n8n 自动化工作流教程：从零搭建 AI 内容处理流水线

n8n 是什么

n8n 是一个可视化工作流自动化平台，用节点把"触发 → 处理 → 输出"串成流水线。它最大的特点是支持自托管，数据可以留在自己的服务器上。本教程带你用 n8n 搭一条"抓取网页 → LLM 摘要 → 存库 → 推送"的内容处理流水线。想先理解工作流概念，看 AI 工作流是什么。

用哪种方式部署

n8n 官方云服务位于海外，使用它需要注意网络条件与合规，详见文末合规提醒。国内环境更推荐 Docker 自托管：

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

启动后访问 http://localhost:5678 进入编辑界面。自托管的好处不仅是数据可控，节点可以随意增减，还能接入自己的模型接口地址，不必被平台绑定。

搭建第一条流水线

1. 触发节点

用"Schedule Trigger"（定时触发）或"Webhook"（事件触发）。想深入了解 Webhook 的用法，看 Webhook 自动化入门教程。

2. 抓取内容

用"HTTP Request"节点请求目标网页，把响应内容作为下一步的输入。对需要执行 JavaScript 才能渲染内容的页面，需要先解决渲染问题，否则抓到的可能是空壳。可以选带渲染能力的节点，也可以先用静态化或预渲染把正文暴露到 HTML 里。

3. 调 LLM 做摘要

n8n 内置大量 AI 节点。以调用兼容 OpenAI 接口的模型为例，把网页正文和提示词拼好：

请用中文把这篇文章总结成 200 字以内的要点。
正文：{{ $json.body }}

也可以接入国产模型的 OpenAI 兼容接口。模型 API 的选择和密钥管理，参考 AI API Key 安全教程。

LLM 节点配置要点：提示词里用变量引用上游数据时，先确认字段名正确；响应长度限制、温度参数也要设置合理，否则摘要可能截断或发散。用示例输出格式能显著提高模型输出的稳定性。

4. 存库与分发

• 存库：用数据库节点写入 Postgres 或 SQLite。
• 分发：用消息节点或自定义 Webhook 节点推送到群聊或通知系统。

一个完整流程示例

"每天 8 点抓取 5 个来源的新文章并汇总摘要"的流水线，节点大致如下：

Schedule Trigger(每天 08:00)
  → Loop Over Items(遍历 5 个来源)
    → HTTP Request(抓取页面)
    → 模型节点(生成摘要)
  → 数据库节点(写入内容库)
  → Webhook 节点(推送汇总到团队群)

上面流程里的数据在节点之间传递，字段名要保持一致。抓取节点输出的 body 字段，在模型节点的提示词里用 {{ $json.body }} 引用；模型节点输出摘要后，数据库节点再按字段写入。建议在每个节点上点开测试按钮，查看实际输出字段，字段对不上是搭建时最常见的报错来源。

工作流的调试与优化

• 用"Execute Workflow"按钮单独跑一次，观察每个节点的输入输出，字段名不匹配时错误提示会指向具体节点。
• 给容易出错的节点单独拆一条分支测试，确认稳定后再合入主流程。
• 记录每次运行结果，对比摘要质量和抓取成功率，持续迭代提示词和超时参数。

常见踩坑

• 节点超时：抓取大页面时，给 HTTP 请求节点设置更长的超时时间。
• 密钥泄漏：API key 通过 n8n 的 Credentials 管理，不要写死在节点里。
• 失败无通知：给关键节点配置 Error Workflow（错误工作流），失败时及时告警。

合规提醒

n8n Cloud 以及部分节点对接的海外服务（如海外消息平台、海外模型 API）属于海外服务，其访问和使用可能受所在地网络条件与法律约束，请遵守所在地法律法规和服务条款。数据敏感的场景建议自托管，并自行评估数据出境的合规性。

下一步

• 想理解 AI 工作流原理？看 AI 工作流是什么
• 想对比低代码 AI 平台？看 Dify 教程 与 Coze 教程
• 想用 Webhook 做事件触发？看 Webhook 自动化入门教程