Wishlist 0 ¥0.00

n8n入门指南:从基础到AI自动化工作流

引言:解锁AI工作流的无限可能

你是否觉得AI工作流复杂难懂?花费数小时仍无法掌握?想要定制提示词,却怎么也无法让AI正常运行?工作流的token消耗巨大,或者AI总是无法联网?别担心!这篇文章将带你深入浅出地了解 n8n,一个开源、低代码的自动化平台,助你轻松打造个人AI助手。

我是HC,这篇文章是 n8n入门系列 的第一集。今天,我们将从初学者的角度出发,全面介绍n8n的基础知识,带你熟悉核心概念,搭建第一个工作流,并将大语言模型融入其中,最终打造一个自动研究助手。无论你是技术新手还是有开发经验的专业人士,这篇文章都能帮你快速上手n8n。

如果你觉得内容实用,记得点赞并订阅我的频道!让我们开始吧!

什么是n8n?

一句话总结:n8n 是一个开源、低代码的自动化开发平台,通过工作流的方式帮助用户提高效率、节省时间和成本,并优化数据处理流程。

n8n的核心优势

  • 提升效率:通过工作流串联不同数据源,简化复杂任务。
  • 节省成本:开源特性使其成本低廉,甚至可以本地部署。
  • 改善客户体验:快速响应客户需求,提供高度定制化的服务。
  • 高扩展性:支持1000多种内置集成组件,并可通过API、Webhooks和自定义代码扩展功能。

实际应用场景

例如,客户在网站上填写表单后,n8n可以自动发送定制化邮件,并将客户信息存入数据库。这种自动化不仅节省时间,还能提升用户体验。

为什么选择n8n?

  1. 非开发者友好:无需编程知识即可构建AI自动化流程。
  2. 丰富的集成:支持1000多种常用应用,覆盖你能想到的几乎所有工具。
  3. 低成本:云端部署每月仅需5-6美元,甚至可免费本地运行。
  4. 无限可能:开源社区不断扩展功能,满足多样化需求。

与其他平台的对比

  • Zapier:成熟平台,连接器丰富,但成本较高。
  • Make.com:功能强大,但任务限制(1000个任务/月)对个人用户可能不够,且定价稍高(9美元/月)。
  • n8n:成本低(云端5美元/月或本地免费),拥有1000多种连接器,社区支持丰富的定制化功能。虽然上手难度稍高(四星),但本教程将帮你将其降低到一星!

n8n的架设方式

自行架设 vs 云端服务

n8n支持灵活的部署方式,你可以选择自行架设或使用云端服务。

自行架设

  • 优点
    • 数据完全掌控,隐私性高。
    • 成本低,仅需维护服务器。
    • 可深入整合本地系统。
  • 缺点
    • 需要一定的技术知识来安装和维护。
    • 本地电脑或服务器故障可能影响运行。

云端服务

  • 优点
    • 一键安装,易用性高。
    • 无需担心服务器维护,可靠性强。
    • 网络安全性有保障。
  • 缺点
    • 每月需支付一定费用(约5美元)。
    • 数据存储在云端,可能涉及隐私考虑。

如何选择?

  • 自行架设:适合需要完全控制数据、对隐私要求高或希望整合内部系统的用户。
  • 云端服务:适合不想处理服务器维护、追求便利的用户。

提示:后续教程将详细讲解如何在本地安装n8n并解决联网问题,敬请期待!

n8n的核心概念

n8n的核心在于 工作流节点执行。我们可以将工作流比喻为菜谱,节点是菜谱中的步骤和成分,执行则是根据订单制作菜肴的过程。

节点类型

  1. 触发节点:定义工作流启动的条件(如表单提交、时间触发)。
  2. 命令执行节点:执行具体任务(如调用AI模型、运行代码)。
  3. 数据传输节点:处理数据(如提取、修改、汇总)。
  4. 逻辑节点:控制流程(如条件判断、循环)。

工作流执行

当触发条件满足时,工作流按节点顺序执行,完成自动化任务。例如,客户提交表单后,n8n可以自动提取数据、发送邮件并更新数据库。

初探n8n界面

启动n8n后,你将进入登录界面,随后是设置页面。以下是主要功能区域:

  • 工作流列表:展示所有创建的工作流。
  • 凭证管理:存储Google、OpenAI等服务的认证信息。
  • 执行记录:查看工作流的运行历史。
  • 模板库:浏览n8n社区分享的预设工作流。

快速上手:导入现有工作流

n8n提供丰富的模板库,初学者可以通过导入模板快速上手。例如:

  1. 进入模板库,找到“AI Agent Chat”模板。
  2. 点击“Explore”查看使用说明,复制JSON代码或直接导入。
  3. 配置相关凭证(如OpenAI密钥),即可运行工作流。

