n8n 深度研究笔记（电子书素材）

> 研究日期：2026-04-05 > 研究目的：为 JR Academy n8n 中文电子书提供素材基础 > 来源：n8n 官方文档、GitHub、多个技术博客、社区资源

---

本文件为完整研究笔记，涵盖8个研究方向的关键发现。

---

一、n8n 是什么

核心定位

n8n 是一个工作流自动化平台，采用"公平代码"（fair-code）许可证。它将 AI 能力与业务流程自动化结合，目标是让开发者和非技术人员都能构建复杂的自动化流程。

官方定位（来源：n8n.io）： > "n8n is a developer-friendly workflow automation platform that combines the speed of no-code with the power and control of full-code orchestration along with AI native capabilities."

许可证说明

n8n 使用公平代码（fair-code）许可证，源代码公开可在自己基础设施上部署，但有使用限制：

• 社区版：完全免费，可自托管，无执行次数限制、无工作流数量限制
• 企业版：需要商业许可，适合大型组织

市场地位（2026年数据）

• 超过 9,000 个社区 workflow 模板
• 1,000+ 原生集成（另有 HTTP 节点可连任意 REST API）
• GitHub star 数量超过 50k
• 被 Delivery Hero、StepStone 等大型企业采用

Delivery Hero 案例（官方 case study）：通过 n8n 自动化 IT 运营工作流，每月节省 200+ 小时工作量。

StepStone 案例（官方 case study）：全公司运行 200+ 关键业务工作流，集成新数据源速度提升 25 倍，原来需要两周的工程工作缩短到几小时。

---

二、安装方式

方式1：Docker（官方推荐）

官方推荐 Docker，原因：隔离环境、避免系统依赖冲突、数据库管理更简单、升级更方便。

最简单的 Docker 启动命令：

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

访问：http://localhost:5678

带持久化数据的 Docker 命令：

docker volume create n8n_data
docker run -d \
  --name n8n \
  --restart unless-stopped \
  -p 5678:5678 \
  -v n8n_data:/home/node/.n8n \
  -e N8N_ENCRYPTION_KEY=your-encryption-key \
  docker.n8n.io/n8nio/n8n

方式2：Docker Compose（生产环境推荐）

官方仓库 n8n-io/n8n-hosting 提供标准配置，以下为含 PostgreSQL 的推荐生产配置：

项目结构：

n8n-compose/
├── docker-compose.yml
├── .env
└── local-files/      # 用于 n8n 与宿主机共享文件

docker-compose.yml 核心结构（来源：github.com/n8n-io/n8n-hosting）：

version: "3.8"
services:
  postgres:
    image: postgres:16
    restart: always
    environment:
      POSTGRES_USER: ${POSTGRES_USER}
      POSTGRES_PASSWORD: ${POSTGRES_PASSWORD}
      POSTGRES_DB: ${POSTGRES_DB}
    volumes:
      - db_storage:/var/lib/postgresql/data
    healthcheck:
      test: ["CMD-SHELL", "pg_isready -h localhost -U ${POSTGRES_USER} -d ${POSTGRES_DB}"]
      interval: 5s
      timeout: 5s
      retries: 10
  n8n:
    image: docker.n8n.io/n8nio/n8n:${N8N_VERSION}
    restart: unless-stopped
    ports:
      - "5678:5678"
    environment:
      DB_TYPE: postgresdb
      DB_POSTGRESDB_HOST: postgres
      DB_POSTGRESDB_PORT: 5432
      DB_POSTGRESDB_DATABASE: ${POSTGRES_DB}
      DB_POSTGRESDB_USER: ${POSTGRES_USER}
      DB_POSTGRESDB_PASSWORD: ${POSTGRES_PASSWORD}
      N8N_ENCRYPTION_KEY: ${N8N_ENCRYPTION_KEY}
      N8N_HOST: ${N8N_HOST}
      N8N_PORT: 5678
      N8N_PROTOCOL: https
      WEBHOOK_URL: ${WEBHOOK_URL}
      GENERIC_TIMEZONE: Asia/Shanghai
    volumes:
      - n8n_storage:/home/node/.n8n
      - ./local-files:/files
    depends_on:
      postgres:
        condition: service_healthy
volumes:
  db_storage:
  n8n_storage:

