入门

基于 n8n 官方文档（docs.n8n.io）+ GitHub Release Notes 编写，对照 2024-2026 AI 能力爆发期版本行为

速查

• 本质定位：开源工作流自动化平台（fair-code / Sustainable Use License），节点式可视化编排 + 内置 70+ LangChain.js AI 节点；不是 LLM 应用构建器、不是 AI Agent SDK、不是 ESB
• 核心抽象：节点（Node）/ 触发器（Trigger）/ 连接（Connection）/ 项目（Item，含 json 与 binary）/ 执行（Execution，含 manual / production 模式）
• AI 节点族 2 个 root：AI Agent（决策型、循环执行、必接 Chat Model + 可选 Memory/Tools/Vector Store）vs Basic LLM Chain（预定义序列、单次执行、不支持 Memory/Tools）
• AI 子节点 4 类：Chat Model（OpenAI / Anthropic / Gemini / Mistral / Alibaba Qwen / MiniMax）/ Memory（Window Buffer / Postgres / Redis / Zep / Motorhead / Xata）/ Tools（Wikipedia / SerpAPI / Calculator / HTTP Request Tool / Custom Code Tool / Call n8n Workflow Tool）/ Vector Store（Pinecone / Qdrant / Supabase / Milvus / pgvector / In-Memory）
• $fromAI()：Tool Calling 关键函数，让 Agent 在运行时根据用户输入动态生成参数；静态参数无法处理多变的自然语言输入
• RAG 管道：Document Loaders → Text Splitters → Embeddings（仅支持文本）→ Vector Store 存储 → Retriever 检索相似上下文
• Chat Trigger：面向 AI 的对话入口（接收用户消息触发工作流），配合 ChatHub / AI Assistant 使用
• MCP Client / Trigger：对接 Model Context Protocol 服务器，把外部 MCP 工具 / 资源接入 n8n 工作流
• Evaluation 节点 + Trigger：跑测试集评估 AI 工作流质量（why test → run quick evaluations → use metrics）
• 部署双轨：Cloud（托管、自动升级、低运维）vs Self-hosted（Docker / npm / Docker Compose / K8s、完全控制升级节奏 / 环境变量 / 安全 / 扩缩容 / 数据库结构）
• 官方趋势：Docker 优先（npm-native 可能 sunset）；AI Workflow Builder / AI Assistant 用自然语言生成工作流
• 关键环境变量：N8N_HOST / N8N_PORT=5678 / N8N_PROTOCOL / WEBHOOK_URL / N8N_USER_FOLDER / N8N_ENCRYPTION_KEY（生产必须自定，否则凭据密钥可被破解）
• 数据库：默认 SQLite（适合原型）、生产用 PostgreSQL / MySQL / MariaDB / MS SQL；与 n8n 自身的元数据（执行历史、凭据、用户）对应
• AI Starter Kit：一键起一个含向量库 + AI 工作流环境的 Docker Compose 模板
• 许可边界：Sustainable Use License 自由内部使用，与 n8n 竞争的商业产品 / 托管服务有限制，商用前看 LICENSE

n8n 是什么

n8n 是开源的工作流自动化平台（fair-code / Sustainable Use License），用「可视化节点 + 触发器 + 连接」把 SaaS / 数据库 / 消息系统 / AI 模型按业务流程串成自动化工作流。它的核心定位有三：

• 工作流自动化引擎：节点 / 触发器 / 连接 / 执行抽象，1000+ 内置集成覆盖 IM、邮件、数据库、文件、SaaS、HTTP 等场景
• AI 嵌入式编排器：基于 LangChain.js 的 70+ AI 节点族，把 AI Agent / Chain / Memory / Tools / Vector Store 节点化嵌入既有业务流程
• 可自托管 + 可扩展：Cloud 一键托管，Self-hosted 用 Docker / npm / Docker Compose / K8s 完全控制；Code 节点（JS / Python）+ HTTP Request 节点兜底任意「未内置」的能力

n8n ≠ LLM 应用构建器（那是 Dify / Flowise）、≠ AI Agent SDK（LangChain / LlamaIndex 才是）、≠ 消息总线 ESB。它做的是「把 AI 嵌进既有 SaaS / DB / 通知链路」这件事。