小技巧

  • 善用n8n的官方文档和社区论坛,遇到问题可截图工作流并在论坛提问。
  • 验证社区版许可证可解锁执行记录、错误追踪等功能。

打造第一个工作流:从Google Sheets到数据处理

现在,让我们动手创建第一个工作流,从Google Sheets提取任务数据并进行处理。

步骤1:创建并命名工作流

  1. 点击“新建工作流”,进入编辑界面。
  2. 为工作流命名,例如“Google Sheets Task Analysis”。
  3. 添加标签(如“n8n Course”),便于后续搜索和管理。

为什么要命名?
清晰的命名和标签能极大提高工作流的管理效率,尤其当你有多个工作流时。

步骤2:添加触发节点

触发节点是工作流的起点。常见触发方式包括:

  • 手动触发:点击“Test Workflow”启动。
  • Google Sheets触发:当表格新增行时自动触发。
  • 时间触发:按设定周期运行。
  • Webhook触发:接收外部服务的数据。
  • 表单触发:用户提交表单时触发。

我们选择 Google Sheets触发节点,配置如下:

  1. 连接Google Sheets凭证(需在Google Cloud Console启用API并获取Client ID和Secret)。
  2. 选择目标表格和工作表,设置触发频率(如每分钟检查一次)。

步骤3:处理数据

添加 Set节点(数据处理节点)来提取和整理数据:

  1. 从Google Sheets节点拖拽字段(如“姓名”“任务”)到Set节点。
  2. 配置字段映射,确保输出符合需求。
  3. 测试节点,查看JSON格式的输出结果。

理解JSON数据

JSON(JavaScript Object Notation)是n8n中数据传输的核心格式。以下是JSON的基础知识:

  • 对象:以{}包裹,包含键值对(如{"name": "Alice"})。
  • 数组:以[]包裹,包含多个对象(如[{"name": "Alice"}, {"name": "Bob"}])。
  • 键值对:键用双引号包裹,值可以是字符串、数字、布尔值等。

在n8n中,Google Sheets的每一行会转换为一个JSON对象,方便后续处理。

小技巧:动态数据提取

当数据动态变化时,可以通过以下方式提取:

  1. 拖拽字段:直接从上一个节点的输出中选择字段。
  2. 表达式:使用{{ $.json.name }}等语法手动指定字段。

注意:避免字段名包含空格(如“First Name”),建议使用下划线(first_name)或驼峰命名(firstName)。

小技巧:节点命名与维护

  • 命名规范:使用动词+对象(如Get Task Data)或工具+动作(如Google Sheets Update)。
  • 添加注释:使用便利贴(快捷键Shift+S)为复杂工作流添加说明。
  • Pin数据:将测试数据固定在节点,加速调试并节省计算资源。
  • 错误重试:为关键节点(如Google Sheets)设置失败重试机制,确保稳定性。

进阶工作流:表单到邮件自动化

让我们创建一个更复杂的自动化工作流:用户提交表单后,n8n根据预算自动处理并发送邮件。

工作流设计

  1. 表单触发:用户填写包含姓名、邮箱、预算和需求的表单。
  2. 数据存储:将表单数据存入Google Sheets。
  3. 预算分流
    • 低于200美元:自动拒绝。
    • 200-1000美元:发送追踪邮件,引导提升预算。
    • 1000美元以上:发送优先接洽邮件。
  4. 团队通知:向团队邮箱发送总结邮件。

步骤1:配置表单触发

  1. 添加 Form Trigger 节点,设置字段:
    • 姓名、姓氏(必填)。
    • 邮箱(必填)。
    • 预算(下拉菜单:0-200美元、200-1000美元、1000美元以上)。
    • 需求(文本区域,必填)。
  2. 测试表单,确保数据正确传入。

步骤2:更新Google Sheets

  1. 添加 Google Sheets节点,选择“Append or Update”模式。
  2. 使用邮箱作为匹配字段,若存在则更新行,若不存在则新增行。
  3. 拖拽表单字段(如姓名、预算)到对应列。
  4. 添加“日期”字段,使用{{ new Date().toISOString().split('T')[0] }}记录提交时间。
  5. 添加“是否拒绝”字段,初始值为false

步骤3:预算分流

使用 If节点 判断预算:

  • 条件1:{{ $.json.budget }} === '0-200 USD' → 拒绝,设置“是否拒绝”为true
  • 条件2:{{ $.json.budget }} === '200-1000 USD' → 发送追踪邮件。
  • 条件3:{{ $.json.budget }} === '1000 USD and above' → 发送优先接洽邮件。

步骤4:发送邮件

  1. 添加 Email节点,配置SMTP凭证。
  2. 根据预算动态生成邮件内容:
    • 拒绝邮件:礼貌告知预算不足。
    • 追踪邮件:引导客户提升预算,提供相关服务介绍。
    • 优先邮件:突出优先处理,附上案例链接。
  3. 使用JSON数据动态填充邮件模板。