对应 .env 文件示例：

N8N_VERSION=latest
POSTGRES_USER=n8n
POSTGRES_PASSWORD=your_strong_password
POSTGRES_DB=n8n
N8N_ENCRYPTION_KEY=your_encryption_key_min_16_chars
N8N_HOST=your-domain.com
WEBHOOK_URL=https://your-domain.com/

启动命令：

docker compose up -d

升级命令：

docker pull docker.n8n.io/n8nio/n8n
docker compose up -d

方式3：npm 安装

系统要求： Node.js 18.x、20.x 或 22.x

# 全局安装
npm install -g n8n
启动
n8n start
更新
npm update -g n8n
或
npm install -g n8n@latest

访问：http://localhost:5678

方式4：n8n Cloud（托管服务）

• 官网：https://app.n8n.cloud
• 注册后可免费试用 14 天
• 无需自己维护服务器

注册步骤： 1. 访问 https://n8n.io/pricing/ 2. 点击 "Start free trial" 3. 填写邮箱和密码注册 4. 验证邮箱 5. 开始创建 workflow

重要环境变量参考（来源：docs.n8n.io）

| 变量名 | 作用 | 示例值 | |--------|------|--------| | N8N_ENCRYPTION_KEY | 加密数据库中的凭证 | 随机16位以上字符串 | | N8N_HOST | n8n 实例域名 | n8n.example.com | | N8N_PORT | 端口号 | 5678 | | N8N_PROTOCOL | 协议 | https | | WEBHOOK_URL | Webhook 公开 URL | https://n8n.example.com/ | | GENERIC_TIMEZONE | 时区设置 | Asia/Shanghai | | DB_TYPE | 数据库类型 | postgresdb 或 sqlite | | N8N_PAYLOAD_SIZE_MAX | 最大 Payload 大小（MB） | 16（默认） |

数据库建议：

• 本地测试：默认 SQLite，无需配置
• 生产环境：必须切换到 PostgreSQL

---

三、核心概念

3.1 Workflow（工作流）

一个 Workflow 是一组相互连接的节点，定义了数据如何在节点之间流动和处理。

关键特性：

• 每个 workflow 有唯一的 ID
• 有 Active（激活）和 Inactive（未激活）两种状态
• 激活后 Trigger 节点开始监听事件
• 可以手动触发、定时触发或通过事件触发

操作方式：

• 保存（Ctrl+S）
• 激活（右上角 toggle 开关）
• 手动执行（点击 "Execute Workflow"）

3.2 Node（节点）

Node 是 workflow 的基本构建单元，每个 node 执行一个特定操作。

节点类型分类：

| 类型 | 说明 | 例子 | |------|------|------| | Trigger 节点 | 启动 workflow | Webhook、Schedule、Gmail Trigger | | Action 节点 | 执行操作 | 发邮件、写数据库、调 API | | Core 节点 | 控制流程 | If、Switch、Loop、Merge | | AI 节点 | AI 相关操作 | AI Agent、OpenAI、Claude | | Transform 节点 | 处理数据 | Code、Set、Function |

节点操作：

• 按 N 打开节点搜索面板
• 点击节点间的 + 号添加下一个节点
• 双击节点打开配置面板
• 节点右上角有执行状态指示器（绿色=成功，红色=失败）

3.3 Trigger（触发器）

Trigger 是特殊类型的节点，是每个 workflow 的起始点，负责监听事件并启动执行。

常见 Trigger 类型：

1. Webhook Trigger — 接收 HTTP 请求 - 生成唯一 URL（如 https://your-n8n.com/webhook/abc123） - 支持 GET、POST、PUT、DELETE 等方法 - 可设置身份验证（Basic Auth、Header Auth、JWT）

2. Schedule Trigger — 定时执行 - 支持固定间隔（每X分钟/小时/天） - 支持 Cron 表达式（如 0 9 1-5 = 周一到周五早9点） - 使用 crontab.guru 可视化生成 cron 表达式

3. Email Trigger（IMAP） — 收到邮件时触发 4. Chat Trigger — AI 对话触发（用于 AI Agent） 5. Manual Trigger — 手动点击执行

Cron 表达式格式（n8n 使用6位，含秒）：

秒 分 时 日 月 星期
0  9      *   (每天09:00)
0  0  9      1-5 (周一到周五09:00)
/5    *     (每5分钟)

3.4 Credential（凭证）

Credential 是 n8n 安全存储第三方服务认证信息的机制。

特点：

• 加密存储（使用 N8N_ENCRYPTION_KEY 加密）
• 创建一次，多个 workflow 复用
• 支持 API Key、OAuth2、基础认证等多种类型

