深入了解N8N:进阶AI自动化专家

javaphe

820人浏览 · 2026-01-07 10:00:50

javaphe · 2026-01-07 10:00:50 发布

之前的两篇博文，一篇介绍一个RAG流程《5分钟上手N8N》帮助快速体验n8n，另一篇介绍独立部署N8N+向量模型《0成本部署》为你节省成本并提升数据安全。这篇对n8n的更进一步了解，让你成为一个n8n专家。

N8N概念

名字的由来，原来名字是Nodemation（node automation的含义），开发者嫌名字太长省略中间8个字母odematio后简写为n8n

节点（node），在n8n中，节点是工作流的基础组件，一个节点代表一个任务或处理逻辑。通过节点获取、发送和处理数据，也可以定义流控制逻辑并与外部服务连接。节点大体可以分为两类，触发节点是流程开始，一般节点是业务的处理逻辑。

流程（workflow），一系列的节点组成一个流程，流程是一次完整的业务操作，当触发条件发生时，工作流开始执行，并按顺序依次运行，以完成复杂的任务。

凭证（credential ），在 n8n 中，凭证（Credentials）用于存储连接特定应用和服务的认证信息。在使用您的认证信息（如用户名和密码、API 密钥、OAuth 密钥等）创建凭据后，您就可以使用关联的应用节点与该服务进行交互。

变量（variables），付费会员功能，不多介绍了。用于在节点间存储和访问数据。

数据表（Data table），可以定义一个数据表（在Data tables页签中定义）并可以预置初始数据，在流程中可以通过Data Table节点对数据表进行读取和修改

项目（project），n8n 项目允许您将工作流、变量和凭据分离到不同的组中，以便于管理。通过共享和隔离相关资源，项目使团队协作变得更加容易。

模板（template），不用解释了，可以直接使用的典型流程。你可以使用官方创建的，别人创建的，自己也可以创建一个模板。

社区节点，n8n在国外有着强大的生态支持，但是在国内却没有那么广泛的生态，但不用担心，你可以使用http或mcp调用，并且强大社区提供常用的节点，如飞书、小红书等等都有对应社区节点。在后面的例子也有一个基于飞书的社区节点使用，并且自己也可以开发节点。

常见节点

触发节点，这是n8n流程的开始，是必须使用的节点。包括：手动触发（trigger manually），聊天触发（on chat message），调度触发（on a schedule），相应webhook调用（on webhook call），表单提交触发（on form submission），app事件触发（on app event，国内使用会比较少）

AI相关节点，智能体节点（ai agent）、mcp调用节点（mcp client）、ollama节点、向量存储节点（simple vector store）

流程处理节点，条件判断节点（if）、循环节点（loop over items）、合并流程节点（merge）、分支节点（switch）

数据处理节点，过滤节点（Filter）、数量节点（limit）、去重节点（Remove deuplicates）、编码节点（code，以js和python代码处理）、编辑节点（edit fields）

文件处理节点，文件提取节点（Extract from file，二进制转json）、文件转换（convert to file ，json转二进制），读写本地文件节点（read/write files from disk）、ftp节点（ftp）

生产级案例

demo1：excel数据处理

对excel数据进行处理在企业场景是必不可少的，n8n可以帮你快速创建流程、减少重复性工作。

下载示例流程可以将上图示例导入到你的系统中然后参考写你自己数据处理

导入过程：打开你新建的流程>>左上角的三个小点>>import from file

demo2：使用飞书消息

在企业和个人场景的流程中都会有发送消息的需求，本例介绍如何通过添加一个社区节点发送飞书消息，同样的方法也适合小红书等。

发飞书消息有可以两种方式：一种，http request节点调用飞书机器人；另一种，社区的飞书节点。两种各有特点

*方式一：http request节点*

步骤1：创建聊天群

步骤2：创建聊天机器人

复制webhook的地址，安全设置暂不需要设置，后边可以根据安全要求添加对应验证方式

步骤3：配置N8N发送流程，并发送消息测试

创建一个触发节点，添加http request节点，request 节点的配置如上边，消息体如下

{

"msg_type": "text",

"content": {

"text": "你好，我是n8n"