步骤5:团队通知

添加另一个 Email节点,向团队邮箱发送包含客户信息和预算的总结邮件。

高级应用:AI Agent与RAG

集成大语言模型

n8n支持调用大语言模型(如Google Gemini、OpenAI)执行复杂任务。我们将创建一个AI Agent,结合 RAG(Retrieval-Augmented Generation) 技术,从向量数据库(Pinecone)提取公司信息,生成定制化回复。

配置AI Agent

  1. 添加 AI Agent节点,选择Google Gemini模型。
  2. 配置提示词:
    • 角色定义:专业客服,负责回复客户需求。
    • 工具说明:使用Pinecone向量数据库提取公司服务信息。
    • SOP:读取客户需求,查询数据库,生成250字以上回复。
  3. 输出格式:JSON,包含问候语、服务介绍、案例等字段。

配置Pinecone

  1. 创建Pinecone索引,上传公司服务数据。
  2. 在n8n中添加 Pinecone节点,配置嵌入模型(如Google Embedding-004)。
  3. 将客户需求作为查询,检索相关服务信息。

生成HTML邮件

  1. 添加 Code节点,将JSON输出转换为HTML+CSS邮件模板。
  2. 使用JavaScript解析JSON,生成格式化邮件内容。
  3. 测试并优化邮件UI,确保按钮和链接美观且功能正常。

提示词工程

提示词是AI Agent的核心。以下是编写提示词的最佳实践:

  1. 总览:明确AI的角色(如“专业客服”)。
  2. 工具说明:详细描述每个工具的用途。
  3. SOP:提供清晰的执行步骤。
  4. 细节:补充语气、语言、字数等要求。
  5. Markdown格式:使用#定义标题,-*列出要点,提升可读性。

示例提示词

# 角色定义
你是一个专业客服,负责回复预算超过1000美元的优先客户。

# 工具说明
- **Company Services**:从Pinecone数据库提取公司服务信息。

# SOP
1. 阅读客户需求。
2. 使用Company Services工具查询相关服务。
3. 按以下规则生成邮件:
   - 简短回应需求,引发共鸣。
   - 提出三个问题,厘清模糊需求。
   - 包含案例链接,鼓励联系。
   - 使用专业语气,250字以上。

# 细节
- 输出JSON格式,包含greeting、introduction、services、questions、closing。
- 使用客户提交的语言。

赋予AI联网能力

最后,我们将通过 WebhookHTTP Request 让AI具备联网查询功能,生成会议前的研究报告。

工作流设计

  1. Webhook触发:接收Cal.com的会议预约通知。
  2. 数据提取:从Google Sheets获取客户信息。
  3. 网络搜索:使用Tavily API查询最新信息。
  4. AI研究:生成结构化报告,包含需求分析、痛点和会议策略。
  5. 邮件发送:将HTML格式的报告发送给团队。

步骤1:配置Webhook

  1. 在Cal.com后台添加Webhook URL(从n8n的Webhook节点获取)。
  2. 设置触发事件为“Booking Created”。
  3. 测试Webhook,确保收到POST请求。

步骤2:网络搜索

  1. 注册Tavily账号,获取API密钥。
  2. 添加 HTTP Request节点,配置:
    • URLhttps://api.tavily.com/search
    • Method:POST
    • HeadersContent-Type: application/json, Authorization: Bearer <API_KEY>
    • Body:JSON格式,包含查询字符串、搜索深度等。
  3. 输出包含搜索结果的URL、标题和摘要。

步骤3:AI研究报告

  1. 添加 AI Agent节点,配置Tavily工具。
  2. 提示词要求:
    • 围绕客户需求构建研究框架。
    • 使用Tavily工具验证信息,最多搜索三次。
    • 输出JSON格式,包含需求、痛点、问题建议和参考链接。
  3. 使用 Information Extractor节点 解析JSON,确保结构化输出。

步骤4:生成HTML报告

  1. 添加 Code节点,将JSON转换为HTML+CSS。
  2. 优化报告格式,突出关键信息和链接。
  3. 发送邮件给团队,包含会议策略和参考资料。

总结:从零到AI自动化大师

通过这篇文章,我们完成了一场n8n的深度旅程:

  • 基础:掌握工作流、节点和JSON数据处理。
  • 进阶:整合大语言模型,打造个性化AI助手。
  • 高级:利用RAG和向量数据库提升回复质量。
  • 联网:通过Webhook和HTTP Request赋予AI研究能力。

n8n不仅是一个工具,更是解放重复任务、提升生产力的钥匙。无论你是想自动化客户服务、数据处理还是研究任务,n8n都能帮你实现目标。

下一步

  • 本地安装n8n:下一期教程将手把手教你解决联网问题。
  • 深入学习:订阅我的频道,获取更多n8n技巧和案例。
  • 社区支持:加入n8n论坛,分享你的工作流并解决问题。

 

在中国,适合销售哪些虚拟产品?

