当前位置：首页 > news >正文

n8n 工作流自动化工具, 幷与 Al Agent 进行集成工作流

news 2025/4/30 6:44:16

n8n 工作流自动化工具, 幷与 Al Agent 进行集成工作流

文章目录

- n8n 工作流自动化工具, 幷与 Al Agent 进行集成工作流
- - n8n介绍
  - - 什么是 n8n ？
    - 为什么需要n8n?
    - n8n部署运行
  - n8n使用
  - - n8n中的节点
    - 第一个节点：触发节点
  - 在案例中学习！
  - - 第一个节点：手动触发
    - 第二个节点采用RSS Read
    - 第三个节点limit，
    - 第四个节点Markdown
    - 第五个节点AI Agent节点
    - - AI Agent 聊天模型
      - AI Agent 记忆
      - AI Agent 工具
      - AI Agent 输出格式
      - AI Agent Options
    - 第六个节点 Notion
    - 第七个节点Edit Fields
    - 第八个节点Convert to File
  - 使用 n8n，没有什么是不能自动化的

n8n介绍

什么是 n8n ？

强大的开源工作流自动化平台，结合了无代码的便捷性和代码的灵活性，让你能够构建从简单到复杂的各种自动化流程（本质上就是大语言模型的脚手架）

可以互联的流程包括 Gighub、Google、RSS、Slack、Telegram、Gitlab、Redist、RabbitMq、数据库等上百种服务，使用n8n可以方便的实现当A条件发生，触发B服务这样的自动工作流程。最重要的还是自动化，毕竟程序员就是懒，每一个程序都是为了手工工作少一点，让计算机代替自己干活。

n8n 有几个突出优势：

完全可自托管，数据掌握在自己手中 - 400+ 集成，
覆盖几乎所有主流服务 - 内置 AI 能力，
支持 LangChain 和自定义模型 - 公平代码许可，核心功能完全免费

其他特点

局限性，它不适合用来处理大规模并发请求，更适合一些离线任务和复杂的串行任务，有点像流水线
实际使用n8n的时候需要牵扯很多第三方服务（Google Cloud），它们本身就很复杂，而我们其实只需要一小部分，所以很多时候会出现，虽然我不完全理解它，但是既然work了就先下一步吧
不适合对外提供，更适合小团队或者个人工具，因为对个人来说较差的稳定性以及可维护是可以接收的，并且日志也不完善

以下是几个n8n的例子
·每天都会逛某几个固定的网站。

·n8n可以搜集这几个网站并把今天更新的数据合并到一块，自动的发送给你的邮箱或者某个机器人（程序员每天只需要看一个机器人的消息就够了）

·每天上班第一件事情需要先查看是否有未处理的代码合并请求。

·可以让n8n连接gitlab/github检查是否有代码合并请求，有则使用聊天机器人自动通知审查团队。（相当于一个监听任务，为了让程序员无需不断的去看gitlab网站，只需要等着机器人主动给自己发消息就行）

·出于工作需要，经常需要从数据库导出数据到excel并邮件给其他人，这个任务不足以做到系统功能中。

·使用n8n连接数据库、excel、.邮件服务，将其自动化。（用代码也能实现，如果单独部署一个服务一套下来麻烦，使用n8n又快又方便）

为什么需要n8n?

以下是它的优点

可视化界面完成你的工作、无需编写代码（简化工作）

集成服务多，支持多种应用程序、服务、数据库、api、文件存储等（就是可玩性高，功能多）

每个节点可根据自己需求创建（灵活、听话）

开源和自托管（开源了，本地部署，放自己服务器数据更安全也更有隐私感）

社区丰富（功能永远不嫌多，社区会有大佬不断更新新功能、也可以请求别人帮助自己）

扩展性（就算功能还是不够用，可以使用node.js或者python自己写节点功能，动手党）

引用https://n8n.akashio.com/about

就是分析AI产品和AI API的区别

AI 产品（如 ChatGPT、豆包） - 是一个被厂商在手里塞满了固定工具的人，它除了对话和思考，还可以使用厂商规定的功能帮你完成一些任务。但由于成本和安全的限制，一般厂商会在它的思考能力、输出能力和能使用什么工具上有所限制。

AI API - 是一个手中没有任何工具的人，你除了和它对话和思考（使用它脑内的知识），它无法帮你做任何其它的事情。但是，你可以将一些自己需要的工具（比如 Excel、Notion）放到它的手上，这个时候它就能按照你的要求行动。

