n8n 入门指南：2026 年搭建你的第一个 AI Agent 工作流

原创。从零开始带你搭建 n8n + AI Agent 工作流，包含 Docker 部署、节点编排和实战案例，让你的自动化流程拥有 AI 大脑。

什么是 n8n？

n8n（发音为"n-eight-n"）是一个 Fair-Code 许可的工作流自动化平台。它的名称来自 "nodemation"（node + automation），中间的 "8" 代表两个 "n" 之间的八个字母。

简单来说，n8n 是一个可视化的工作流编辑器，让你可以通过拖拽节点的方式来编排各种自动化任务。但与 Zapier 或 Make 等竞品不同的是，n8n 提供了两条核心竞争力：

自托管：你的数据完全由你控制
AI 原生：从架构层面集成了 AI Agent 能力

截至 2026 年，n8n 已拥有 400+ 集成节点，GitHub 星标超过 50,000，是市场上最受欢迎的开源自动化平台之一。

本文内容基于 n8n 官方文档（n8n.io/docs）和社区实践编写，所有信息均来自官方来源。

n8n vs Zapier vs Make：横向对比

在选择自动化平台时，你需要了解它们的核心差异：

特性	n8n	Zapier	Make (原 Integromat)
许可	Fair-Code ✅	专有软件 ❌	专有软件 ❌
自托管	✅	❌	❌
AI Agent 节点	✅ 原生内置	❌ 需第三方	⚠️ 有限支持
自定义代码	JavaScript / Python	有限	JavaScript
400+ 集成	✅	✅	✅
版本控制	✅ Git 集成	❌	❌
定价	免费（自托管）	$19.99/月起	$9/月起
数据隐私	✅ 完全控制	❌ 第三方存储	❌ 第三方存储

结论：如果你对数据隐私有要求，或者需要 AI Agent 功能，n8n 是唯一合理的选择。

环境搭建

方式一：Docker 一键部署（推荐）

这是最快的方式，适合所有场景：

code

docker run -d \
  --name n8n \
  -p 5678:5678 \
  -v n8n_data:/home/node/.n8n \
  n8nio/n8n

启动后访问 http://localhost:5678 即可进入 n8n 管理界面。

方式二：Docker Compose 生产部署

对于生产环境，强烈建议使用 PostgreSQL 数据库：

code

# docker-compose.yml
version: '3.8'
 
services:
  n8n:
    image: n8nio/n8n:latest
    ports:
      - "5678:5678"
    environment:
      - N8N_SECURE_COOKIE=false  # 生产环境应设为 true 并配置 HTTPS
      - DB_TYPE=postgresdb
      - DB_POSTGRESDB_DATABASE=n8n
      - DB_POSTGRESDB_HOST=postgres
      - DB_POSTGRESDB_PORT=5432
      - DB_POSTGRESDB_USER=n8n
      - DB_POSTGRESDB_PASSWORD=${DB_PASSWORD}
      - N8N_ENCRYPTION_KEY=${ENCRYPTION_KEY}
    volumes:
      - n8n_data:/home/node/.n8n
    depends_on:
      postgres:
        condition: service_healthy
    restart: unless-stopped
 
  postgres:
    image: postgres:16
    environment:
      - POSTGRES_DB=n8n
      - POSTGRES_USER=n8n
      - POSTGRES_PASSWORD=${DB_PASSWORD}
    volumes:
      - postgres_data:/var/lib/postgresql/data
    healthcheck:
      test: ["CMD-SHELL", "pg_isready -U n8n"]
      interval: 10s
      timeout: 5s
      retries: 5
    restart: unless-stopped
 
volumes:
  n8n_data:
  postgres_data:

注意：生产环境必须配置 N8N_ENCRYPTION_KEY 和 HTTPS。n8n 官方文档建议使用反向代理（如 Caddy 或 Nginx）来提供 TLS。

方式三：npm

code

npm install n8n -g
n8n start
# 或指定端口
n8n start --port=5678

构建你的第一个 AI Agent

我们将创建一个 AI 客户支持机器人——它可以接收客户的问题，检索知识库，并生成回答。

步骤 1：了解 n8n 界面

n8n 的主要界面包括：

Nodes Panel（左侧）：所有可用的节点列表
Canvas（中间）：工作流的可视化编辑器
Execution Panel（右侧）：查看工作流运行历史和日志
Variables Panel：定义可复用的变量

步骤 2：添加 Webhook 触发器

从节点列表中选择 Webhook 节点
配置为 POST 方法，获取 Webhook URL
设置响应数据格式为 JSON

Webhook URL 将用于接收外部请求（例如来自你的网站联系表单）。

步骤 3：配置 AI Agent 节点

这是 2026 年 n8n 的核心功能——AI Agent 节点。

添加 AI Agent 节点到画布
连接 Webhook 的输出到 AI Agent
配置 LLM 连接：

code

// AI Agent 的配置示例
{
  "node": "AI Agent",
  "type": "n8n-nodes-base.aiAgent",
  "parameters": {
    "model": {
      "name": "openAi",
      "apiKey": "={{ $credentials.openAiApiKey }}"
    },
    "systemMessage": "你是一个专业的客户支持 AI。你的任务是：\n1. 分析客户的问题\n2. 从知识库中检索相关信息\n3. 用中文给出有帮助的回答\n4. 如果你无法回答，礼貌地转接给人工客服",
    "maxIterations": 5,
    "tools": ["vectorStore", "webSearch"]
  }
}

支持的 LLM 提供商：

OpenAI（GPT-4o、GPT-4.1 等）
Anthropic（Claude 4、Claude 3.5 等）
Ollama（本地 LLM）
Azure OpenAI
Google Gemini