在中国销售虚拟产品具有巨大的潜力,这得益于中国庞大且不断增长的互联网用户群体以及他们对数字内容的日益增长的需求。以下是一些在中国可能适合销售的虚拟产品类别,并考虑了当地市场的特点:

1. 教育和学习资源:

  • 在线课程和教程: 涵盖各种主题,例如语言学习(尤其是英语)、编程、技能培训(例如,平面设计、视频编辑)、职业发展、兴趣爱好(例如,烹饪、绘画、音乐)。针对特定年龄段(例如,儿童编程启蒙)或职业领域的课程尤其受欢迎。
  • 电子书和数字阅读材料: 包括小说、非小说、学术著作、行业报告、儿童读物等。针对中国市场的内容,例如中国历史文化、传统习俗、当代社会议题等,可能更具吸引力。
  • 学习工具和模板: 例如,学习笔记模板、思维导图模板、考试复习资料、留学申请指南等。
  • 教育类App和软件: 例如,语言学习App、数学练习App、儿童教育游戏等。

2. 娱乐和媒体:

  • 数字音乐和音效: 包括歌曲、乐器音源、环境音效、播客等。
  • 数字艺术和设计资源: 例如,插画、壁纸、图标、字体、设计模板(例如,PPT模板、海报模板)。
  • 视频和电影: 包括电影、电视剧、纪录片、短视频内容。需要考虑版权和审查等问题。
  • 游戏和游戏内物品: 手机游戏、PC游戏及其虚拟道具、皮肤、账号等。中国是全球最大的游戏市场之一。
  • 直播和虚拟演出门票: 随着直播平台的普及,高质量的直播内容和虚拟演出越来越受欢迎。

3. 工具和效率提升:

  • 软件和应用程序: 例如,效率工具、生产力应用、安全软件等。需要考虑本地化和用户习惯。
  • 数字模板和预设: 例如,简历模板、合同模板、财务报表模板、图片编辑预设(例如,Lightroom预设)。
  • 在线工具和服务: 例如,在线协作平台会员、云存储服务、VPN服务(需遵守中国法律法规)。

4. 社群和内容创作:

  • 会员订阅和专属内容: 例如,知识付费社群、付费专栏、独家文章、播客会员等。
  • 虚拟社群和论坛会员: 提供特定兴趣爱好或专业领域的交流平台。
  • 内容创作者工具和资源: 例如,视频编辑素材、音乐素材、特效素材、写作辅助工具等。

5. 个性化和定制化:

  • 定制化数字艺术品: 例如,根据照片制作的肖像画、个性化设计的壁纸等。
  • 虚拟形象和虚拟商品: 在虚拟社交平台或元宇宙中使用的虚拟形象、服装、道具等。

在中国销售虚拟产品时需要考虑的关键因素:

  • 本地化: 内容、语言、支付方式、用户习惯等方面都需要进行本地化调整。
  • 支付方式: 支付宝和微信支付是主要的在线支付方式。
  • 平台选择: 考虑在中国的电商平台(例如,淘宝、京东、拼多多)、社交媒体平台(例如,微信、微博、抖音、快手)或垂直内容平台进行销售。
  • 营销和推广: 了解中国的数字营销渠道和策略,例如社交媒体营销、内容营销、KOL合作等。
  • 版权保护: 中国的知识产权保护环境正在不断改善,但仍需重视版权保护措施。
  • 审查和监管: 某些类型的虚拟产品(例如,涉及政治敏感内容、色情内容等)可能会受到审查和监管。
  • 竞争: 中国的互联网市场竞争激烈,需要提供高质量、差异化的产品和服务。

总而言之,在中国销售虚拟产品具有广阔的前景,但需要深入了解当地市场,并采取合适的策略来满足中国消费者的需求。

掌握 n8n:从零基础到进阶 AI 工作流自动化的完整指南

在快速发展的数字时代,自动化工作流已成为提升效率、节省时间和降低成本的利器。然而,面对复杂的 AI 工作流,许多人常常感到无从下手:如何快速上手?如何让 AI 按需高效运行?如何优化 Token 消耗?为何 AI 总是无法联网?别担心!这篇文章将以深入浅出的方式,带你全面探索 n8n——一款开源、低代码的自动化平台,助你从零基础进阶到专家,轻松打造专属的 AI 助手,让工作流自动化变得简单而强大。


什么是 n8n?

n8n 是一个开源、低代码的自动化平台,通过工作流无缝连接数据与服务,显著提升效率并优化用户体验。

n8n 的核心优势在于:

  • 开源与高扩展性:内置 1000 多种集成,支持主流应用(如 Google Sheets、Notion 等),并可通过 API 和 Webhook 灵活扩展。
  • 低门槛设计:无需编程经验,普通用户也能快速上手;有代码能力的用户则可进一步挖掘其潜力。
  • 成本效益突出:相较于 Zapier 或 Make.com,n8n 的部署成本极低(云端约 5 美元/月,或本地免费),功能却毫不逊色。
  • 数据隐私保障:支持本地部署,确保用户完全掌控数据,满足高安全需求。

从自动发送个性化邮件、整合客户数据,到构建 AI 驱动的研究助手,n8n 都能助你事半功倍,化繁为简。


为什么选择 n8n?