添加 Credential 步骤： 1. 点击节点配置面板中的 "Credential" 下拉框 2. 选择 "Create New Credential" 3. 填写认证信息（如 API Key） 4. 保存后可在所有 workflow 中使用

3.5 Execution（执行）

Execution 是 workflow 运行一次的完整记录。

包含信息：

• 执行时间和状态（成功/失败/等待中）
• 每个节点的输入数据和输出数据
• 错误信息（如有）
• 执行耗时

查看方式：

• 左侧菜单 "Executions" 查看历史记录
• 当前 workflow 界面右上角查看最近执行
• 点击具体执行可查看每个节点的数据流

3.6 数据结构

n8n 内部数据格式为 JSON 数组，每个 item 代表一条记录：

[
  {
    "json": {
      "name": "张三",
      "email": "zhangsan@example.com",
      "score": 95
    }
  },
  {
    "json": {
      "name": "李四",
      "email": "lisi@example.com",
      "score": 87
    }
  }
]

大多数节点对每个 item 单独处理（"For Each Item" 模式）。

---

四、5个最常用 Workflow 案例

案例1：自动化邮件处理 + 任务创建

场景： 收到客户邮件 → AI 分析内容 → 在 Notion/Jira 创建任务

节点流程：

Gmail Trigger → OpenAI (分类/摘要) → If (判断优先级) → Notion (创建任务)
                                                       → Slack (高优先级通知)

实现步骤： 1. 添加 Gmail Trigger 节点 - 配置 Gmail OAuth2 凭证 - 设置触发条件：New Email - 可设置过滤器（只处理某个标签下的邮件）

2. 添加 OpenAI 节点 - 操作：Message a Model - 模型：gpt-4o - Prompt：分析以下邮件，输出JSON格式：{category: 类别, priority: 优先级(high/medium/low), summary: 摘要(50字以内)} - 输入：{{ $json.text }}（邮件正文）

3. 添加 Code 节点（解析 JSON 响应）

const response = JSON.parse($json.choices[0].message.content);
   return { json: { ...response, emailId: $("Gmail Trigger").item.json.id } };

4. 添加 If 节点 - 条件：{{ $json.priority }} equals high

5. True 分支：Notion 节点（创建数据库记录） 6. 同时：Slack 节点（发送高优先级通知）

---

案例2：表单提交 → CRM 录入 + 自动回复

场景： 网站表单提交 → 存入 HubSpot → 发送欢迎邮件

节点流程：

Webhook → HubSpot (创建/更新 Contact) → Gmail (发送欢迎邮件) → Google Sheets (备份记录)

实现步骤： 1. Webhook 节点 - HTTP 方法：POST - 复制 webhook URL 填入网站表单的 action - 响应模式：设为 "Respond to Webhook"（立即返回200）

2. HubSpot 节点 - 操作：Create or Update Contact - Email：{{ $json.body.email }} - First Name：{{ $json.body.name }} - 自定义字段可以通过 "Additional Fields" 添加

3. Gmail 节点 - 操作：Send Email - To：{{ $json.body.email }} - Subject：欢迎加入 JR Academy！ - Body：使用 HTML 模板（可用 {{ $json.body.name }} 插入姓名）

4. Google Sheets 节点 - 操作：Append Row - 将所有字段追加到备份表格

---

案例3：定时抓取数据 + 报告生成

场景： 每天早上9点抓取竞品价格/社交媒体数据 → 生成报告 → 发送邮件

节点流程：

Schedule Trigger → HTTP Request (抓取数据) → Code (处理数据) → OpenAI (生成报告) → Gmail (发报告)

实现步骤： 1. Schedule Trigger 节点 - Trigger Interval：Days - Days Between Triggers：1 - Trigger at Hour：9am - Trigger at Minute：0

2. HTTP Request 节点 - 方法：GET - URL：目标 API 或网页 - 如需认证：在 Header Parameters 添加 Authorization: Bearer xxx

3. Code 节点（数据处理）

// 处理所有数据，返回摘要
   const items = $input.all();
   const data = items.map(item => item.json);
   
   const summary = {
     total: data.length,
     avgPrice: data.reduce((sum, d) => sum + d.price, 0) / data.length,
     date: new Date().toLocaleDateString('zh-CN')
   };
   
   return [{ json: summary }];