实际用时，ChatGPT可以阅读pdf文档，但不能超过10万字（受限OpenAI的成本），但是GPT-4o无法直接读取PDF，但当你搭建好一个工作流让它能够读取 PDF 的时候，它就能阅读 100 万字的 PDF，但成本是由你来承担的。

也就是说：为了让AI发挥它最大的作用，我们最好使用API的方式使用AI，同时需要给它发放合适的工具，此时就是n8n出现了

对于我们来说，n8n 的工作流可能只是帮助我们节省了一些时间，而对于 AI 来说，n8n 则像是打开了与赛博世界中其他任何东西互动的通道。

对 AI 来说，它没有办法使用鼠标，所以它需要一个 OpenFile 函数来打开文件；它没有眼睛，所以需要一个 EditFields 的函数来查找需要修改的单元格；最后它还需要一个 SaveFile 的函数来把修改完的文件保存回硬盘。
在不同的编程语言中，这些函数有不同的名字，但在 n8n 里，所有的这些都变成了可视化的节点：
AI 如何介入这个流程呢？我们只需要在中间加入一个 AI 节点：
如此一来，我们就实现了让 AI 能够读到 Excel 文件里的数据，对数据进行修改，然后再写回本地这样一个流程了。
可以用 n8n 让 AI 与超过 1000 种节点沟通，

n8n部署运行

开源，部署简单直接https://github.com/n8n-io/n8n

立即尝试使用 npx 的 n8n（需要 Node.js）：

npx n8n

或者使用Docker:

docker volume create n8n_data
docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n

Access the editor at http://localhost:5678

但是大概率会拉不动，我配了代理也没用。。Unable to find image ‘docker.n8n.io/n8nio/n8n:latest’ locally

解决办法

# 使用Docker 拉取命令
docker pull swr.cn-east-3.myhuaweicloud.com/kubesre/docker.n8n.io/n8nio/n8n:latest
# 给这个镜像打上标签，在后续就可以直接使用新名字作为镜像了（所以这一步可走可不走）
docker tag swr.cn-east-3.myhuaweicloud.com/kubesre/docker.n8n.io/n8nio/n8n:latest docker.n8n.io/n8nio/n8n:latest
# 然后启动
# 或者直接执行如下命令
docker run -d --name n8n -p 5678:5678 swr.cn-east-3.myhuaweicloud.com/kubesre/docker.n8n.io/n8nio/n8n:latest# 使用Containerd 拉取命令
ctr images pull swr.cn-east-3.myhuaweicloud.com/kubesre/docker.n8n.io/n8nio/n8n:latest
ctr images tag swr.cn-east-3.myhuaweicloud.com/kubesre/docker.n8n.io/n8nio/n8n:latest docker.n8n.io/n8nio/n8n:latest# 当你想要使用Docker Compose 来简化容器管理，创建了一个docker-compose.yml文件，可以使用Shell 快速替换命令
# 将这个.yml文件中的字符串docker.n8n.io/n8nio/n8n:latest全部替换为swr.cn-east- 3.myhuaweicloud.com/kubesre/docker.n8n.io/n8nio/n8n:latest,
# 之后就可以直接使用docker-compose up -d来启动这个容器了sed -i s#docker.n8n.io/n8nio/n8n:latest#swr.cn-east-3.myhuaweicloud.com/kubesre/docker.n8n.io/n8nio/n8n:latest#g 你的文件名

之后运行成功就可以在5678段口看到你的n8n容器了

我的虚拟机在、192.168.80.139，如果想在windows电脑上通过ip去访问这个n8n容器的话，是不安全的，默认是设置为使用安全cookie

所以需要你在容器中设置TLS/HTTPS，或本地，另一个不推荐的解决办法是将环境变量设置为 -e N8N_SECURE_COOKIE=false

docker stop n8n
docker rm n8n
docker run -d --name n8n -p 5678:5678 \-e N8N_SECURE_COOKIE=false \swr.cn-east-3.myhuaweicloud.com/kubesre/docker.n8n.io/n8nio/n8n:latest