步骤 4：添加 Vector Store 工具

Vector Store 是一个强大的 RAG（检索增强生成）工具，可以让 AI Agent 从你提供的文档中检索信息。

code

# 准备你的知识库文档
# n8n 支持多种文档格式的导入：
# - PDF
# - Markdown
# - 纯文本
# - 数据库记录

支持的 Vector Store 后端：

Qdrant（推荐，原生集成）
Pinecone
Supabase pgvector
Milvus
Weaviate

步骤 5：添加输出节点

AI Agent 生成回答后，你需要将结果发送给客户：

选项 A：Slack 通知

code

[Webhook] -> [AI Agent] -> [Slack]

选项 B：邮件回复

code

[Webhook] -> [AI Agent] -> [Email (SMTP)]

选项 C：HTTP Response（同步返回）

code

[Webhook] -> [AI Agent] -> [Respond to Webhook]

完整工作流

最终的工作流看起来是这样的：

code

[Webhook] -> [AI Agent] 
                |
                +- [Vector Store (FAQ)]
                |
                +- [Slack / Email / HTTP Response]

实战案例大全

案例 1：自动日报生成

code

触发器: 每天 18:00（Schedule 节点）
节点:
  1. Schedule -> 2. Jira (获取今日任务) -> 3. Git (获取今日提交) 
  -> 4. AI Agent (生成日报) -> 5. Slack (发送到团队频道)

案例 2：AI 翻译流水线

code

触发器: RSS Feed 更新
节点:
  1. RSS -> 2. Web Scraper (提取文章内容) 
  -> 3. AI Agent (翻译成中文 + 摘要) 
  -> 4. Notion (保存到数据库)

案例 3：自动 PR 审查提醒

code

触发器: GitHub Webhook (PR opened)
节点:
  1. Webhook -> 2. GitHub (获取 PR 详情和 diff) 
  -> 3. AI Agent (审查代码质量和安全性) 
  -> 4. GitHub (添加 PR 评论) 
  -> 5. Discord (通知团队)

高级技巧

子工作流（Sub-workflow）

将复杂的逻辑拆分为可复用的子工作流：

code

主工作流:
  1. Schedule -> 2. Execute Workflow (数据清洗) -> 3. Execute Workflow (AI 分析) -> 4. Execute Workflow (报告生成)

每个子工作流可以独立维护、测试和版本控制。

错误处理

使用 Error Trigger 节点监控失败的工作流：

code

错误处理工作流:
  触发器: Error Trigger
  节点:
    1. Error Trigger -> 2. AI Agent (分析错误原因) 
    -> 3. Slack (通知开发者) -> 4. n8n (自动重试)

版本控制

n8n 原生支持 Git 集成，你可以在设置中配置：

code

# 在 n8n 配置文件或界面中设置
N8N_GIT_ENABLED=true
N8N_GIT_REPO=https://github.com/your-team/n8n-workflows.git
N8N_GIT_BRANCH=main
N8N_GIT_USER_NAME=Your Name
N8N_GIT_USER_EMAIL=your@email.com

这样所有工作流都会自动提交到 Git 仓库，支持回滚和代码审查。

最佳实践

✅ 推荐的做法

使用环境变量存放敏感配置（API Key、密码等）
从简单开始，一个工作流只做一件事
命名规范：给节点和工作流起有意义的名称
测试每个步骤：n8n 允许单独运行每个节点来验证输出
启用日志记录：设置 N8N_LOG_LEVEL=info 或 debug
定期更新：n8n 社区每月发布多个更新

❌ 避免的做法

不要在生产环境使用 SQLite：高并发时性能不足
不要将凭证硬编码在工作流中：使用凭据管理器
不要让一个工作流太长：超过 20-30 个节点时考虑拆分为子工作流
不要忽略错误处理：没有错误处理的工作流在生产环境是隐患
不要在 AI Agent 节点中设置过高的迭代次数：会影响响应速度和费用

资源链接

官方文档：https://docs.n8n.io
GitHub：https://github.com/n8n-io/n8n
社区论坛：https://community.n8n.io
模板库：https://n8n.io/workflows
NPM 包：https://www.npmjs.com/package/n8n

总结

n8n 在 2026 年已经成为数据敏感型团队和 AI 原生应用的首选工作流自动化平台。它的核心优势——自托管 + AI 原生 + 400+ 集成——使其在 Zapier 和 Make 的竞争中占有了独特的位置。

对于独立开发者来说，n8n 是一个不可多得的"瑞士军刀"：你可以用它快速搭建一个 AI 客服系统，自动化运营流程，甚至构建完整的 RAG 应用。而且这一切都是免费、开源的，你的数据始终在你的控制之下。

动手试试吧：docker run -d -p 5678:5678 -v n8n_data:/home/node/.n8n n8nio/n8n

n8n 入门指南：2026 年搭建你的第一个 AI Agent 工作流

什么是 n8n？

n8n vs Zapier vs Make：横向对比

环境搭建

方式一：Docker 一键部署（推荐）

方式二：Docker Compose 生产部署

方式三：npm

构建你的第一个 AI Agent

步骤 1：了解 n8n 界面

步骤 2：添加 Webhook 触发器

步骤 3：配置 AI Agent 节点

步骤 4：添加 Vector Store 工具

步骤 5：添加输出节点

完整工作流

实战案例大全

案例 1：自动日报生成

案例 2：AI 翻译流水线

案例 3：自动 PR 审查提醒

高级技巧

子工作流（Sub-workflow）

错误处理

版本控制

最佳实践

✅ 推荐的做法

❌ 避免的做法

资源链接

总结

相关文章

n8n 工作流自动化从入门到实战

Gemini CLI：Google 开源的终端 AI Agent

从零构建亚 500ms 延迟的语音 AI 助手