n8n 是一款功能强大的开源工作流自动化工具，它通过可视化的方式让你能够连接各种应用、服务和数据，自动执行重复性的任务和业务流程。

https://docs.n8n.io/

🔧 n8n 工作流自动化平台全面指南 #

✨ 核心特点 #

n8n 有以下几个突出的特点，使其在自动化工具中脱颖而出：

• 开源与公平代码模式：n8n 采用 “Fair-code” 许可，这意味着它可以免费使用和修改，但限制将其作为托管服务商业出售，从而在开源共享与商业收益之间取得了平衡。
• 强大的可视化编辑器：通过直观的拖放界面，你可以轻松设计和构建复杂的工作流，无需深厚的编程背景。
• 丰富的集成能力：支持超过 400 种应用和服务（如 Slack、Notion、Google Sheets、MySQL、GitHub 等）的即插即用节点，并且数量还在不断增加。
• 灵活的扩展性：允许你使用 JavaScript 或 Python 编写自定义代码节点（Function 节点），实现高度定制化的逻辑处理。
• 多种部署方式：你可以在自己的服务器上自托管（数据完全自主可控），也可以使用 n8n 官方提供的云服务（n8n.cloud）。
• AI 智能集成：原生支持 LangChain 框架，可以轻松地将 OpenAI GPT、DeepSeek 等大型语言模型 (LLM) 集成到你的工作流中，实现智能摘要、内容生成、数据分析等 AI 自动化任务。

🛠️ 主要功能 #

n8n 的功能可以大致归纳为以下几个方面：

1. 工作流自动化与编排：这是 n8n 的核心。你可以创建多步骤的工作流，将不同的任务和应用连接起来。例如，当收到一封特定类型的客户邮件时，可以自动在 CRM 中创建记录，并向 Slack 频道发送通知。
2. 数据集成与同步：在不同的应用和数据库之间同步数据。例如，将 Google Form 提交的新数据自动同步到 Airtable 或 MySQL 数据库，或者将 Shopify 的新订单同步到财务系统。
3. API 集成与连接：通过内置的 HTTP Request 节点，n8n 可以与任何提供 API 的服务（REST、GraphQL）进行通信，极大地扩展了其集成边界。
4. 定时与事件触发：
   • 定时触发：使用 Schedule Trigger 节点，可以按 Cron 表达式设定时间自动执行工作流（如每天上午 9 点、每周一等）。
   • 事件触发：通过 Webhook 节点，可以监听外部事件（如 GitHub 推送、表单提交、支付成功等）来触发工作流。
5. 决策与条件逻辑：使用 IF 节点可以根据数据内容做出判断，决定工作流的不同执行分支。例如，如果销售额超过一定额度，则发送祝贺邮件；否则，发送预警报告。
6. 错误处理与重试：可以配置节点在失败时自动重试，并定义错误处理流程，确保工作流的鲁棒性。
7. 企业级功能：对于团队和企业用户，n8n 提供了基于角色的访问控制 (RBAC)、单点登录 (SSO)、审计日志和加密存储等功能，以满足安全性和合规性要求。