注册账号后登录好就长这个样子了

也可以在官网的云平台可以快速开始，

https://docs.n8n.io/try-it-out/quickstart/?_gl=1

然后再选择在n8n cloud上进行快速开始

在这里就可以操作自己的工作流了

n8n使用

n8n中的节点

进行简单介绍，具体的使用中的知识会在案例中详谈！

在页面的右侧的Open nodes panel中有·所有的节点，也支持模糊查询，找自己想要的节点（可以通过点右边的➕打开，也可以Tab键打开）

每个节点（Node）是工作流的基本构建单元，每个节点负责执行特定任务，即数据流转的过程在一个个节点中穿过，每个节点对这段数据进行操作、更改等然后再传递给下一个节点。

节点接收上游输入 → 处理 → 输出给下游节点
数据以 JSON 格式 在节点间传递

节点分很多种类、人工智能、第三方程序应用、数据转换（时间转换、限制合并等）等（具体节点怎么使用等下看案例！）

节点是属于开放式的，既可以使用现有的节点，也可以使用第三方应用的节点（其他app比如facebook类似的）

此外如果你认为官方的节点还是不够用，官方提供了code节点，搜索框搜索code即可，然后可以使用node.js或者说python.py通过ai智能自己写一个节点使用（就是自己写脚本了）

另一个很厉害的是n8n提供了社区，因为它是开源项目，有很多人撰写了自己的节点，然后上传到社区中，我们是可以直接拿来用

在这里，一些小众需求，也就是官方没有开发的，我们就可以直接拿来用

https://community.n8n.io/

在n8n中的AI Agent是可定义自己的api的，其本身的服务器是国外的如果是在官方云服务器上使用国外服务都不需要做转发，相对更安全一点

第一个节点：触发节点

一般第一个节点都是触发节点，触发选择有很多，有特点可供自己选择

手动触发（在当前页面点击触发这个工作流）
应用内时间（监听GitHub 的新提交、Slack 的新消息等。）
按计划（配置每天的几点触发、或者每隔几分钟触发，定时任务）
Webhook调用（监听一个url，只有有人给这个url发请求，就触发这个工作流）
提交表单时（监听这个表单的变化）
由另一个工作流执行时（由另一个工作流调用）
聊天消息（监听聊天应用）
其他方式（在工作流错误、文件更改问题上运行）

在案例中学习！

接下来做一个自动同步指定ai咨询网站的信息通过rss节点同步过来转换成md格式，然后信息丢给ai，总结之后发给某个地方，然后总结到表格供我下载

第一个节点：手动触发

这里测试直接使用手动触发

https://www.brmys.ac.cn/f9498209-fa76-4b7e-9471-2c66dfde0326

第二个节点采用RSS Read

RSS简单介绍

使用RSS阅读器，用户只需添加订阅链接，阅读器会自动抓取支持RSS的文章内容。

比如网站A提供了RSS订阅服务，就可以通过RSS阅读器拿到这个网站A的文章内容

这里是使用了aibase的的AI新闻资讯的最新新闻的rss链接（具体这个链接的获得需要下载插件来得到这个网页的rss链接）

rss不是本篇的重点，所以仅需了解它有什么功能就够了

需要url即你要聚合网站的rss链接

n8n节点是支持多线运行的，可以一对多，也可以多对一，

第三个节点limit，

就是每个节点的入参都是上一个节点的出参，RSS阅读出参了10条消息，这里不想要十条，使用limit可以进行删减

另外支持pin功能，将节点钉住，这样后续的数据就锁住了，不会重复从触发整个流程，避免ip被污染或者说拉取次数过多被拉入黑名单

第四个节点Markdown

作用是前面拉取的rss阅读中的内容是html内容，有标签也有属性，我需要给它转换成markdown格式

具体的选择模式HTML to Markdown模式，然后在INPUT中将你想要操作的内容拉过来（鼠标左键点住content然后话到fx的操作框松手就可）之后通过Test step就可以看到结果

下方还有一个Destination Key 意思就是Markdown解析后的数据放到哪里，再右边的输出狂往下滑就会看到有一个data字段，存储的就是这段转换后的数据

第五个节点AI Agent节点

先搜索AI Agent 搜搜这个节点放到工作流中将其与上一个节点做链接

可以看到下面有四条子链、分别连接语言模型、记忆 、外部工具 （1对多）、 输出格式，其中输出格式是要在AI 代理设置需要特定的输出格式才会显示第四条线的

聊天模型：就是引入大模型去处理的你的输入以及输出

记忆：使AI Agent能够存储和回忆用户的上下文信息、比如跟踪用户偏好、历史信息等作用

外部工具：用户可以根据需要选择不同的工具，对数据进行处理，构建更复杂的自动化流程。

输出格式：简单理解为将这个AI Agent的结果转换一下特定的输出格式

AI Agent 聊天模型

连接第一条线：聊天模型

聊天模型大家就不陌生了，deepseek、chatgpt等都是可以接入，接入的时候配置一下密钥就行

不会有人问为什么要密钥吧？（大模型接口也不是谁都能调用的，密钥是你的账号密钥，有了密钥才能识别调用这个大模型接口的人是谁，你在人家大模型充了钱人家才能让你调用牛逼的大模型，不然只能用最low的模型接口。）