}

测试发送消息结果如下：

步骤4：at一个人或所有人

（1）获得user_id

进入接口调试：https://open.feishu.cn/api-explorer/cli_a9cbed54df789bc1?apiName=list&project=event&resource=outbound_ip&version=v1

如果程序要根据内容自动at某个人，则先调用用户获取接口拉来所有用户。

（2）消息体

{

"msg_type": "text",

"content": {

"text": "<at user_id="ou_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx">阎</at> 请查看项目进度"

}

（3）at 全部

{

"msg_type": "text",

"content": {

"text": "<at user_id="all">全部</at> 请查看项目进度"

}

*方式二：通过社区节点发送消息*

步骤1：安装飞书的社区节点

左下角选择setting>>community nodes 页的install>>选择并添加社区节点（这里使用的是n8n-nodes-feishu-lite）

安装成功，如下：

步骤2：添加飞书节点

步骤3：注册认证

(1)飞书开发者平台 https://open.feishu.cn/

右上角，当然要先登录

(2)创建企业应用并开通

按照需要给应用授权

发布应用：

步骤4：在N8N中配置凭证

步骤5：配置n8n中的飞书节点

这里有两点特别注意：a.凭证是应用（飞书应用）级别的凭证，不同的应用凭证不一样 b.用户ID类型选择open_id

获取发送者id参见下边的（5）

步骤6：获取发送者id

（1）：进入api调试平台

方式一：https://open.feishu.cn/api-explorer?lang=zh-CN

方式二：

step2：选择对应的内容

避坑

1、excel的处理瓶颈

*案例说明：*

用n8n处理编写一个对excel中某列进行枚举转换用loop 和 edit field节点。excel8万行左右，处理到340批的时候就卡住了，刚开始单条处理后来给edit field换成批处理，每批200条没有太大提升。通过本机docker部署。

*原因分析：*

n8n 的工作机制：

默认每个节点执行后会 *保留所有执行数据在内存中*（workflow data retention）。
Loop + Edit Fields 属于 同步执行，每跑一行数据，n8n 会把当前行的执行轨迹都存入内存。
数据越多，内存越大，越慢，最终直接卡死或 GC 一直打满。

*尝试解决：*

*1）解决方案一：*容器启动时增加参数，不保存过程参数，单批次处理速度快很多，但是还会卡，但最终是完成了。

网上有说在界面上直接可以配置，独立部署的社区版本应该是没有配置，不知道公网上是否有

environment:

- N8N_EXECUTIONS_DATA_SAVE_ON_ERROR=none

- N8N_EXECUTIONS_DATA_SAVE_ON_SUCCESS=none

- N8N_EXECUTIONS_DATA_SAVE_ON_MANUAL=none

- N8N_EXECUTIONS_DATA_SAVE_ON_PROGRESS=false

- N8N_DIAGNOSTICS_ENABLED=false

- N8N_LOG_LEVEL=warn

*2）解决方案二：*使用循环，改为code节点一次性处理，性能比上个还快

2、mcp client节点无法正常运行

*案例说明：*

下载最新版本的n8n（1.121.3），配置一个简单流程的mcp调用，调用mcp client环节，无论如何配置都报错。

报错如下：

Internal error: Error calling tool 'tavily_search': 4 validation errors for call[tavily_search]\nsessionId\nUnexpected keyword argument [type=unexpected_keyword_argument, input_value='9c432a67f57d4ed1844b816632641387', input_type=str]\nFor further information visit https://errors.pydantic.dev/2.12/v/unexpected_keyword_argument\naction\nUnexpected keyword argument [type=unexpected_keyword_argument, input_value='sendMessage', input_type=str]\nFor further information visit https://errors.pydantic.dev/2.12/v/unexpected_keyword_argument\nchatInput\nUnexpected keyword argument [type=unexpected...

*原因分析：*

1）试了各种大模型给的方案，包括格式转换、通过提示词限定输出，都不能解决

2）碰巧有另一个环境恰好可以试试，居然能跑通，那大概率是版版本。

3）再看两个mcp client 格式input格式是明显的不一样，因此推断是ai agent节点的版本问题。

4）将两个流程配置分别导出，查看果然版本不一致，能运行的是2.2，不能运行的是3