🚀 如何使用 n8n #

使用 n8n 的一般步骤包括安装、创建工作流和测试运行。

安装与启动 #

n8n 提供了多种安装方式，适合不同的用户和环境：

1. 使用 Docker（推荐用于自托管）： 这是最快捷的本地启动方式。确保你的系统已安装 Docker，然后运行以下命令：

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

   之后，在浏览器中访问 http://localhost:5678 即可打开 n8n 界面。

2. 使用 Node.js： 如果你已经安装了 Node.js，可以通过 npm 全局安装 n8n：

   npm install -g n8n
   

   安装完成后，在终端中运行 n8n 命令即可启动，同样通过 http://localhost:5678 访问。

3. 云托管（n8n.cloud）： 如果你不想自己维护服务器，可以直接注册 n8n 的官方云服务，享受开箱即用的体验。

4. 其他部署方式： n8n 也支持部署在 Kubernetes、Nomad 等容器编排系统中，适合大规模生产环境。

创建你的第一个工作流 #

下面是一个简单的例子，演示如何创建一个每天检查太阳耀斑数据并发送通知的工作流：

1. 创建新工作流：登录 n8n 后，点击 “Workflows” -> “Create Workflow”。
2. 添加触发器：从节点面板拖拽一个 Schedule Trigger 节点到画布。配置它，比如设置为每周一上午 9 点触发。
3. 添加操作节点：
   • 添加一个 HTTP Request 节点，连接到触发器之后。配置它调用 NASA 的 DONKI API 来获取最近几天的太阳耀斑数据。
   • 添加一个 IF 节点，连接到 HTTP Request 节点之后。设置条件判断返回的数据中是否包含 “X” 级的耀斑（X 级是最高强度）。
4. 设置通知：
   • 在 IF 节点的 “True” 分支后，添加一个 Email 节点或 Slack 节点，配置它发送包含耀斑详细信息的警报邮件或消息。
   • 在 “False” 分支后，也可以添加一个节点发送"今日无X级耀斑"的平安通知。
5. 保存与执行：点击 “Save” 保存工作流。你可以先点击 “Execute Node” 进行测试，测试无误后，打开工作流的 “Active” 开关，它就会按照定时设置自动运行了。

进阶技巧 #

• 使用代码节点：当内置节点无法满足复杂逻辑时，可以使用 Function 节点编写 JavaScript 代码来处理数据。
• 错误处理：为关键节点配置错误处理机制，确保工作流在部分节点失败时也能优雅地处理。
• 利用社区资源：n8n 有一个活跃的社区，提供大量的现成工作流模板（超过 1200 个）和自定义节点，你可以在官方网站或社区论坛中找到它们，直接导入使用或作为参考。这对于初学者来说是非常好的学习资源。
• 环境变量与安全：对于API密钥、数据库密码等敏感信息，强烈建议使用 n8n 的凭证管理功能或环境变量来存储，避免硬编码在工作流中。

🧩 编程语言支持情况 #

了解 n8n 对编程语言的支持情况，能帮助你更好地扩展和定制自动化流程。n8n 本身是用 TypeScript 开发的，它对 TypeScript 和 JavaScript 的支持最为原生和强大。同时，它也通过多种方式支持其他语言。

下面这个表格汇总了 n8n 支持的主要语言及其常见应用场景，希望能让你一目了然：

n8n 的扩展方式

n8n 支持多种扩展方式，你可以根据需求选择：

• 函数代码节点（Function Node）：适用于快速、轻量的代码逻辑，支持 JavaScript 和 Python。
• HTTP/API 节点：通过 HTTP Request 节点或 Webhook 节点与任意外部 API 交互，无需为每个服务编写专用节点，适合快速集成第三方服务、远程数据源。
• 自定义节点（Custom Nodes）：当功能需要长期维护或频繁复用时，可使用 TypeScript 开发自定义节点插件。

🔧 如何使用不同的语言

• TypeScript/JavaScript (自定义节点)：这是最强大的扩展方式。你需要使用 n8n 提供的 SDK 和模板（如 n8n-nodes-starter）来开发独立的节点模块，然后将其安装或链接到 n8n 实例中。
• JavaScript/Python (Function 节点)：在编辑器中找到 “Function” 或 “Function Item” 节点，拖入画布，然后在代码编辑器中直接编写代码即可。你可以在下拉菜单中选择所需的语言。
• Python (完整环境)：若要使用完整的 Python 及其第三方库，你需要一个内置了 Python 环境的自定义 n8n Docker 镜像。
• HTTP 集成：使用 HTTP Request 节点，配置好 URL、方法和参数，即可与任何外部 API 通信。

💡 选择建议

• 快速数据转换或简单逻辑：优先使用 Function 节点中的 JavaScript，这是最方便的内置选项。
• 复杂的业务逻辑或需要特定 Python 库：如果内置 Python 环境无法满足，考虑使用 Execute Command 节点调用外部 Python 脚本，或为其构建自定义 Docker 镜像。
• 集成外部系统或无现成节点：使用 HTTP Request 节点调用该系统的 API。
• 创建可复用、功能丰富的专业集成：投入精力使用 TypeScript 开发自定义节点。

💎 总结与建议 #

n8n 是一款强大、灵活且开发者友好的自动化工具。它的可视化界面降低了自动化任务的门槛，而代码嵌入能力又为开发者提供了无限的扩展性。无论是个人自动化、跨应用数据同步，还是复杂的 AI 智能工作流，n8n 都能胜任。

