n8n#

1. 部署灵活性#

• 私有化部署: 数据完全自主可控
• Docker 支持: 一行命令即可启动
• 跨平台: 支持 Windows、macOS、Linux

2. 强大的扩展能力#

1
// 支持在 Code 节点中直接编写 JavaScript 或 Python
2
const items = $input.all();
3
return items.map(item => {
4
  return {
5
    json: {
6
      // 自定义处理逻辑
7
    }
8
  };
9
});

3. AI 深度集成#

• LangChain 可视化: 无需编写代码即可构建 AI Agent
• 多模型支持: OpenAI、Claude、Gemini、本地模型等
• 灵活的提示词管理: 支持动态变量和模板

1. Workflow（工作流）#

工作流是由多个节点组成的自动化流程，定义了数据如何在各个节点之间流转和处理。

2. Node（节点）#

节点是工作流的基本组成单元，每个节点代表一个具体的操作或功能。

3. Connection（连接）#

连接定义了节点之间的数据流转关系，包括数据映射和传递规则。

Docker 部署（推荐）#

1
# 拉取镜像
2
docker pull n8nio/n8n
3

4
# 启动容器，因为我这边是在虚拟机里部署的，所以N8N_DIAGNOSTICS_ENABLED和WEBHOOK_URL需要配置一下
5
docker run -d \
6
  --name n8n \
7
  -p 5678:5678 \
8
  -e N8N_DIAGNOSTICS_ENABLED=false \
9
  -e WEBHOOK_URL=http://192.168.159.131:5678/ \
10
  -v /home/purezento/data:/home/node/.n8n-files \
11
  n8nio/n8n

常见触发器类型#

示例：定时触发器#

1
# 每天早上 8 点执行
2
cron: "0 8 * * *"
3

4
# 每小时执行一次
5
cron: "0 * * * *"
6

7
# 每 30 分钟执行一次
8
cron: "*/30 * * * *"

数据读取节点#

数据转换节点#

LangChain 节点架构#

1
┌──────────────────────────────────────────────────────┐
2
│                   AI Agent 节点                      │
3
│  ┌────────────────────────────────────────────────┐  │
4
│  │  ┌──────────┐  ┌──────────┐  ┌──────────┐    │  │
5
│  │  │  Model   │  │  Memory  │  │   Tool   │    │  │
6
│  │  │  (模型)   │  │  (记忆)   │  │  (工具)   │    │  │
7
│  │  └──────────┘  └──────────┘  └──────────┘    │  │
8
│  └────────────────────────────────────────────────┘  │
9
└──────────────────────────────────────────────────────┘

支持的 AI 模型#

• OpenAI: GPT-4、GPT-3.5 等
• Anthropic: Claude 3 系列
• Google: Gemini Pro
• DeepSeek
• 本地模型: Ollama、LM Studio

需求描述#

当我们打开网页版的即刻(比如：@评论尸），进入某一个用户的主页，可以查看他最新的 10 条动态。

第一步：如何触发程序运行#

所有的程序运行都需要一个条件触发，当你打开一个画布，选择新增第一个节点时，系统会询问你希望通过什么方式来触发这个程序的运行。

这些选项的含义分别是：

• 在 n8n 上面点击一下运行按钮，触发程序运行；

• 外界 API 发来的命令，比如 Telegram 收到一个消息；

• 每天/每小时固定一个时间执行;

• 通过 HTTP 请求触发任务；

• 由另一个 Workflow 触发这个任务；

• 由聊天框消息触发这个程序运行（AI 对话类节点专用）；

• 文件变更/Email/等等；

因为这是一个示例节点，所以我们只需要选择第一个选项即可。

所以我们的第一个节点如下图所示：

第二步：如何读取网页的内容？#

Step 1: HTTP Request 节点

1
方法: GET
2
URL: https://m.okjike.com/users/xxx

Step 2: Extract HTML Content 节点

1
// 提取规则
2
Extraction Values:
3
  - Key: 正文
4
    CSS Selector: div.jsx-3930310120.wrap
5
    Return Array: true
6

7
  - Key: 日期
8
    CSS Selector: div.subtitle
9
    Return Array: true

Step 3: Split Out 节点

1
// 将数组拆分为多行数据
2
Field to Split Out: 正文, 日期

Step 4: Export to Excel 节点

1
// 导出字段
2
Fields to Export: date, content
3
File Name: jike_dynamic.xlsx

工作流#

需求描述#

使用大模型自动分析工单内容，判断是否属于预定义的问题之一。

这边我导了一份我们的工单excel给他，分析一下工单内容，然后判断一下是什么问题

核心是这个循环

提示词设计#

1
我需要你帮忙做一个工单的分类，这里有非常多的工单。
2
我需要你根据工单里面的客服和客户的聊天内容。帮忙判断我给你的工单属于哪类问题，问题种类有：设备问题、数据问题、需求问题、资金问题、其他
3
只需要输出问题的分类和工单编号即可，例如“【数据问题】、【设备问题】”
4
请不要输出除此以外的任何内容，也不需要做任何的解释性说明。
5
面这个是你需要分类的工单
6
工单编号： {{ $json['工单编号'] }}
7
工单内容： {{ $json['问题描述'] }}