与其他自动化平台相比,n8n 的独特魅力在于其开源特性和经济性:

  • Zapier:功能成熟,连接器丰富,但价格较高,更适合预算充裕的企业。
  • Make.com:同样功能强大,但个人用户可能因任务配额限制感到不够灵活,定价策略稍显不足。
  • n8n:云端部署仅需 5 美元/月,本地部署完全免费,拥有 1000+ 连接器,且开源社区持续扩展新功能。

尽管 n8n 早期因文档较少,学习曲线略陡,但通过本文的系统讲解,你将轻松掌握其精髓,将复杂工作流转化为高效的自动化解决方案。


n8n 的核心概念

在动手实践之前,先来了解 n8n 的三大核心概念:

  1. 工作流(Workflow):好比一本详细的菜谱,规划了自动化的完整流程。
  2. 节点(Node):菜谱中的具体步骤与原料,分为四类:
    • 触发节点:启动工作流,如用户提交表单或定时任务触发。
    • 命令执行节点:执行具体任务,如调用 AI 模型或运行代码。
    • 数据传输节点:处理数据操作,如提取、过滤或汇总信息。
    • 逻辑节点:控制流程逻辑,如条件判断(if)或循环(loop)。
  3. 执行(Execution):当触发事件(如订单)发生时,按照工作流执行所有步骤。

通过节点之间的灵活串联,n8n 能够整合分散的服务与数据,轻松实现复杂的自动化任务。


快速上手:打造你的第一个 n8n 工作流

让我们通过一个实际案例,带你体验 n8n 的强大功能——从客户表单到自动化邮件的完整工作流。

案例目标
  • 用户填写在线表单(包含姓名、邮箱、预算、需求)。
  • 根据预算自动分流:
    • 小于 200 美元:发送拒绝通知。
    • 200-1000 美元:发送追踪邮件,引导客户提升预算。
    • 超过 1000 美元:发送优先接洽邮件。
  • 最终更新 Google Sheets 并通知团队。
详细步骤
  1. 部署 n8n
    • 云端部署:通过 n8n 官方平台或第三方服务(如 Railway)实现一键安装,操作简单,维护无忧。
    • 本地部署:适合对数据隐私要求高的用户,但需自行配置和维护,注意网络安全设置。
    • 选择建议
      • 追求便捷:选择云端部署。
      • 需要完全控制数据或集成内部系统:选择本地部署。
  2. 创建工作流
    • 进入 n8n 界面,点击“新建工作流”。
    • 命名规范:为工作流取清晰名称(如“Form_to_Sheet”),并添加标签(如“n8n Course”),便于后续搜索与管理。
    • 快捷键技巧:使用 Shift+S 添加便签备注,Shift+Tab 快速插入节点,提升操作效率。
  3. 配置触发节点
    • 添加 Form Trigger 节点,设计在线表单:
      • 字段设置:姓名(必填)、邮箱(必填)、预算(下拉选项:0-200、200-1000、1000+ 美元)、需求(文本框)。
      • 测试表单:提交后,检查 JSON 输出,确保数据完整无误。
      • 优化技巧:使用 Pin Data 功能固定测试数据,避免重复填写表单。
  4. 连接 Google Sheets
    • 添加 Google Sheets 节点,用于更新或追加数据:
      • 认证:通过 Google Cloud Console 获取 OAuth 凭证,启用 Google Sheets 和 Drive API。
      • 配置:选择目标工作表,以 Email 字段作为匹配依据,将表单数据(姓名、邮箱、预算、需求)拖拽映射到对应列。
      • 动态时间戳:使用表达式 {{ new Date().toISOString().split('T')[0] }} 记录表单提交日期。
      • 拒绝标记:添加布尔值字段,若预算低于 200 美元,标记为 True。
  5. 实现逻辑分流
    • 添加 If 节点,根据预算进行分流:
      • 条件 1:预算 = “0-200” → 输出 True,连接拒绝邮件节点。
      • 条件 2:预算 = “200-1000” → 连接追踪邮件节点。
      • 条件 3:预算 = “1000+” → 连接优先接洽邮件节点。
    • 命名规范:为节点命名反映功能(如“Get_Task_Data”),避免使用空格,推荐下划线或驼峰命名法。
  6. 发送个性化邮件
    • 拒绝邮件:简洁通知,说明预算不足,语气专业。
    • 追踪邮件:引导客户提升预算,提出 3 个问题以澄清需求,激发进一步沟通。
    • 接洽邮件:采用专业语气,包含明确的行动号召(如预约会议链接)。
    • 使用 Email 节点,动态插入客户姓名和需求,格式化为 HTML 邮件。
    • 提示词优化:借助大语言模型(如 Gemini)生成邮件模板,使用 Compress HTML 工具压缩代码,减少 Token 消耗。
  7. 团队通知
    • 添加 Email 节点,发送汇总通知给团队,包含客户信息和分流结果。
    • 错误处理:启用 Retry on Fail 功能,设置最多重试 3 次,间隔 5 秒,确保稳定性。
  8. 测试与优化
    • 运行工作流,逐节点检查输出结果。
    • 调试技巧
      • 查看 Execution 面板,定位错误节点。
      • 使用 Schema 检查数据结构,确保 JSON 格式正确。
      • 通过 Table 视图直观验证数据。
    • 迭代调整提示词或节点配置,优化工作流性能。