4. OpenAI 节点 - 输入摘要数据，生成中文报告

5. Gmail 节点发送报告

---

案例4：AI 客服自动回复

场景： Telegram/WhatsApp 消息 → AI 分析 → 自动回复（有历史记忆）

节点流程：

Telegram Trigger → AI Agent [OpenAI + Memory Buffer + Tools] → Telegram (回复)

实现步骤： 1. Telegram Trigger 节点 - 配置 Bot Token（从 @BotFather 获取） - 触发：Message

2. AI Agent 节点（核心） - Chat Model：连接 OpenAI Chat Model 子节点 - Memory：连接 Window Buffer Memory 子节点（记住最近N条对话） - System Prompt：定义 AI 角色和回复规范

3. OpenAI Chat Model 子节点（连接到 AI Agent） - 选择已有 OpenAI 凭证 - 模型：gpt-4o-mini（成本低，适合客服） - Temperature：0.7

4. Window Buffer Memory 子节点 - 设置 Context Window Length（建议 10） - 自动按 session ID 隔离不同用户的对话历史

5. Telegram 节点（回复） - 操作：Send Message - Chat ID：{{ $("Telegram Trigger").item.json.message.chat.id }} - Text：{{ $json.output }}（AI 的回答）

---

案例5：GitHub → Slack 发布通知

场景： GitHub 有新的 PR merged → 发送 Slack 通知

节点流程：

Webhook (GitHub) → If (检查事件类型) → Slack (发送通知)

实现步骤： 1. Webhook 节点 - 复制 URL，到 GitHub repo → Settings → Webhooks → Add webhook - Content type：application/json - 选择触发事件：Pull requests

2. If 节点 - 条件：{{ $json.body.action }} equals closed - AND：{{ $json.body.pull_request.merged }} equals true

3. Slack 节点（True 分支） - 操作：Send Message - Channel：#deployments - Message：

:rocket: PR Merged!
     {{ $json.body.pull_request.title }}
     作者：{{ $json.body.pull_request.user.login }}
     链接：{{ $json.body.pull_request.html_url }}

---

五、AI Agent 节点详解

5.1 AI Agent 节点架构（来源：docs.n8n.io）

n8n 的 AI 功能基于 LangChain JavaScript 框架构建，包含70+ AI 节点。

AI Agent 工作流的4个必要组件：

1. Trigger 节点 — 启动执行（Chat Trigger 最常用于 AI Agent） 2. AI Agent 节点 — 核心编排层，使用 LangChain 推理引擎 3. Sub-nodes（子节点） — 连接到 AI Agent，提供具体能力： - Language Model（语言模型）：必需，提供 AI 能力 - Memory（记忆）：可选，保持对话历史 - Tool（工具）：可选，让 AI 可以调用外部服务 4. Output 节点 — 处理 AI 回应并路由到下游

5.2 接入 OpenAI

步骤1：创建 OpenAI Credential 1. 在 n8n 左侧菜单 → Credentials → Add Credential 2. 搜索 "OpenAI" 3. 填写 API Key（从 platform.openai.com → Settings → API Keys 获取） 4. 保存凭证

注意事项（来源：社区文档）：

• API Key 必须包含 sk- 前缀
• 不要填写到 "Organization ID" 字段
• 确认 OpenAI 账号有余额（有效的支付方式）
• 保存后 n8n 会显示绿色验证成功提示

步骤2：添加 OpenAI Chat Model 子节点 1. 在 AI Agent 节点的 "Chat Model" 插槽，点击 + 2. 搜索 "OpenAI Chat Model" 3. 选择之前创建的 OpenAI Credential 4. 配置参数： - Model：gpt-4o（推荐），gpt-4o-mini（低成本），gpt-4-turbo - Temperature：0（确定性）到 1（创意性） - Max Tokens：可选，限制输出长度

5.3 接入 Claude（Anthropic）

步骤1：创建 Anthropic Credential 1. n8n Credentials → Add Credential → 搜索 "Anthropic" 2. 填写 API Key（从 console.anthropic.com 获取）

步骤2：添加 Anthropic Chat Model 子节点

• 模型选项：claude-3-5-sonnet-20241022（最新高性能），claude-3-haiku-20240307（最快最省钱）
• Claude 特别适合需要处理长文档的场景（200k token 上下文窗口）
• Claude 使用 XML 标签组织 prompt 效果最佳：

<instructions>你是一个专业的客服助手</instructions>
  <context>{{ $json.companyInfo }}</context>
  <user_message>{{ $json.chatInput }}</user_message>