配置要点#

1. 循环处理: n8n 会自动遍历表格中的每一行数据
2. 参数传递: 使用 {{变量名}} 语法引用上游节点的数据
3. 结果回写: 使用唯一标识符（如工单编号）关联更新结果

需求描述#

在实际业务中，我们经常需要协调多个外部系统完成复杂的业务流程。例如：

业务场景：门店每天需要从多个数据源同步数据，并进行智能分析和决策：

1. Google Sheets：供应商提供的商品价格表（每日更新）
2. MySQL 数据库：门店的销售流水和库存数据
3. 外部 HTTP API：天气数据、物流信息等
4. AI 分析：根据多源数据生成每日运营报告

错误处理策略#

1
// 在节点中启用错误输出
2
Continue On Fail: true
3

4
// 使用 IF 节点判断错误
5
{{ $json.error }}

重试机制#

1
# HTTP Request 节点重试配置
2
Retry On Fail: true
3
Max Tries: 3
4
Wait Between Tries: 1000ms

批量处理#

1
// 使用 Split In/Out 节点优化批量操作
2
Split In:
3
  Batch Size: 100
4
  Options:
5
    Reset: false

并发控制#

1
# 执行策略配置
2
Execution Order: Parallel (并行执行)
3
Max Concurrency: 10 (最大并发数)

KISS 原则（Keep It Simple, Stupid）#

• ❌ 避免过度复杂的工作流
• ✅ 拆分为多个小工作流
• ✅ 使用子工作流复用逻辑

DRY 原则（Don’t Repeat Yourself）#

1
// ✅ 推荐：使用变量统一管理
2
{{ $vars.apiEndpoint }}/users
3

4
// ❌ 避免：硬编码重复
5
https://api.example.com/v1/users
6
https://api.example.com/v1/products

凭证管理#

• ✅ 使用 Credentials 统一管理敏感信息
• ❌ 避免在工作流中硬编码 API Key
• ✅ 定期轮换密钥

权限控制#

1
# 最小权限原则
2
API Scopes:
3
  - read:user       # 仅读取用户信息
4
  - write:orders    # 仅写入订单数据

执行日志#

1
# 查看执行日志
2
Settings → Executions → 选择执行记录 → 查看 Logs

性能监控#

1
// 获取执行统计
2
Workflow Settings → Save Execution Progress: Enabled

场景 1：多渠道消息通知与告警（Java 触发 n8n）#

• 流程：
  1. Java 后端检测到异常（如：某个货架传感器失联、有人在店内存留超过1小时）。
  2. Java 发送 Webhook 到 n8n，携带设备 ID 和异常类型。
  3. n8n 分发逻辑：
     • 如果是“设备故障”，发 Slack 给技术团队。
     • 如果是“疑似偷盗/安全隐患”，发 Telegram 给安保，并触发语音播报 API。
     • 如果是“冷柜温度异常”，给店主拨打告警电话（Twilio 插件）。

场景 2：智能营销与会员触达（n8n + Java API）#

• 流程：
  1. n8n 每天凌晨定时启动，查询 Java 后端的数据库，筛选出“过去 7 天进店超过 3 次但昨天没来”的会员。
  2. n8n 调用外部优惠券平台 API 生成专属折扣码。
  3. n8n 回填折扣码到 Java 后端的优惠券表。
  4. n8n 通过微信公众号或短信平台发送个性化文案给用户。

场景 3：供应链与自动补货（n8n 协调 Java 与 外部系统）#

• 流程：
  1. Java 后端检测到某款饮料库存低于 20 瓶。
  2. Java 触发 n8n，n8n 首先检查 Google Sheets 或 ERP 里的采购合同。
  3. n8n 自动向供应商发送采购邮件，附带 Java 系统生成的订单 PDF。
  4. 供应商回复“已发货”邮件后，n8n 提取邮件中的物流单号，通过 Java API 更新门店系统的“预计到货状态”。

场景 4：门店环境的“策略中心”（n8n 决策，Java 执行）#

• 流程：
  1. n8n 定时获取天气 API（如：今天最高气温 35℃）。
  2. n8n 根据策略判断：如果温度 > 30℃，调用 Java 后端的 IoT 控制接口，提前将店内空调调低 2 度。
  3. n8n 结合“店内当前人数”（由 Java 后端提供数据），动态调整店内背景音乐的音量或灯光亮度。

场景 5：复杂的对账与财务报表#

• 流程：
  1. Java 后端只负责记录原始流水。
  2. n8n 每月 1 号提取 Java 数据库中的流水、支付宝/微信支付导出的对账单。
  3. n8n 在工作流中进行比对，标记差异项。
  4. n8n 将最终生成的 Excel 表格上传到企业网盘，并生成一张财务总结图片发到老板微信。