进阶应用:构建 AI 驱动的研究助手

掌握基础后,我们将进一步挖掘 n8n 的潜力,打造一个 AI 研究助手,通过 Webhook 和 HTTP 请求赋予其联网能力,自动生成会议准备报告。

案例目标
  • 用户通过 Cal.com 预约会议。
  • 触发 Webhook,提取用户信息。
  • AI 联网搜索,生成包含需求分析、痛点和会议策略的报告。
  • 输出 HTML 格式邮件,发送给团队。
关键步骤
  1. 配置 Webhook
    • 添加 Webhook 节点,复制生成的 URL(如 https://your-n8n-instance/webhook/test)。
    • 在 Cal.com 后台注册 Webhook,选择“Booking Created”事件。
    • 测试:提交会议预约,确认 Webhook 接收到 POST 请求并输出 JSON 数据。
    • 调试技巧:若未接收到数据,检查 HTTP 方法(GET 或 POST),确保网络配置正确。
  2. 集成 Tavily 搜索工具
    • 创建新工作流,命名为“Tavily_Tool”。
    • 添加 HTTP Request 节点,配置如下:
      • URLhttps://api.tavily.com/search(POST 请求)。
      • 认证:在 Header 中添加 Authorization: Bearer <your_api_key>
      • Body:JSON 格式,设置 query(搜索词)、search_depth: basicinclude_answer: truemax_results: 3
    • 输出:提取 answerresults(包含 URL、标题、内容),格式化为 JSON。
    • 验证工具:使用 JSONFormatter.org 检查 JSON 格式有效性。
  3. 配置 AI Agent
    • 在主工作流中添加 AI Agent 节点,调用 Tavily 工具:
      • 工具设置:选择“Tavily_Tool”工作流,描述为“网络搜索工具”。
      • 提示词设计
        • 角色:专业研究助理,围绕用户需求生成结构化报告。
        • SOP:读取用户需求 → 调用 Tavily 搜索(限 3 次)→ 输出 JSON 格式报告,包含需求分析、痛点、问题清单和参考链接。
    • 输出:结构化 JSON,包含清晰的引用和内容。
  4. 格式化输出
    • 添加 Information Extractor 节点,解析 AI 输出为结构化 JSON。
    • 使用 Code 节点(JavaScript)将 JSON 转换为 HTML 邮件模板:
      javascript
      return { html: `<h1>会议准备报告</h1> <p>${items[0].json.summary}</p> <ul>${items[0].json.references.map(ref => `<li><a href="/${ref.url}">${ref.title}</a></li>`).join('')}</ul>` };
       
    • 优化 UI:借助 Gemini 生成更美观的 CSS 样式,迭代调整按钮和排版。
  5. 发送报告
    • 使用 Email 节点,发送 HTML 格式的会议准备报告。
    • 检查邮件内容,确保链接可点击,排版清晰,信息完整。

实用技巧与注意事项

  1. 高效处理 JSON
    • 理解 JSON 结构:{ key: value } 表示单个对象,[{}, {}] 表示对象数组。
    • 键名规范:避免空格,使用下划线或驼峰命名(如 first_namefirstName)。
    • 工具辅助:使用 Schema 检查数据结构,Table 视图直观验证数据。
  2. 优化提示词工程
    • 结构化提示:包含角色定义、工具说明、操作流程(SOP)及补充细节。
    • Markdown 格式:使用 # 定义标题,-* 表示列表,提升可读性。
    • Token 优化:借助 Compress HTML 或 JSONFormatter.org 压缩代码,减少大模型的 Token 消耗。
  3. 错误排查与处理
    • 启用 Retry on Fail,设置重试间隔(如 5 秒)和次数(如 3 次)。
    • 查看 Execution 记录,快速定位失败节点。
    • 本地部署常见问题:网络安全(如 HTTPS 配置),可参考后续本地安装教程。
  4. 性能提升
    • Pin 数据:固定测试数据,减少重复运算时间。
    • 限制搜索次数:如 Tavily 搜索限定为 3 次,节省 API 配额。
    • 模块化设计:将工具(如 Tavily)独立为子工作流,便于复用和维护。