核心抽象

抽象	含义
Node（节点）	工作流执行单元；分 Trigger 节点（Webhook / Schedule / Chat / Manual / Polling）与 Regular 节点（动作 / AI）
Trigger（触发器）	工作流入口，决定何时启动；常用 Manual / Webhook / Schedule / Chat Trigger
Connection（连接）	节点间的数据流；支持扇出（多个下游）、循环、错误分支
Item（项目）	节点间传递的数据单元，含 json（结构化）与 binary（文件 / 媒体）
Execution（执行）	一次完整工作流运行的实例；分 manual（手动 / 调试）与 production（Trigger 触发）模式
Credential（凭据）	节点对接外部服务的认证信息，AES-256 加密存储（密钥 = N8N_ENCRYPTION_KEY）

节点全景

Trigger 节点

触发器	用途
Manual Trigger	手动点 Execute Trigger，调试用
Webhook	接收 HTTP 请求触发
Schedule Trigger	Cron / 间隔定时触发
Chat Trigger	面向 AI 的对话入口，接收用户消息
Polling Trigger	周期查询外部系统（如新邮件、新 IM 消息）
MCP Trigger	接收 Model Context Protocol 请求
Evaluation Trigger	触发 AI 工作流测试集评估

Regular 节点（动作）

类别	代表节点
HTTP / 网络	HTTP Request（万能兜底）
数据库	Postgres / MySQL / MongoDB / Redis / Snowflake / MS SQL
SaaS 集成	Slack / Gmail / Notion / Airtable / GitHub / Google Sheets 等 1000+
数据变换	Set / Code（JS+Python）/ Filter / Item Lists / Merge / Split In Batches
文件 / 媒体	Read/Write Files、Convert to File、Extract from File
消息 / 通知	Email / IM / Webhook
流程控制	IF / Switch / Loop / Sub-workflow Execution / Error Trigger

AI 节点族

类别	节点	角色
Root	AI Agent	决策型，用 LLM 决定调用哪个工具；可配 Tools / Conversational / ReAct 等多种 Agent 类型；必接 Chat Model
Root	Basic LLM Chain	预定义序列链，单次执行，不支持 Memory / Tools
Sub-node	Chat Model	对接 LLM 供应商：OpenAI / Anthropic / Gemini / Mistral / Alibaba Qwen / MiniMax 等
Sub-node	Memory	持久化对话上下文：Window Buffer / Postgres / Redis / Zep / Motorhead / Xata / Chat Memory Manager
Sub-node	Tools	工具调用：Wikipedia / SerpAPI / Calculator / HTTP Request Tool / Custom Code Tool / Call n8n Workflow Tool
Sub-node	Vector Store	RAG 存储：Pinecone / Qdrant / Supabase / Milvus / pgvector / In-Memory 等
Sub-node	Document Loaders	数据加载：PDF / Web / Text / Notion 等
Sub-node	Text Splitters	文档分块：Token / Character / Recursive / Markdown 等
Sub-node	Embeddings	向量化（仅支持文本，不支持图像 / 音频）
集成	MCP Client	对接 Model Context Protocol 服务器，把外部 MCP 工具 / 资源接入工作流
治理	Guardrails	为 AI 输入 / 输出加结构化校验与过滤，降低 prompt 注入与不可控输出风险
工程化	AI Transform	用 LLM 做批量数据变换
工程化	Evaluation + Trigger	跑测试集评估 AI 工作流质量
辅助	AI Workflow Builder / AI Assistant	自然语言生成工作流、为代码节点提供编码帮助

部署：Cloud vs Self-hosted

维度	n8n Cloud	Self-hosted（Docker / npm / Compose / K8s）
运维	托管、自动升级、零运维	自己管版本 / 升级 / 备份 / 监控
控制	有限环境变量、功能	完全控制升级节奏 / 环境变量 / 安全 / 扩缩容 / 数据库结构
成本	起步 €20/月，按执行计	自有服务器成本（VPS / ECS），大规模更便宜
集成深度	受 Cloud 限制（数据库结构、自定义安全、特殊 scaling）	可定制数据库结构、SECRET、scaling、独立 Postgres
AI 能力	全部 AI 节点可用	全部 AI 节点可用，可对接自有向量库 / 内网 LLM
适用	不想运维 / 团队上手 / 小规模	生产 / 大规模 / 高合规 / 内网部署

选型口诀：不想运维 → Cloud；要控制版本 / 安全 / 扩缩容 / 数据库结构 → Self-hosted。

自托管速跑（Docker）

# 轻量版（仅测试用，SQLite + 单容器）
docker run -it --rm \
  -p 5678:5678 \
  -v n8n_data:/home/node/.n8n \
  docker.n8n.io/n8nio/n8n