5.4 Memory 节点

Window Buffer Memory（最常用）

• 保存最近 N 条对话
• 按 Session ID 自动区分不同用户
• 配置：Context Window Length（建议 10-20）

其他 Memory 类型：

• Redis Chat Memory（持久化，适合生产环境）
• Postgres Chat Memory（存入 PostgreSQL）
• Zep Memory（向量搜索记忆）

5.5 Tool 节点（给 AI 加"工具"）

Tool 节点让 AI Agent 可以调用外部服务，AI 自主决定何时调用哪个工具。

常用 Tool 节点：

• Calculator Tool — 数学计算
• HTTP Request Tool — 调用任意 REST API
• Wikipedia Tool — 搜索维基百科
• Google Calendar Tool — 读写日历
• Code Tool — 执行自定义 JavaScript

配置示例：给 AI Agent 添加天气查询工具 1. 在 AI Agent 节点的 "Tools" 插槽点击 + 2. 搜索 "HTTP Request Tool" 3. 配置： - Tool Name：get_weather（AI 通过这个名字决定调用） - Description：获取指定城市的天气信息，输入城市名称（很重要！AI 根据描述决定何时用） - Method：GET - URL：https://api.weather.com/...

5.6 AI Agent 实战：构建一个能查邮件的 AI 助手

workflow 结构：

Chat Trigger
  └── AI Agent
        ├── [Chat Model] OpenAI gpt-4o
        ├── [Memory] Window Buffer Memory
        └── [Tool] Gmail Tool (读取邮件)
        └── [Tool] Calculator Tool

System Prompt 示例：

你是 JR Academy 的智能助手。你可以：
1. 查询最新邮件并总结
2. 回答关于课程的问题
3. 进行简单计算
请用中文回答，保持简洁专业。

测试方法： 点击 canvas 底部的 "Chat" 按钮，打开测试对话窗口，直接输入问题测试。

---

六、进阶技巧

6.1 Code 节点

Code 节点允许在 workflow 中执行任意 JavaScript 代码，是 n8n 最灵活的节点。

两种运行模式：

模式1：Run Once for Each Item（默认）

• 对每个输入 item 独立执行一次代码
• 用 $json 访问当前 item 的数据
• 返回 return item 或修改后的数据

// 示例：给每条记录添加全名字段
const item = $json;
item.fullName = ${item.firstName} ${item.lastName};
item.processedAt = new Date().toISOString();
return item;

模式2：Run Once for All Items

• 所有 items 作为数组传入，代码只执行一次
• 用 $input.all() 获取所有 items
• 必须返回数组

// 示例：对所有数据进行统计
const items = $input.all();
const data = items.map(item => item.json);
const result = {
  total: data.length,
  sum: data.reduce((acc, d) => acc + (d.amount || 0), 0),
  average: data.reduce((acc, d) => acc + (d.amount || 0), 0) / data.length
};
return [{ json: result }];

表达式语法（在任意节点字段中使用）：

// 引用上一个节点的数据
{{ $json.fieldName }}
// 引用指定节点的数据
{{ $("节点名称").item.json.fieldName }}
// 字符串拼接
{{ "你好，" + $json.name + "！" }}
// 时间格式化
{{ $now.toFormat("yyyy-MM-dd") }}
// 条件表达式
{{ $json.score >= 60 ? "通过" : "未通过" }}

内置变量（来源：docs.n8n.io）：

| 变量 | 说明 | |------|------| | $json | 当前 item 的 JSON 数据 | | $input.all() | 所有 input items 数组 | | $("节点名").item.json | 指定节点的当前 item | | $("节点名").all() | 指定节点的所有 items | | $now | 当前时间（Luxon 对象） | | $env.变量名 | 环境变量 | | $workflow.id | 当前 workflow ID | | $execution.id | 当前执行 ID |

6.2 错误处理

方法1：节点级别的 Continue on Fail

• 在节点设置中开启 "Continue On Fail"
• 节点出错时不停止 workflow，继续执行后续节点
• 通过 Error Output 分支处理错误

方法2：全局 Error Workflow（推荐生产环境）

步骤： 1. 新建一个专用的 Error Handler workflow 2. 第一个节点选择 Error Trigger 3. 在 Error Trigger 后添加通知节点（Slack/邮件等） 4. 可以发送：workflow 名称、错误信息、执行 ID 等