总结:开启 n8n 的自动化之旅

通过本文,你已全面掌握 n8n 的核心技能,完成了一次从新手到专家的蜕变:

  • 基础层:搭建简单工作流,处理表单数据并整合 Google Sheets。
  • 中阶层:融入大语言模型,动态生成个性化邮件,提升交互体验。
  • 进阶层:赋予 AI 联网能力,自动生成结构化的研究报告,助力高效决策。

n8n 不仅是一个自动化工具,更是一把解锁生产力的钥匙。无论是个人用户还是企业团队,你都可以通过 n8n 定制专属的 AI 助手,优化流程,释放时间。

下一步行动

  • 反复实践本文案例,熟练掌握节点操作与配置。
  • 探索 n8n 社区模板,快速学习新场景应用。
  • 关注后续教程,解决本地部署联网等常见问题。

从繁琐的重复任务中解放出来,拥抱智能自动化的未来!如有疑问,欢迎留言交流,让我们一起让 AI 更“会说人话”,开启高效生产力新时代!

使用 n8n 搭建自动化 AI 新闻聚合频道的工作流

在众多自动化工作流产品中,n8n 凭借其开源特性和高度灵活性备受青睐。它不仅支持本地部署,还具备强大的自定义能力,能够轻松应对复杂工作流的编排。本文将详细介绍如何在本地部署 n8n 服务,并结合最新版本的 DeepSeek V3 模型,搭建一个自动化运营 Telegram AI 新闻聚合频道的工作流。

工作流概述

该 AI 工作流旨在实现以下功能:

  • 每天早上 8 点自动抓取国外 AI 相关新闻内容;
  • 通过 AI 翻译并整理新闻;
  • 将整理后的内容自动发送到指定的 Telegram 频道。

整个过程无需人工干预,即可实现一个每日更新的 AI 新闻聚合频道。此外,n8n 支持本地部署 AI 模型,结合 Ollama 可实现零成本运营。

n8n 本地部署

n8n 提供两种主要本地部署方式:Node.js 和 Docker。以下是具体步骤:

1. 使用 Node.js 部署
  • 确保已安装 Node.js 和 npm(运行 node -vnpm -v 检查版本)。如未安装,可从 Node.js 官网 下载并安装。
  • 访问 n8n 的 GitHub 页面,在 Quick Start 部分找到部署命令。
  • 复制命令 npx n8n,在命令行执行,启动 n8n 服务。注:npx n8n 适用于快速测试,长期运行建议全局安装(npm install -g n8n)。
  • 服务启动后,会输出本地 n8n 服务的 URL,按 O 键自动打开网页(或手动复制 URL 在浏览器打开)。
  • 首次使用需注册账号,填写信息后即可进入 n8n 平台。
2. 使用 Docker 部署
  • 如未安装 Docker,可从 Docker 官网 下载并安装。国内用户需配置国内 Docker 源(可参考网上教程)。
  • 复制 Docker 部署命令,执行前确保停止之前的 Node.js 服务(Ctrl+C)。
  • 执行命令后,服务启动,同样按 O 键或手动打开 URL。
  • 需注册新账号,因为 Node.js 和 Docker 部署的 n8n 是独立系统,数据互不共享。

搭建 AI 工作流

以下是搭建 Telegram AI 新闻聚合频道工作流的具体步骤:

