n8n Guide

n8n 最值得看的，不是“能不能自动化”，而是它把 automation、AI step、custom code 和 self-hosted control 放进了同一个 workflow 里。对很多需要 data privacy、内部系统集成或更复杂 branching logic 的团队，n8n 往往比纯 no-code automation tool 更有工程价值。

#n8n 适合什么场景

• 需要 self-hosted automation 的团队
• 需要把 internal API、database、webhook、LLM step 串起来
• 对数据隐私、权限和审计更敏感的场景
• 有技术成员，愿意为更强可控性接受更高一点的使用门槛

如果你想要的是“5 分钟连两个 SaaS 就跑起来”，Zapier 或 Make 可能更快；如果你要的是更深的流程控制和可扩展性，n8n 会更像长期方案。

#为什么很多技术团队会选 n8n

#Self-hosted

你可以把流程放在自己的 infra 上，这对内部数据和合规场景很重要。

#可扩展

除了现成 node，你还可以加 custom logic、JS code、HTTP request、database step。

#AI workflow 更自然

现在很多团队做的不是传统 automation，而是：

• webhook 触发
• 清洗数据
• 调 LLM 做分类 / 摘要 / 提取
• 再写回 CRM、Notion、Slack 或内部系统

n8n 在这类流程里很顺手。

按 n8n 当前官方文档，AI 已经不是附属插件，而是单独的能力层。现在更值得注意的是这些主线：

• AI workflows
• Chat Hub
• Custom agents
• Self-hosted AI Starter Kit

这意味着，n8n 现在已经不只是把几个 SaaS 串起来，而是在往“自动化 + AI orchestration”平台走。

#一个更实用的 n8n workflow 思路

1. 先把输入事件定义清楚
2. 再决定哪些步骤是 deterministic logic，哪些要交给 AI
3. 给每个关键节点加 logging、retry 和 error handling
4. 最后再考虑 scale 和 deployment

很多 workflow 失败，不是因为 node 不够，而是因为流程设计从第一步就没有考虑 idempotency、错误恢复和数据脏值。

#现在做 AI agent 工作流时更值得怎么想

不少人一提 n8n + AI，就直接开始搭一个巨大的 agent。
但按 n8n 官方 AI 教程和 Chat Hub 现在的产品结构，更稳的路径通常是：

1. 先做一个简单可验证的 AI workflow
2. 再决定哪些地方真的需要 agentic behavior
3. 最后再加 memory、tool calling、human-in-the-loop 或 chat interface

这样做的好处是，你先验证业务价值，再增加复杂性，而不是先把流程堆满“智能节点”。

#常见使用误区

#把每个流程都做得像巨型 spaghetti

流程能跑不代表可维护。长 workflow 最好拆成模块、子流程或清楚的责任分层。

#一上来就把 AI 塞进所有步骤

AI step 应该只用在 truly fuzzy 的环节，例如分类、抽取、重写、判断。能用规则解决的，优先用规则。

#没有 error path

真实环境里 webhook 会失败、API 会超时、模型会出错、字段会缺。没有错误分支的 automation 只是 demo。

#把队列和并发当成后面再说的事

如果 workflow 已经进到生产环境，n8n 官方当前的 queue mode、concurrency control 和 webhook processor 这些能力就不能再忽略。
很多自动化一开始能跑，后面一上量就乱，根因不是 node 不行，而是执行模型没设计好。

#self-hosted 不是一句“可私有化部署”就结束

这是很多文章会写得太轻的地方。
按 n8n 官方当前文档，如果你真的往生产自托管走，至少要开始理解：

• queue mode
• Redis
• Postgres
• workers 和 webhook processors
• execution concurrency

尤其 queue mode 下，官方明确建议用 Postgres 13+，而不是继续拿 SQLite 顶着跑。

#一个更现实的演进路径

如果你团队刚上手 n8n，更现实的顺序通常是：

1. 先在 cloud 或单机模式验证流程
2. 把成功的 workflow 模块化
3. 开始补日志、错误分支和 retry
4. 再评估 queue mode、自托管和 worker 扩展

这比一开始就把整套基础设施搭满更省力，也更不容易做出没人敢维护的系统。

#推荐延伸

• 和 Zapier 对比更容易看出定位差异
• 和 Make 对比能更清楚 visual automation vs engineering control

#Related pages

• Zapier guide
• Make guide

#官方资源

• AI intro tutorial：https://docs.n8n.io/advanced-ai/intro-tutorial/↗
• Chat Hub：https://docs.n8n.io/advanced-ai/chat-hub/↗
• Self-hosted AI Starter Kit：https://docs.n8n.io/hosting/starter-kits/ai-starter-kit/↗
• Queue mode：https://docs.n8n.io/hosting/scaling/queue-mode/↗
• Concurrency control：https://docs.n8n.io/hosting/scaling/concurrency-control/↗