# 访问 http://localhost:5678 完成初始化向导

生产推荐 Docker Compose + Postgres：

# docker-compose.yml 节选
services:
  postgres:
    image: postgres:16-alpine
    environment:
      POSTGRES_USER: n8n
      POSTGRES_PASSWORD: ${POSTGRES_PASSWORD}
      POSTGRES_DB: n8n
    volumes:
      - pg_data:/var/lib/postgresql/data
  n8n:
    image: docker.n8n.io/n8nio/n8n
    environment:
      DB_TYPE: postgresdb
      DB_POSTGRESDB_HOST: postgres
      DB_POSTGRESDB_DATABASE: n8n
      DB_POSTGRESDB_USER: n8n
      DB_POSTGRESDB_PASSWORD: ${POSTGRES_PASSWORD}
      N8N_ENCRYPTION_KEY: ${N8N_ENCRYPTION_KEY}  # 生产必须自定
      WEBHOOK_URL: https://n8n.example.com/
      N8N_HOST: n8n.example.com
      N8N_PROTOCOL: https
    ports: ["5678:5678"]
    depends_on: [postgres]
volumes:
  pg_data:

生产关键环境变量：

• N8N_ENCRYPTION_KEY：凭据 AES-256 加密密钥（生产必须自定，否则容器重启后凭据解密失败或被破解）
• WEBHOOK_URL / N8N_HOST / N8N_PROTOCOL：决定 Webhook / OAuth 回调 URL
• DB_TYPE / DB_POSTGRESDB_*：切到 PostgreSQL（生产推荐，SQLite 仅原型）
• N8N_USER_FOLDER：自定义用户数据目录
• EXECUTIONS_DATA_PRUNE / EXECUTIONS_DATA_MAX_AGE：清理历史执行数据

npm 启动仅用于原型：npx n8n。社区在推 Docker 优先、讨论 sunset npm-native，生产请用 Docker + 独立 Postgres。

起一张 AI Agent 工作流

最快上手路径：

1. 新建工作流 → 加 Chat Trigger 作为对话入口
2. 加 AI Agent 节点（root）作为决策核心
3. 给 AI Agent 接子节点：OpenAI Chat Model（必接）+ Window Buffer Memory（对话记忆）+ Wikipedia Tool（工具）
4. 点 Test workflow，在 Chat 面板里输入「帮我查一下巴黎的历史」
5. Agent 内部循环：解析输入 → 选 Wikipedia Tool → 调用 → 收 Observation → LLM 总结 → 回复
6. 满意后点 Active 启用，Chat Trigger 即对外提供对话服务

反模式：把 LLM Chain 当 Agent 用（接 Memory / Tools 也不生效）；把全部私有数据塞 prompt 上下文（应走 RAG）。

与同类工具的边界

工具	定位	与 n8n 边界
Dify	LLM 应用编排 / LLMOps 平台	Dify 强在「LLM 应用 / RAG 应用快速搭」，自动化弱；n8n 强在「深度自动化引擎 + 1000+ 非 AI 集成」，AI 是后加能力。要把 LLM 嵌进既有 SaaS / DB / 通知链路用 n8n，要做纯 AI 问答应用用 Dify
Zapier	闭源 SaaS 集成器	Zapier 闭源 SaaS、集成最多、最易上手、规模化最贵；n8n 开源可自托管、便宜、灵活，AI 节点更深
Make	视觉化自动化 SaaS	Make 视觉逻辑强、价格中档；n8n 自托管 + 代码节点对开发者更友好、可深度扩展
LangChain	AI Agent SDK / 框架	LangChain 是代码层 SDK；n8n 的 AI 节点族底层就是 LangChain.js，把 LangChain 抽象成可视化节点；复杂自定义 Agent 仍要回到代码
Flowise	LLM 应用构建器	Flowise 是 LangChain 的可视化壳；n8n 是自动化平台 + LangChain 节点族，集成面更广

选型口诀：纯 AI 应用 → Dify / Flowise；纯代码 Agent → LangChain / LlamaIndex；LLM + 业务流程自动化 → n8n；闭源 SaaS 集成 → Zapier / Make。

下一步

• 核心概念与 AI 节点编排：AI Agent vs Chain 决策、Memory 选型、Tools 与 Tool Calling、RAG 五步、Evaluation、部署深度、反模式
• 参考：节点速查表、环境变量清单、版本演进、官方资源