1. 创建工作流
  • 进入 n8n 平台,选择“创建空白项目”开始搭建工作流。
  • n8n 的操作界面与 Zapier、Make 等类似,熟悉这些工具的用户可快速上手。
  • 点击“+”号添加节点,第一个节点是触发器节点,用于启动工作流。
2. 设置触发器节点
  • 选择“定时触发”节点,设置每天早上 8 点触发。
  • 默认使用纽约时间,可在 n8n Web 界面点击“设置” > “Time Zone”,选择“Asia/Shanghai”并保存。
  • 测试节点,确认时间设置为国内时间。
3. 获取新闻数据
  • 添加两个 HTTP 请求 节点,分别调用 News API 和 GNews API 获取 AI 相关新闻。
  • News API
    • 获取 API Key(个人开发者通常有每日免费调用额度,建议参考 News API 官网 确认最新政策)。
    • 使用提供的 URL,修改查询参数 q=AI
    • 测试节点,确认返回 AI 相关新闻。
  • GNews API
    • 获取 API Key,修改查询参数 q=AI
    • 添加 lang=en 参数过滤非英文内容。
    • 测试节点,获取英文新闻数据。
  • 调整节点关系,确保两个 HTTP 请求节点由同一触发器节点启动。
4. 数据整合
  • 两个 API 返回的 JSON 数据结构不同,需统一格式。
  • 为每个 HTTP 请求节点添加一个字段编辑节点,将新闻数据转换为字符串。
  • 添加一个 Merge 节点,合并两个数据源,测试确认合并结果。
5. AI 翻译与整理
  • 添加一个 AI Agent 节点,使用自定义提示词实现以下功能:
    • 筛选 15 条与 AI 技术进展或应用相关的新闻;
    • 将英文新闻翻译为中文,保留专业术语;
    • 附带原文 URL;
    • 注明新闻日期;
    • 美化排版。
  • 配置 DeepSeek V3 模型:
    • 获取 DeepSeek API Key,粘贴到节点设置中。
    • 选择 deepseek-chat(V3 模型),测试连接。
    • 注:DeepSeek V3 借鉴了 DeepSeek R1 的强化学习技术,在推理任务上表现优异,数学和代码评测得分超过 GPT-4.5。
  • 将合并后的新闻数据替换提示词中的占位符,测试 AI 处理效果。
6. 发送到 Telegram
  • 添加一个 Telegram 节点,选择“发送纯文本消息”。
  • 获取 Telegram Bot Token:
    • 在 Telegram 搜索 @BotFather,创建新 Bot,名称需以“bot”或“Bot”结尾,获取 Token。
  • 获取 Chat ID:
    • 搜索 @GetIDBot,输入 /myid 获取。
  • 将 Token 和 Chat ID 填入节点,消息内容使用 AI 节点的输出。
  • 测试工作流,确认消息成功发送到指定 Telegram 频道。

本地 AI 模型部署(可选)

为实现零成本运营,可使用 Ollama 部署本地 AI 模型:

  • 下载并安装 Ollama
  • 在 Ollama 中搜索 DeepSeek R1 模型,选择 7B 参数模型,复制部署命令。
  • 执行命令下载并启动模型,运行 ollama list 确认模型已安装。
  • 返回 n8n,删除 DeepSeek 节点,重新添加 AI 模型,选择 Ollama 类型。
  • 配置地址:
    • Node.js 部署使用 127.0.0.1
    • Docker 部署使用 host.docker.internal(macOS/Windows 的 Docker Desktop 适用,Linux 用户需参考 Ollama 文档配置容器网络)。
  • 选择本地 DeepSeek R1 模型,测试工作流。

测试与运行

  • 测试整个工作流,确认 Telegram 频道收到格式正确的新闻消息。
  • 打开工作流开关,启用定时自动执行。

成本分析

  • 使用 DeepSeek API 的一次任务成本约为 0.06 元,优惠时段(0:30-8:30)约 0.03 元(基于 DeepSeek V3 模型,具体成本取决于输入/输出 token 量,建议参考 DeepSeek 官网 计费标准)。
  • 本地部署 n8n 无额外费用,若使用 Ollama 部署本地模型,则完全免费。

总结

n8n 是一款灵活且经济的自动化工作流工具,通过本地部署和强大的自定义能力,可轻松实现复杂的 AI 工作流。本教程展示了一个无需人工干预的 Telegram AI 新闻聚合频道,兼具高效性和低成本。感兴趣的用户可参考 n8n 官网 和 GitHub 自行部署,体验其强大功能。


修正说明

  1. npx 命令:明确了 npx n8n 是快速测试方式,并建议长期运行使用全局安装,同时提醒检查 Node.js 和 npm 环境。
  2. Docker 部署地址:补充 Linux 环境下 host.docker.internal 的替代方案。
  3. DeepSeek 模型:将“DPCR 1”更正为“DeepSeek R1”,并简化技术描述。
  4. API 限额:添加建议检查最新政策,避免限额信息过时。
  5. 时区设置:明确操作路径为 Web 界面设置。
  6. Telegram Bot:调整名称要求为“bot”或“Bot”结尾。
  7. 成本计算:补充成本依赖 token 量的说明,并提供 DeepSeek 官网参考。

About Us

Since 1996, our company has been focusing on domain name registration, web hosting, server hosting, website construction, e-commerce and other Internet services, and constantly practicing the concept of "providing enterprise-level solutions and providing personalized service support". As a Dell Authorized Solution Provider, we also provide hardware product solutions associated with the company's services.
 

Contact Us

Address: No. 2, Jingwu Road, Zhengzhou City, Henan Province

Phone: 0086-371-63520088 

QQ:76257322

Website: 800188.com

E-mail: This email address is being protected from spambots. You need JavaScript enabled to view it.