适合人群：听说过“工作流自动化”，想把重复性的整理、通知、汇总工作交给 AI 处理，但不想从零写代码的同学。

一、背景

最近 X 上关于 n8n 的教程分享很多，比如在 Linux 服务器上安装配置 n8n、用 Docker 部署并配置 SSL，以及用 n8n 自动更新客户信息、自动发送账单提醒等案例。也有用户指出：很多业务需要的并不是一个复杂的 AI 智能体，而是一个包含一步“智能处理”的普通工作流。

n8n 是一款开源的工作流自动化工具，通过拖拽节点把触发条件、数据处理、第三方服务和 AI 模型串联起来。它支持自行部署，数据可以留在自己的机器上。本文带你在本机用 Docker 启动 n8n，并做一个“输入一段文字，AI 自动总结”的入门工作流。

二、准备工作

• 一台安装了 Docker 的电脑（Windows/macOS 可安装 Docker Desktop，Linux 安装 Docker Engine）；
• 如果要接入 AI 模型，需要准备一个模型服务的 API Key，或者在本地运行一个兼容 OpenAI 接口的模型服务。

确认 Docker 正常工作：

docker --version

三、操作步骤

步骤 1：创建数据卷

n8n 的工作流、凭据等数据需要持久保存，否则容器删除后就会丢失。先创建一个数据卷：

docker volume create n8n_data

步骤 2：启动 n8n

根据 n8n 官方文档的 Docker 安装说明：

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

参数解释：

• -p 5678:5678：把容器的 5678 端口映射到本机；
• -v n8n_data:/home/node/.n8n：把数据保存到刚创建的数据卷；
• --rm：容器停止后自动删除容器本身（数据仍在数据卷中）。

如果希望在后台长期运行，可以把 -it --rm 换成 -d --restart unless-stopped。

步骤 3：打开编辑器并创建账号

启动完成后，在浏览器地址栏输入本机地址：

http://localhost:5678

首次进入会要求设置一个所有者账号（邮箱和密码），这是你本地实例的管理员账号。

步骤 4：创建第一个工作流

1. 在主页新建一个工作流（Workflow）；
2. 添加触发节点。入门阶段选择手动触发（Manual Trigger）即可，点击测试按钮就能运行；
3. 添加一个 Edit Fields（Set） 节点，新建一个文本字段 text，填入一段你想总结的文字，用来模拟输入数据。

步骤 5：加入 AI 节点

1. 在 Set 节点后添加 AI 相关节点，例如 Basic LLM Chain 或 AI Agent 节点；
2. 为它连接一个聊天模型子节点，例如 OpenAI Chat Model；
3. 新建凭据（Credential），填入 API Key。如果使用本地兼容服务，在凭据中修改 Base URL 指向本地地址；
4. 在提示词中引用上一步的字段，例如：

请把下面的内容总结成三条要点，每条不超过 30 字：
{{ $json.text }}

{{ }} 是 n8n 的表达式语法，$json 表示上一个节点输出的数据。

步骤 6：运行与查看结果

点击执行工作流，每个节点会显示运行状态。点开 AI 节点，可以在右侧看到输入和输出的具体数据。如果出错，错误信息也会显示在对应节点上，排查起来很直观。

步骤 7：改造成真正的自动化

手动触发跑通后，可以替换触发方式，让流程自动运行：

• 定时触发（Schedule Trigger）：比如每天早上汇总一次；
• Webhook：其他系统推送数据时触发；
• 邮件、表格等服务的触发节点：新邮件到达、新行写入时触发。

最后记得把工作流设为激活（Active）状态，否则自动触发不会生效。

四、一个实用的完整思路

以“每天整理待读文章”为例，可以这样设计：

1. 定时触发：每天固定时间运行；
2. 读取数据：从表格中读取当天新增的文章标题和摘要；
3. AI 处理：让模型给每篇文章打上分类标签，并写一句推荐理由；
4. 输出：把结果写回表格，或发送到你的消息工具。

这个流程中只有第 3 步用到 AI，其余都是普通的数据搬运，非常适合作为入门练习。

五、常见问题 FAQ

Q1：浏览器打不开编辑器？
确认容器正在运行（docker ps），并检查 5678 端口是否被其他程序占用。如果占用了，可以改成 -p 5679:5678，然后访问 5679 端口。

Q2：重启后工作流不见了？
检查启动命令中是否挂载了数据卷。没有挂载数据卷时，数据只存在于容器内部，容器删除后就会丢失。

Q3：Webhook 在外网无法访问？
本机部署时，Webhook 默认只能在本机或局域网访问。如果需要外部服务回调，需要部署到有公网地址的服务器，并配置域名与 HTTPS，具体以官方文档为准。

Q4：可以接入本地模型吗？
可以。只要本地模型服务提供 OpenAI 兼容接口，就能在凭据中修改 Base URL 接入。注意容器内访问宿主机服务时，地址不是 localhost，Docker Desktop 下通常使用 host.docker.internal。

Q5：n8n 是免费的吗？
n8n 提供可自行部署的版本和官方托管服务，许可条款和功能差异请阅读官方说明后再用于商业场景。

六、实用技巧

1. 先用固定数据调试：用 Set 节点模拟输入，调通后再接入真实数据源；
2. 给节点改名：把节点名称改成“读取文章”“AI 打标签”等，流程复杂后更好维护；
3. 固定提示词格式：要求模型输出固定结构，方便后续节点处理；
4. 设置失败通知：重要流程配置错误处理，失败时通知自己；
5. 定期备份：工作流可以导出为 JSON 文件，建议定期备份。

七、总结

用 n8n 搭建 AI 工作流的入门路径是：Docker 启动 → 创建账号 → 手动触发 + 模拟数据 → 加入 AI 节点 → 换成自动触发并激活。先从“只有一步 AI 处理”的小流程开始，逐步把日常重复工作自动化，比一开始就追求复杂的智能体更容易落地。

参考资料

• n8n 官方文档：Docker 安装章节（https://docs.n8n.io/hosting/installation/docker/）
• n8n 官方文档：Advanced AI 与 AI Agent 节点说明
• X 用户 @crownclouds、@Blogvibe12 关于 n8n 安装部署的分享
• X 用户 @getautoflows 关于“工作流加一步智能处理”的观点