这里还有一个n8n的优点就是这个密钥的配置可以直接点击上方的Open docs可以打开n8n给你写好的文档，在这个文档中会详细说介绍你要怎么获取这个密钥，具体可以点进去看，进去就翻译成中文然后跟着操作拿到这个大模型的密钥了。

配置好之后模型就不用操作了，只需要把这个模型连接上AI Agent就行了，这个时候看其他的

使用自己的一句话，加上鼠标左键拉取想要的字段拉过去就行（可以理解为把这段信息发送给你配置的聊天模型，让它做处理了）

AI Agent 记忆

记忆，因为我这次工作流无需记忆，我只写一个简单介绍，比如用户的输入就一个内容content，Context Window Length=5

例子

第5轮 (最新)
用户：我的检查报告出来了，能帮我看下吗？
AI：请提供报告中的关键数值（如HDL、LDL等）。第4轮
用户：最近总是头晕，血压140/90
AI：建议监测晨起和睡前血压，避免高盐饮食。第3轮
用户：我有青霉素过敏史
AI：已记录过敏史，后续用药会避开β-内酰胺类抗生素。第2轮
用户：预约了清华长庚医院心血管科
AI：需要帮您查询该科室的候诊人数吗？第1轮 (最早，即将被遗忘)
用户：我的医保卡号是京A12345
AI：医保信息已关联，就诊时可自动结算。🔄 窗口滚动机制
当用户发起第6轮新对话时：第1轮（医保卡信息）会被移出上下文
窗口保持最新5轮对话（第2-6轮）
🎯 实际效果
若用户此时问："需要做哪些检查？"
AI会结合：已知的头晕症状（第4轮）
高血压数据（第4轮）
心血管科预约（第2轮）
→ 优先推荐动态血压监测+血脂检测

AI Agent 工具

可以有很多工具，比如代码工具（自己编写代码操作输出内容）HTTP请求工具（可以发送一个请求获取天气等来配合前面的大模型做数据处理）还可以接入MCP Serve工具

这里是一个AI Agent的整个流程例子助你理解

示例场景
用户输入：“我明天要去北京，天气怎么样？顺便帮我查一下明天的会议安排。”工作流程
用户输入用户通过聊天界面输入：“我明天要去北京，天气怎么样？顺便帮我查一下明天的会议安排。”
语言模型处理：AI Agent 接收用户输入，并将其传递给语言模型（如 GPT）。
意图识别：
识别出两个主要意图：查询天气和查询会议安排。
生成初步响应框架，例如：“让我为您查询明天在北京的天气和会议安排。”
记忆存储上下文：
AI Agent 查询记忆模块，检查是否有关于用户的上下文信息，比如用户的常用城市、会议安排或之前的对话历史。
如果没有相关记忆，AI Agent 可能会询问用户：“请问您之前的会议安排是什么？”并将用户的回答存储在记忆中，以便未来使用。
更新记忆：将用户的出行信息（去北京）及查询的时间（明天）存储在记忆中，方便后续的对话使用。
外部工具（1对多）调用天气 API：
AI Agent 确定需要通过外部工具查询天气信息。
发送请求到天气 API（如 OpenWeatherMap），包含城市（北京）和日期（明天）。
调用日历 API：
同时，AI Agent 会查询日历 API（如 Google Calendar）以获取用户的会议安排。
发送请求，查询用户在明天的所有会议事件。
接收响应：
天气 API 返回明天的天气数据，如温度、湿度、天气状况等。
日历 API 返回用户的会议安排，可能包含时间、地点和会议主题。
输出格式格式化响应：
AI Agent 将天气数据和会议安排进行处理，并生成用户友好的响应。
例如：复制
明天在北京的天气是晴天，气温在20°C到25°C之间。
您的会议安排是：上午10点与团队会议，地点在会议室A；下午2点与客户的电话会议。
返回结果：将格式化后的响应发送回用户界面。