对于初学者，建议从官方文档和社区模板开始，模仿和修改现有的工作流是快速上手的最佳途径。 对于开发者和企业，n8n 的自托管能力、安全特性和扩展性使其成为集成中心化和业务流程自动化的理想选择，尤其适合对数据隐私和定制化有较高要求的场景。

与 airflow 的使用场景区别 #

当然，n8n 和 Apache Airflow 都是优秀的自动化工具，但它们在设计哲学、目标用户和核心应用场景上有根本性的区别。

简单来说：

• n8n 是一个面向应用集成和业务自动化的低代码/无代码工作流工具。
• Apache Airflow 是一个面向数据工程和数据处理的代码优先的工作流编排平台。

下面我们从几个维度进行详细对比。

📊 核心对比一览表 #

🔍 详细区别解析 #

1. 核心哲学与目标用户 #

• n8n：秉承“让自动化变得民主化”的理念。它的目标是让不那么懂编程的人（如业务分析师、运营人员）也能轻松搭建自动化流程，快速连接他们日常使用的各种SaaS应用（如Notion, Slack, Telegram, Google Workspace）。开发者也可以用其快速原型开发。
• Airflow：秉承“配置即代码”的理念。它是一个为工程师打造的工程平台，专门用于构建、调度和监控复杂的数据管道。用户需要习惯用Python代码来定义工作流。

2. 工作流定义方式 #

• n8n：在Web UI 画布上通过拖放节点、连接线的方式来设计和定义工作流。工作流的配置（如API参数、条件判断）大多通过表单填写完成。这对于可视化逻辑流程非常直观。 n8n 可视化界面示例：

• Airflow：在Python 文件中通过编写代码（实例化各种Operator）来定义有向无环图（DAG）。工作流的依赖关系、调度时间、任务参数全部体现在代码中。 Airflow 代码定义示例 (一个简单的 DAG)：

  from airflow import DAG
  from airflow.operators.python_operator import PythonOperator
  from datetime import datetime
  
  def extract_data():
      # 提取数据的逻辑
      return data
  
  def transform_data(**context):
      # 获取上游任务的数据并进行转换
      data = context['task_instance'].xcom_pull(task_ids='extract')
      # 转换逻辑...
      return transformed_data
  
  def load_data(**context):
      transformed_data = context['task_instance'].xcom_pull(task_ids='transform')
      # 加载数据到数据库的逻辑...
  
  default_args = {
      'start_date': datetime(2023, 1, 1),
  }
  
  with DAG('my_etl_pipeline', default_args=default_args, schedule_interval='@daily') as dag:
      extract = PythonOperator(
          task_id='extract',
          python_callable=extract_data
      )
  
      transform = PythonOperator(
          task_id='transform',
          python_callable=transform_data,
          provide_context=True
      )
  
      load = PythonOperator(
          task_id='load',
          python_callable=load_data,
          provide_context=True
      )
  
      extract >> transform >> load  # 定义任务依赖关系
  

3. 调度与触发 #

• n8n：支持多种触发方式，包括定时调度（Cron）、Webhook（响应HTTP请求）、轮询（定期检查应用状态变化）等。这使得它非常适合事件驱动的自动化场景。
• Airflow：其核心是基于时间的调度（如每天、每小时）。虽然也可以通过传感器（Sensor）或外部触发来运行，但其设计初衷是处理按预定时间规律运行的批处理任务。

4. 集成与扩展 #

• n8n：胜在开箱即用。内置了数百个预制节点，配置好API凭证后几分钟内就能让两个应用对话。
• Airflow：胜在深度和灵活性。你需要编写Python代码来调用任何服务（通常使用社区提供的Operator或自己写HTTP请求）。这对于集成自定义或内部系统更有优势。

💡 如何选择？ #

选择 n8n，如果你的需求是：

• 快速连接各种SaaS应用（如“当Typeform有新提交时，添加到Airtable并发Slack通知”）。
• 团队中非技术人员需要参与创建或维护自动化流程。
• 需要处理基于事件的、实时的触发器（如Webhook）。
• 追求快速开发和部署，验证自动化想法。

