解锁AI工作流：轻松玩转n8n！

解锁AI工作流：轻松玩转n8n！

n8n 自动化与 AI 核心指南

n8n + AI 自动化：效率倍增，成本骤降

这视频教你用 n8n 工具搞自动化，特别是结合 AI 来提升效率、降低成本。核心就是让你学会用 n8n 搭建工作流，并建立一个“AI 大脑”来解决实际问题。

核心关键点总结

1. 为啥学 (Why)

提升效率，降低成本。解决商业价值三难困境 (目的价值、方法、成本)。

2. 学啥 (What)

主要学这些：

  • n8n: 一个工作流自动化平台，能无代码/低代码操作，整合 AI 和各种 API。
  • LLM (大语言模型): 像百科全书，提供知识和理解能力。
  • AI Agent: 有自主决策能力的智能系统，由 LLM、记忆、工具组成。

3. 咋学 (How)

  • 理论打底： 理解 AI 自动化的价值，学习 RPA 原则 (规则 -> 流程 -> 自动化)。
  • 环境搭建： 本地 Docker、云端 Zeabur、企业级 Kubernetes。
  • n8n 基础： 熟悉界面 (左侧工具栏、左下账户、顶部功能栏、中央画布、右侧节点功能区)，掌握核心概念 (节点、连接、便签纸)。
  • 核心节点实战： 手动触发、Webhook、HTTP 请求、定时任务 (Schedule)。
  • AI 整合实战： 对接 OpenAI API，用 LLM 做翻译、生成图片。
  • AI Agent 实战： 搭建简单的计算器 Agent 和复杂的电商图片生成 Agent。

4. 关键思维 (“AI 大脑”)

  • 先思考再动手： 工具是次要的，关键是先搞清楚业务逻辑、要解决的问题 (规则、流程)。
  • 用户情境转换： 把实际需求 (如客户生日礼、多语言翻译、电商图片) 拆解成可自动化的步骤。
  • RPA 法则：
    • 规则 (When to do): 啥时候做啥事？(例如：客户生日当天)
    • 流程 (Do A then B): 先做啥再做啥？(例如：先读名单，再判断生日，再发邮件)
    • 自动化 (Human do A, Machine do A): 人咋做，机器就咋做。(例如：人手动查名单发邮件，机器自动完成)

可执行的落地项 (照着做就行)

1. 准备工作

  • 加入视频里提到的 Skool 社群 (AI Brain Alex)，方便提问和获取资源。
  • 下载课程的 PDF 教材。

2. 环境搭建 (选一个)

  • 本地玩玩： 跟着教程用 Docker 在自己电脑上部署 n8n。
  • 云上试试： 用 Zeabur 一键部署 n8n 服务。
  • (企业用户)： 了解下 Kubernetes 部署方式。

3. n8n 上手练习 (跟着 Lab 做)

Lab 1: 第一个工作流

  1. 创建一个手动触发 (Manual Trigger) 的工作流。
  2. 连接 “客户资料库” (n8n training 示例数据) 节点，获取数据。
  3. 用 “编辑栏位” (Edit Fields) 节点修改数据。
  4. 熟悉节点、连接线、便签纸的用法，学会点击 “Test Workflow” 查看结果。

Lab 2: 核心节点

  1. 创建一个 Webhook 节点，复制其 URL。
  2. 用浏览器访问该 URL 测试。
  3. 用 HTTP Request 节点去请求上一步的 Webhook URL。
  4. 分别用手动触发和定时任务 (Schedule) 节点来启动这个 HTTP 请求。
  5. 搞懂 GET (查)、POST (增)、PUT (全改)、PATCH (部分改)、DELETE (删) 的区别。

Lab 3: 客户生日礼

前提： 搞定 Google OAuth 认证，让 n8n 能读写你的 Google Sheets 和 Gmail。

流程：

  1. 定时触发 (如每天)。
  2. Google Sheets 节点：读取客户名单 (含生日、邮箱、是否已发送状态)。
  3. Loop Over Items 节点：逐个处理客户。
  4. Date & Time 节点：获取当前月份。
  5. IF 节点：判断客户生日月份是否为当前月份，且“是否已发送”为“否”。
  6. (若符合条件) Gmail 节点：发送生日祝福邮件和优惠券。
  7. (若符合条件) Google Sheets 节点：更新该客户的“是否已发送”状态为“是”。

练习： 如果卡在日期判断等逻辑，尝试用 ChatGPT 帮你生成 n8n 的表达式。

Lab 4: 超级翻译机

前提： 申请 OpenAI API Key，并在 n8n 中设置为 Credential。

流程：

  1. 手动触发。
  2. Google Sheets 节点：读取待翻译的中文文本。
  3. Loop Over Items 节点：逐条处理文本。
  4. OpenAI Chat Model 节点：
    • System Prompt: 指示 AI 扮演多语言翻译大师，输出指定格式 (如 JSON) 的中、英、日、韩文结果。
    • User Prompt: 传入待翻译的中文文本。
  5. (可选) Function 节点：解析 OpenAI 返回的 JSON 数据，提取各语言翻译结果。
  6. Google Sheets 节点：将翻译结果写回表格。

Lab 5: 最简单的 AI Agent - 计算器

流程：

  1. Chat Trigger 节点 (让你能通过聊天界面输入)。
  2. AI Agent 节点，配置：
    • Chat Model: OpenAI (如 gpt-3.5-turbo)。
    • Memory: Window Buffer Memory (短期记忆)。
    • Tool: n8n 内置的 Calculator 工具。
    • System Prompt: 定义 AI Agent 的角色 (如“你是一个由 n8n 驱动的 AI 助理”) 和行为。
  3. 测试： 在聊天框问：“你是谁？”、“1+1等于多少？”、“n8n 是什么？”观察 AI Agent 的回复和是否调用了 Calculator 工具。

Lab 6: 电商图片生成 AI Agent

流程：

  1. Chat Trigger 节点：输入生成图片的需求。
  2. AI Agent 节点，配置：
    • Chat Model: OpenAI。
    • Memory: 短期记忆。
    • Tool 1 (ThinkTool): 定义商业分析师角色，优化提示词规则。
    • Tool 2 (HTTP Request): 调用图片生成 API。
    • Tool 3 (Google Drive Upload): 上传图片。
    • Tool 4 (Gmail): 发送通知。
    • Structured Output: 要求 AI Agent 输出标准格式的图片生成提示词。
    • System Prompt (for AI Agent): 定义 AI Agent 协调任务。
  3. HTTP Request 节点：使用 AI Agent 生成的提示词，调用图片生成 API。
  4. Convert to File 节点：处理 API 返回的图片数据。
  5. Google Drive 节点：上传图片文件。
  6. Gmail 节点：发送邮件通知。

4. 深化理解 (“AI 大脑”修炼)

  • 反思每个 Lab： 我是怎么把用户需求一步步拆解成规则、流程，再用 n8n 实现自动化的？
  • 提示词工程： 练习给 OpenAI 和 AI Agent 写清晰、有效的系统提示词 (System Prompt) 和用户提示词 (User Prompt)。
  • 工具组合： 思考如何组合 n8n 的不同节点和 AI能力来解决更复杂的问题。
  • 从模板学习： 浏览 n8n 官方或社区的模板，看看别人是怎么解决问题的，但最终还是要建立自己的思考方式。

记住，工具是死的，思路是活的。这套教程的核心是让你掌握用自动化的思路去分析和解决问题，n8n 只是实现这个思路的一个好帮手。

>
Back to blog

Leave a comment