Error Trigger → Slack (发送错误通知)
             → 可选：写入日志到 Google Sheets

在主 workflow 中关联：

• workflow 设置 → Error Workflow → 选择错误处理 workflow

Error Trigger 的数据格式：

{
  "workflow": {
    "id": "xxx",
    "name": "我的工作流"
  },
  "execution": {
    "id": "yyy",
    "url": "https://n8n.example.com/execution/yyy"
  },
  "error": {
    "message": "具体错误信息",
    "node": "出错的节点名"
  }
}

方法3：Retry on Fail 设置

• 在节点设置中开启 "Retry On Fail"
• Max Tries：最多重试次数（建议2-3次）
• Wait Between Tries（ms）：重试间隔
• 注意：仅当 "On Error" 设为 "Stop Workflow" 时，Retry 才会生效

6.3 Webhook 配置进阶

Webhook URL 格式：

• 测试 URL（开发用）：https://your-n8n.com/webhook-test/path
• 生产 URL（激活后）：https://your-n8n.com/webhook/path

身份验证类型： 1. None — 无验证（慎用） 2. Basic Auth — 用户名+密码 3. Header Auth — 在 Header 中传静态 token（如 X-API-Key: xxx） 4. JWT Auth — 验证签名的 JWT token

立即响应模式（推荐）：

处理耗时操作时，应立即返回 202 避免超时（n8n Cloud Webhook 超时限制：100秒）：

Webhook → Respond to Webhook (立即返回202) → [继续处理业务逻辑]

配置： 1. Webhook 节点 → Response Mode：选择 "Using 'Respond to Webhook' Node" 2. 添加 Respond to Webhook 节点 3. 在 Respond to Webhook 节点设置状态码和响应体

IP 白名单：

• 在 Webhook 节点设置中，可以填写允许的 IP 地址列表
• 其他 IP 的请求会收到 403 错误

6.4 Schedule Trigger 进阶

常用 Cron 表达式示例：

0 9   1-5     # 周一到周五每天上午9点
0 /2        # 每2小时
/15    *    # 每15分钟
0 8 1         # 每月1号上午8点
0 9,18   *    # 每天9点和18点

时区注意事项：

• n8n 默认使用系统时区
• 通过 GENERIC_TIMEZONE=Asia/Shanghai 设置为上海时区
• 也可在每个 workflow 的设置中单独指定时区

6.5 节点之间传递数据的技巧

// 合并多个节点的数据（在 Code 节点中）
const nodeA = $("HTTP Request").all();
const nodeB = $("Google Sheets").all();
const merged = nodeA.map((item, i) => ({
  json: {
    ...item.json,
    ...(nodeB[i] ? nodeB[i].json : {})
  }
}));
return merged;

使用 Merge 节点：

• 模式1：Merge by Index（按顺序合并）
• 模式2：Merge by Key（按某个字段匹配合并，类似 SQL JOIN）
• 模式3：Multiplex（笛卡尔积）

---

七、与其他工具对比

7.1 总体对比表（来源：多个独立评测，2026年数据）

| 维度 | n8n | Zapier | Make（前 Integromat） | |------|-----|--------|----------------------| | 开源 | 公平代码，可自托管 | 否，纯 SaaS | 否，纯 SaaS | | 集成数量 | ~1,000 原生 + 无限 HTTP | 8,000+ | 1,500+ | | 界面 | 节点式画布，技术感强 | 线性向导，最易上手 | 画布式，中等难度 | | 学习曲线 | 中等偏高（需要技术背景） | 低（无需技术） | 中等 | | 定价模式 | 按执行次数（自托管免费） | 按 Tasks 数量 | 按 Operations 数量 | | 免费方案 | 社区版自托管完全免费 | 有限免费层（100任务/月） | 有限免费层 | | AI 能力（2026） | 最强，70+ AI节点，原生 LangChain | Zapier Agents | Maia AI助手 | | 自托管 | 支持 | 不支持 | 不支持 | | 代码灵活性 | Code Node（全功能 JS） | 有限的代码步骤 | 有限的代码步骤 | | 错误处理 | 完善（Error Workflow） | 基础 | 中等 |

7.2 定价详细对比（2026年）

n8n Cloud 定价： | 计划 | 价格 | 执行次数 | 适用场景 | |------|------|----------|----------| | Starter | €24/月 | 2,500次/月 | 小团队入门 | | Pro | €60/月 | 10,000次/月 | 成长型团队 | | Business | €800/月 | 40,000次/月 | 大型组织 | | 社区版（自托管） | 免费 | 无限制 | 技术团队 |