选择 Apache Airflow，如果你的需求是：

• 构建和维护复杂、可靠的数据处理管道（ETL/ELT）。
• 处理大数据量，并且任务之间有复杂的依赖关系。
• 你的团队主要由数据工程师和Python开发者构成。
• 需要对工作流有极细粒度的控制和监控。

一个常见的组合是：使用 Airflow 作为核心数据管道的骨干，同时使用 n8n 处理围绕数据的业务自动化（例如：当Airflow管道成功运行后，触发n8n工作流，将分析结果通过邮件或Chatbot发送给业务人员）。两者并不总是互斥，而是可以协作，共同构成企业自动化的生态系统。

与 dify 场景对比 #

它们虽然在自动化方面有所交集，但核心定位和主攻领域完全不同。n8n 是“自动化领域的连接器”，而 Dify 则是“AI 应用开发的助推器”。

为了让你快速把握核心区别，我用一个表格来汇总它们的对比：

🧩 n8n 的核心场景

n8n 的核心价值在于连接和自动化。它像一个数字世界的万能胶水和自动化流水线设计师，擅长处理那些需要在不同软件和应用之间传递数据、触发动作的重复性工作。

• 电商运营自动化：自动处理 Shopify 或其它电商平台的新订单，同步到金蝶等ERP系统扣减库存，生成物流单并回传，最后通知仓库发货，并更新CRM客户记录。
• 跨平台数据同步与处理：定时将 Notion 中的项目进度同步到 Airtable 或 Google Sheets，并进行数据清洗（去重、格式化），然后通过邮件或Slack发送报告。
• 营销与客户互动流程：当用户在Typeform提交表单后，自动在Mailchimp创建联系人，并根据用户选择的分支向其Slack频道发送特定通知。
• 内部系统监控与告警：定时检查数据库或API状态，出现异常时自动发起Jira工单并电话通知值班人员（通过PagerDuty等）。

🔮 Dify 的核心场景

Dify 的核心价值在于降低构建生产级AI应用的门槛。它为你提供了全套工具，让你能专注于AI应用逻辑本身，而无需从零开始搭建所有底层设施。

• 智能客服与问答机器人：上传企业内部的产品手册、政策文档（PDF/Word等），快速构建一个能基于这些知识准确回答用户问题的智能客服。
• 内容生成与处理：开发一个为电商平台生成个性化商品描述的工具，或一个自动为长篇报告生成内容摘要的助手。
• 垂直行业AI助手：为律所开发合同审查机器人，快速识别风险条款；或为教育机构开发一个能根据教材内容答疑解惑的AI助教。

🤝 n8n 与 Dify 的协同合作

n8n 和 Dify 并非互斥，它们可以强强联合，构建更强大的智能化业务流程。 例如，你可以用 Dify 构建一个核心的AI智能大脑（如客户意向分析模型），然后用 n8n 搭建业务流程肢体：

1. n8n 监听网站表单提交或CRM商机更新事件。
2. n8n 通过 API 将客户查询或信息发送给 Dify 的 AI 应用。
3. Dify 的 AI 应用分析客户意图、情感或生成个性化回复内容。
4. n8n 接收 Dify 返回的结果，然后根据结果自动执行后续操作：例如，高意向客户直接创建销售任务并推送企业微信，普通咨询则进入知识库并发送感谢邮件。

💡 如何选择 n8n 和 Dify

选择的关键在于厘清你的核心需求：

• 如果你的主要目标是“自动化”：想要连接多个现有系统（如数据库、CRM、ERP、社交媒体、内部API），自动化重复的业务流程（数据同步、订单处理、报告生成、消息通知），而AI只是这个流程中可能的一环（例如调用一次OpenAI生成文本），那么 n8n 更合适。

• 如果你的主要目标是“AI应用”：想要快速构建一个以大语言模型为核心的应用（如智能问答、内容生成、知识库对话、AI助手），关注Prompt工程、模型管理、知识库检索（RAG）、对话体验，那么 Dify 更擅长。

• 如果你的业务既复杂又需要智能：可以考虑组合使用，用 Dify 处理核心AI逻辑，用 n8n 处理前后端的业务流程和系统集成。

https://zhuanlan.zhihu.com/p/1898775808660710158