的数字神经系统"——连接企业的各个系统和数据，让信息流畅通无阻。

---

8.2 核心节点与操作入门

常用节点分类

类别	节点	用途
触发器	Webhook、Schedule、CRON	启动工作流
HTTP	HTTP Request	调用外部API
编程	Code（JS/Python）	自定义逻辑
数据库	PostgreSQL、MySQL、MongoDB	数据库操作
文件	Read/Write File	文件处理
AI	AI Agent、Embeddings	AI相关操作
通信	Slack、Email、钉钉	消息通知
工具	IF/ELSE、Switch、Loop	流程控制

工作流基本结构

[触发器] → [处理节点1] → [处理节点2] → ... → [输出节点]

创建第一个工作流

1. 点击"新建工作流"
2. 从左侧拖拽节点到画布
3. 连接节点
4. 配置每个节点的参数
5. 点击"测试运行"
6. 保存并激活

---

8.3 实战：AI 内容生成工作流

第一个实战，用 n8n 做一个自动化的内容生成工作流。

设计思路

1. 定时触发（每天早上9点）
2. 从数据库读取今日话题
3. 调用 AI 生成内容
4. 保存到数据库或发送通知

工作流编排

[CRON触发器：每天9:00]
    → [数据库读取：获取今日话题]
    → [AI Agent：生成内容]
    → [数据库写入：保存内容]
    → [Slack通知：通知编辑]

节点配置

CRON 触发器：

{
  "rule": {
    "interval": [
      {
        "field": "cron",
        "property": "",
        "value": "0 9 * * *"
      }
    ]
  }
}

数据库读取：

{
  "operation": "find",
  "table": "daily_topics",
  "limit": 1,
  "where": "status = 'pending'"
}

AI Agent 节点（使用 OpenAI）：

// 输入数据：{ topic: "今日话题内容" }
const response = await openai.chat.completions.create({
  model: "gpt-4o",
  messages: [
    { role: "system", content: "你是一个资深内容编辑。" },
    { role: "user", content: `根据以下话题生成一篇短文：${$input.first().json.topic}` }
  ]
});

return {
  json: {
    content: response.choices[0].message.content,
    topic: $input.first().json.topic,
    generated_at: new Date().toISOString()
  }
};

AI 工作流的核心是"触发→生成→存储→通知"四步走。n8n 把每一步都封装成节点，你只需要用线把它们连起来。

---

8.4 实战：多模态画板集成

第二个实战，把 AI 图像生成集成到 n8n 工作流中。

设计思路

1. 接收用户的图片描述
2. 调用图像生成 API（如 Midjourney、DALL-E、通义万相）
3. 生成图片
4. 保存到 OSS 或发送回用户

工作流编排

[Webhook接收请求]
    → [AI图像生成]
    → [保存到OSS]
    → [返回图片URL]

AI 图像生成节点（Code 节点）

// 调用通义万相 API
const prompt = $input.first().json.prompt;

const response = await fetch('https://dashscope.aliyuncs.com/api/v1/services/aigc/text2image/image-synthesis', {
  method: 'POST',
  headers: {
    'Authorization': `Bearer ${$env.DASHSCOPE_API_KEY}`,
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: "wanx2.1-t2i-turbo",
    input: { prompt }
  })
});

const result = await response.json();
return { json: { image_url: result.output.image_url } };

---

8.5 实战：商品推荐 Agent

第三个实战，用 n8n 做一个商品推荐 Agent。

设计思路

1. 接收用户的需求描述
2. 从商品库中检索相关商品
3. AI 排序和筛选
4. 生成推荐理由
5. 返回推荐结果

工作流编排

[Webhook接收请求]
    → [读取商品库]
    → [AI Agent：匹配推荐]
    → [格式化输出]
    → [返回结果]

AI Agent 节点配置

const userNeeds = $input.first().json.needs;
const products = $('Read Products').first().json.data;

const response = await openai.chat.completions.create({
  model: "gpt-4o",
  messages: [
    { 
      role: "system", 
      content: `你是一个专业的电商导购。根据用户需求从商品列表中推荐最合适的3个商品。
商品列表：${JSON.stringify(products)}
要求：给出推荐理由和排序。`
    },
    { role: "user", content: `用户需求：${userNeeds}` }
  ]
});

 return {
  json: {
    recommendations: JSON.parse(response.choices[0].message.content),
    generated_at: new Date().toISOString()
  }
};

---

8.6 实战：视频处理流水线

第四个实战，做一个自动化的视频处理工作流。

设计思路

1. 接收上传的视频文件
2. 进行格式转换
3. 提取缩略图
4. 提取字幕
5. 上传到视频托管平台
6. 发送完成通知

工作流编排

[Webhook接收文件]
    → [下载文件]
    → [FFmpeg：格式转换]
    → [提取缩略图]
    → [提取字幕]
    → [上传到B站API]
    → [发送Slack通知]

FFmpeg 节点配置（Code 节点）

const fs = require('fs');