重要更新（2026年3月）： n8n 移除了所有方案的活跃工作流数量限制，所有计划均支持无限工作流，只按执行次数计费。

Zapier 定价参考（2026年）：

• Free：100 Tasks/月
• Starter：$19.99/月，750 Tasks
• Professional：$49/月，2,000 Tasks
• Team：$69/月，2,000 Tasks（多成员）

Make 定价参考（2026年）：

• Free：1,000 Operations/月
• Core：$9/月，10,000 Operations
• Pro：$16/月，10,000 Operations（更多高级功能）

成本比较： n8n 自托管方案在中等到大型业务量下远比 Zapier 便宜。以每月运行 10,000 次执行为例，n8n 自托管仅需 VPS 费用（约 $5-20/月），Zapier 需要 $49+/月。

7.3 如何选择

选 n8n 当：

• 有一定技术背景（会用命令行、懂 JSON）
• 需要 AI Agent 深度集成
• 数据安全/合规要求高（需要自托管）
• 业务量大，需要控制成本
• 需要复杂的条件逻辑和自定义代码

选 Zapier 当：

• 完全非技术背景
• 需要连接冷门 SaaS 工具（Zapier 8000+ 集成覆盖最广）
• 团队成员不想碰任何技术
• 快速验证想法，不在乎成本

选 Make 当：

• 介于两者之间：想要可视化，又不满足于 Zapier 的简单
• 预算有限但不想自托管
• 欧洲团队（Make 是欧洲公司，GDPR 合规更好）

---

八、MCP / Claude 集成

8.1 n8n 原生 MCP 支持（官方）

n8n 官方提供了 MCP Server 功能，允许 AI 工具直接通过 MCP 协议与 n8n 通信。

官方文档地址： https://docs.n8n.io/advanced-ai/accessing-n8n-mcp-server/

该功能让 Claude Desktop、Claude Code、Cursor 等支持 MCP 的 AI 工具可以：

• 直接创建和编辑 n8n workflow
• 触发 workflow 执行并查看结果
• 查看执行历史和调试错误

8.2 n8n-MCP 开源项目（社区）

GitHub 地址： https://github.com/czlonkowski/n8n-mcp

这是一个第三方 MCP 服务器，作为 n8n 和 AI 助手之间的桥梁，提供：

• 1,396 个 n8n 节点的完整文档（812 核心 + 584 社区）
• 2,709 个 workflow 模板，100% 元数据覆盖
• 节点属性和操作的详细 schema

安装方式1：npx（最快）

# 前提：已安装 Node.js
npx n8n-mcp

在 Claude Desktop 中配置（macOS）： 编辑 ~/Library/Application Support/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "n8n-mcp": {
      "command": "npx",
      "args": ["n8n-mcp"],
      "env": {
        "MCP_MODE": "stdio",
        "LOG_LEVEL": "error",
        "DISABLE_CONSOLE_OUTPUT": "true"
      }
    }
  }
}

注意： MCP_MODE: "stdio" 是必需的，缺少会导致 JSON 解析错误。

安装方式2：Docker

docker pull ghcr.io/czlonkowski/n8n-mcp:latest

Claude Desktop Docker 配置：

{
  "mcpServers": {
    "n8n-mcp": {
      "command": "docker",
      "args": [
        "run", "-i", "--rm", "--init",
        "-e", "MCP_MODE=stdio",
        "-e", "LOG_LEVEL=error",
        "-e", "DISABLE_CONSOLE_OUTPUT=true",
        "ghcr.io/czlonkowski/n8n-mcp:latest"
      ]
    }
  }
}

连接本地 n8n 实例（可让 AI 直接操作 workflow）： 在 env 中添加：

"env": {
  "MCP_MODE": "stdio",
  "N8N_API_URL": "http://localhost:5678",
  "N8N_API_KEY": "从n8n设置中获取的API密钥"
}

本地 Docker 中的 n8n 用：http://host.docker.internal:5678

安装方式3：托管服务（dashboard.n8n-mcp.com）

• 无需安装，直接访问
• 免费层：每天 100 次工具调用
• 始终保持最新节点库

禁用遥测：

npx n8n-mcp telemetry disable

8.3 用 Claude Code + n8n-MCP 的工作流程

1. 启动 Claude Code，确保 n8n-MCP 已配置 2. 用自然语言描述需要的 workflow：

帮我创建一个 n8n workflow：
   每天早上9点运行，从 RSS feed 抓取最新文章，
   用 AI 摘要每篇文章，发送到 Slack #daily-news 频道

安全警告（来源：n8n-MCP README）： > 永远不要用 AI 工具直接编辑生产环境的 workflow！ > 始终先在测试环境验证，确认无误后再部署到生产。

8.4 n8n 与 Claude 直接集成（通过 API 节点）

无需 MCP，n8n 也可以通过 HTTP Request 节点直接调用 Claude API：

HTTP Request 节点配置：

• 方法：POST
• URL：https://api.anthropic.com/v1/messages
• Headers：

• Body（JSON）：

{
    "model": "claude-3-5-sonnet-20241022",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": "{{ $json.userMessage }}"
      }
    ]
  }

或者使用 n8n 原生 Anthropic 节点：

• 节点搜索中找 "Anthropic"
• 支持：Message Claude、Analyze Document 等操作
• 直接填写 API Key 即可，无需手动配置 HTTP headers

---

九、学习路径建议

新手路线（0 → 能独立搭建 workflow）

1. 第1天 — 安装 n8n（推荐 npm 本地安装）+ 熟悉界面 2. 第2-3天 — 跟着官方 "Build your first workflow" 教程（docs.n8n.io/try-it-out/） 3. 第1周 — 完成案例1-3（邮件处理、表单录入、定时任务） 4. 第2周 — 学习 AI Agent 节点，完成案例4（AI 客服） 5. 第3周 — Code 节点、错误处理、Webhook 进阶 6. 第4周 — 部署到 VPS（Docker Compose），连接生产数据库

推荐学习资源

官方资源（英文）：

• 官方文档：https://docs.n8n.io/
• 学习路径：https://docs.n8n.io/learning-path/
• 视频课程：https://docs.n8n.io/courses/level-one/
• Workflow 模板库：https://n8n.io/workflows/

中文资源：

• n8n 中文学习社区：https://n8n.akashio.com/
• GitHub 中文教程：https://github.com/eleven-h/n8n
• 知乎专栏：搜索"n8n 教程"

---

十、关键数据汇总（用于书中引用）

| 数据点 | 数据 | 来源 | |--------|------|------| | 社区 workflow 模板数量 | 9,000+ | n8n.io/workflows 2026年4月 | | 原生集成数量 | ~1,000 | 官方文档 | | Zapier 集成数量 | 8,000+ | Zapier 官网 | | Make 集成数量 | 1,500+ | Make 官网 | | n8n AI 节点数量 | 70+ | 官方文档 | | n8n-MCP 节点覆盖 | 1,396 | github.com/czlonkowski/n8n-mcp | | n8n-MCP Workflow 模板 | 2,709 | 同上 | | n8n Cloud Starter 价格 | €24/月 | n8n.io/pricing 2026年 | | n8n Cloud Pro 价格 | €60/月 | n8n.io/pricing 2026年 | | n8n Cloud Business 价格 | €800/月 | n8n.io/pricing 2026年 | | Webhook 超时限制（Cloud） | 100秒 | 官方文档 | | 最大 Payload 大小 | 16MB（可改） | 官方文档 | | 支持的 Node.js 版本 | 18.x, 20.x, 22.x | npm 安装文档 | | 推荐生产数据库 | PostgreSQL | 官方文档 |

---

十一、注意事项与常见误区

1. n8n 没有官方中文版 — 社区有汉化版但非官方支持，建议用英文版

2. 执行次数计算 — n8n Cloud 按"workflow 执行次数"计费，不是按节点步骤，与 Zapier 的 Tasks 概念不同

3. Webhook 测试 URL vs 生产 URL — 开发时用 Test URL，发布激活后才能用 Production URL

4. Code 节点版本 — n8n 使用 Node.js，代码在沙盒中执行，不能访问文件系统，不能使用需要安装的 npm 包（除非自托管并配置）

5. Credential 加密 — 一定要设置 N8N_ENCRYPTION_KEY，丢失后所有凭证都无法解密

6. AI Agent 的 Human-in-the-Loop — n8n 支持在 AI workflow 的任意节点插入人工审批节点（Wait 节点 + 审批通知），避免 AI 出错

7. 生产环境 SQLite 的风险 — SQLite 不支持并发，高并发场景会导致数据丢失，必须用 PostgreSQL