// 假设 inputFile 是本地文件路径
const inputFile = $input.first().json.file_path;
const outputFile = inputFile.replace('.avi', '.mp4');

// 使用 ffmpeg 进行转换（需要在 n8n 容器中安装 ffmpeg）
const { execSync } = require('child_process');

execSync(`ffmpeg -i ${inputFile} -c:v libx264 -crf 23 ${outputFile}`);

return { json: { output_file: outputFile } };

---

8.7 实战：异常告警自动化

第五个实战，做一个系统异常告警工作流。

设计思路

1. 定时检查系统指标（CPU、内存、磁盘）
2. 如果超过阈值
3. 生成告警信息
4. 发送到相关人员的钉钉群

工作流编排

[CRON：每5分钟]
    → [读取系统指标]
    → [IF/ELSE：判断是否异常]
    → 异常 → [生成告警信息] → [发送钉钉消息]
    → 正常 → 结束

告警阈值判断（IF 节点）

const cpuUsage = $input.first().json.cpu_usage;
const memoryUsage = $input.first().json.memory_usage;
const diskUsage = $input.first().json.disk_usage;

const isHighCpu = cpuUsage > 80;
const isHighMemory = memoryUsage > 85;
const isHighDisk = diskUsage > 90;

return {
  json: {
    isAlert: isHighCpu || isHighMemory || isHighDisk,
    alertReasons: [
      isHighCpu ? `CPU使用率过高: ${cpuUsage}%` : null,
      isHighMemory ? `内存使用率过高: ${memoryUsage}%` : null,
      isHighDisk ? `磁盘使用率过高: ${diskUsage}%` : null
    ].filter(Boolean)
  }
};

---

8.8 实战：小红书卡片自动生成

第六个实战，做一个小红书内容卡片的自动生成工作流。

设计思路

1. 接收内容主题
2. AI 生成文案和标签
3. 生成配套图片
4. 输出可发布格式

工作流编排

[Webhook接收主题]
    → [AI生成文案]
    → [AI生成图片]
    → [组装卡片]
    → [保存/发送]

---

8.9 实战：公众号自动发布

第七个实战，做一个公众号文章的自动发布工作流。

设计思路

1. 从 CMS 或数据库读取文章内容
2. 格式化标题、配图、正文
3. 调用公众号 API 发布
4. 发送发布结果通知

工作流编排

[定时触发/手动触发]
    → [读取文章数据]
    → [格式化HTML]
    → [调用公众号API]
    → [发送Slack通知]

公众号发布节点（HTTP Request 节点）

{
  "method": "POST",
  "url": "https://api.weixin.qq.com/cgi-bin/material/add_news",
  "authentication": "genericCredentialType",
  "sendHeaders": true,
  "headerParameters": {
    "parameters": [
      { "name": "Content-Type", "value": "application/json" }
    ]
  },
  "sendBody": true,
  "bodyParameters": {
    "parameters": [
      { "name": "articles", "value": "{{ $json.articles }}" }
    ]
  }
}

---

8.10 工作流调试技巧与最佳实践

调试技巧

1. 小数据测试：先用一条数据测试工作流
2. 节点独立测试：右键节点 → "测试此节点"
3. 查看执行历史：点击节点 → "执行历史"
4. 日志输出：在 Code 节点中添加 console.log
5. 逐步执行：断点调试，单步执行

错误处理最佳实践

问题	解决方案
API 调用超时	添加 Retry 节点，设置重试次数
数据格式错误	添加 IF 节点检查数据类型
节点执行失败	添加 Error Trigger 捕获错误
数据丢失	添加数据库记录执行状态

n8n 高级技巧

1. 变量命名：使用有意义的变量名，方便调试
2. 节点复用：把常用逻辑封装为子工作流
3. 环境变量：敏感信息放在环境变量中
4. 版本控制：导出 JSON 文件进行版本管理
5. 监控告警：配置执行失败通知

n8n 的上限取决于你对业务流程的理解和自动化意识。能把多少重复劳动自动化，决定了 n8n 能给你省多少时间。

---

本章小结

实战	核心能力	关键技术
AI内容生成	定时任务+AI+RDB	CRON触发+OpenAI+数据库
多模态画板	AI图像生成+OSS	通义万相API
商品推荐	RAG+AI筛选	OpenAI+向量检索
视频处理	FFmpeg自动化	格式转换+缩略图
异常告警	监控+通知	阈值判断+钉钉API
小红书卡片	AI文案+AI图片	多模态生成
公众号发布	API对接+自动化	公众号API
调试技巧	小数据测试、断点	逐步执行

---

觉得有用？收藏起来，下次直接照抄。

你用 n8n 做过什么自动化工作流？评论区分享你的经验。

关注怕浪猫，下期我们讲综合实战——用 n8n 搭建有声书工业化生产系统。

系列进度 8/24

下章预告： 第9章我们将带来第一个综合实战项目——用 n8n 搭建有声书工业化生产系统，实现从文本到有声书的全自动化流水线。