N8n自动化工作流工具学习笔记
N8n是一款流行的无代码自动化工作流工具，适合各类用户，包括技术背景薄弱的新手。利用N8n可以构建多样化的自动化工作流和AI应用。
N8n核心概念与工作流程
无代码特性: N8n无需编程知识，用户无需编写代码即可创建工作流，对新手友好。
基本工作流程: N8n的工作流通常从一个触发器 (Trigger) 开始，经过一系列节点 (Nodes) 的处理，最终实现预设的目标。中间流程可根据需求进行多种变化。
N8n主要节点功能详解
1. 触发器 (Triggers)
触发器是所有工作流的起点，用于启动工作流。
手动触发 (Manual Trigger):
在创建工作流时非常常用，约99%的场景下会用到。
通过手动点击启动工作流，适用于测试和即时执行。
定时触发 (Schedule Trigger):
类似于闹钟功能，可设置每天定时触发，例如：
每天早上6点获取当天新闻。
每天中午12点自动发送电子邮件。
每天晚上自动发布新的社交媒体内容。
Webhooks:
作为“魔法传送门”，能够连接N8n以外的外部工具来触发工作流。
常见应用场景：
前端应用（如无代码工具Cursor, Lavable）通过Webhooks触发后端工作流。
iPhone Siri等语音助手触发N8n工作流。
聊天框 (Chat Trigger):
通过与工作流进行对话来触发命令执行、信息查找、问题回答等任务。
Google Sheet:
表格数据触发器，可利用Google Sheet中的销售数据、整理资料等作为输入来启动工作流。
2. 功能节点 (Function Nodes)
功能节点用于对数据进行处理、转换、控制等操作。
Set (设定节点):
作用：设定或修改数据值，从大量数据中筛选并提取所需信息。
示例：从Webhook同步的成百上千个数据中，只抓取first name, last name, full name, phone, email等特定字段。
功能：设置“什么值等于什么值”。
Split Out (分割节点):
作用：将一个大的数据项（Item）分割成多个独立的数据项。
示例：将包含10个姓名、电话、邮件的数据项分割成10个独立的数据项，适用于分批处理数据。
Aggregate (聚合节点):
作用：与Split Out相反，将多个数据项集合成一个数据项，常用于数据汇总。
If (条件判断节点):
作用：根据条件判断结果（True或False）决定工作流走向。
示例：判断用户主页点赞数是否超过1000，True则进行特定分析，False则进入另一工作流。
Switch (切换节点):
作用：根据多个条件进行多路路由，可设置多个分支。
示例：根据文件类型（语音、文字、图片、无法识别图片）将工作流导向不同的处理路径。
Merge (合并节点):
作用：将两个或多个不同的数据结合成一个数据项。
示例：制作AI视频时，将生成的动画数据（Input 1）和语音数据（Input 2）合并，再进行视频组合。
Wait (等待节点):
作用：暂停工作流，等待指定时间或前序节点完成。
场景：当前序节点需要长时间处理（如生成15-20分钟的AI视频、语音或大量图片）时，避免后续节点因数据未就绪而报错。
示例工作流（电商数据处理）
Webhook触发: 获取电商订单数据，包含多种商品购买信息。
Set节点: 提取所需关键数据，如订单总金额、购买日期、客户姓名、电话、下单时间、订单状态、地址等。
If节点: 判断订单总金额是否高于300元，将其标记为高价值客户（priority为high）。
Split Out节点: 将订单中的不同商品（例如：电子产品、瑜伽垫、咖啡机）分割成独立的数据项。
Switch节点: 根据商品类别（Electronics, Sports, Home & Kitchen）将不同商品导向不同分支处理。
Merge节点: 将经过分类处理后的所有商品数据重新合并回一个数据项。
此示例展示了Set、Split Out、Aggregate、If、Switch、Merge等节点的协同工作，实现从复杂电商数据中提取、处理、分类、汇总信息的完整流程。
3. API与数据存储节点
HTTP Request:
作用：请求任何开放API的工具，用途广泛。
Method: 99.9%情况下使用GET（获取数据）或POST（提交数据）。其他DELETE, HEAD, OPTION, PATCH, PUT等较少使用。
cURL: 许多API文档直接提供cURL设置，可直接复制粘贴到N8n中，完成约95%的配置。剩余5%可能需要手动设置API Key。
Insert Row:
作用：在N8n内部储存数据，或导入外部表格数据，以加快工作流运行速度和方便管理。
可自定义添加内容、ID、触发器。
支持导入Google Sheet、Airtable、Notion、Postgres等数据表的内容。
优势：数据存储在N8n本地，运行速度更快，方便访问和处理。
Webhook Response:
Webhook Trigger: 通常是POST请求，前端与此URL连接后即可触发工作流。
Response to Webhook: 工作流处理结束后，将最终结果返回给Webhook的节点。这形成了一个完整的“请求-处理-响应”循环。
4. 代码与AI相关节点
Code Note (代码节点):
作用：允许用户直接编写JavaScript代码，实现自定义逻辑。
适用人群：具有技术背景的工程师。
非技术用户：可利用AI大模型（如ChatGPT, Claude）生成代码，复制粘贴到此处，并根据错误信息进行迭代修改。
AI Transform (AI转换节点):
作用：通过自然语言描述，让AI大模型自动生成代码。
示例：用户输入“Merge first name and last name into a field detailed.name and sort by email”，AI将自动生成相应代码。
可直接在节点内部进行代码生成，或手动从外部AI模型获取代码后粘贴。
演示示例: 一个复杂的N8n工作流，如果使用代码节点，可以仅用一个Code节点实现与多个普通节点相同的功能，产生相同输出。
优势：对于会编程的用户，可能更高效；对于不会编程的用户，AI生成代码也能达成目标。
Basic LLM Chain (基础大语言模型链):
作用：连接并利用大模型（如Google Gemini, OpenAI GPT）进行文本分析。
示例：客服场景中，分析客户情绪（愤怒、开心等）。
Message Model (消息模型节点):
作用：向大模型发送提示词 (Prompt)，获取答案。
功能：用户输入Prompt，连接到Gemini, GPT, Claude等大模型后，将输出相应的答案。
AI Agent (AI智能体节点):
N8n中最强大的节点之一，允许构建复杂的AI智能体系统。
Agent嵌套: 可以在一个主Agent下嵌套多个子Agent，实现并行或顺序执行任务。
工具调用: Agent可调用各种工具 (Tool) 来执行特定任务。
Prompt设置: 在Agent中设置详细的Prompt，指导Agent完成复杂的组合任务，并最终返回所需答案。
N8n工作流创建模式
1. N8n自带工具
N8n AI (Vibe Coding):
功能：N8n内置的AI工具，允许用户通过自然语言描述来生成工作流。
优势：深度理解N8n节点及其连接、设置和Prompt，可完成约80%的工作流搭建。
可用性：目前主要面向N8n云用户，自托管和本地部署用户未来可集成大模型后使用。
2. 外部辅助工具
Cloud MCP / N8n ICP:
通过集成外部AI模型来辅助创建工作流（详细设置可参考相关视频教程）。
Node Sticky:
N8n新功能，通过Command + K或Ctrl + K快捷键调出。
记录用户之前使用过的节点和工作流，方便快速复用。
3. 结合ChatGPT与GitHub
GitHub集成:
将N8n官方GitHub仓库github.com/n8n-io/n8n Fork到个人账户。
在ChatGPT的Deep Research功能中连接该GitHub仓库。
AI学习: ChatGPT将学习GitHub仓库中所有关于N8n节点、用途、模板等数据。
工作流生成: 用户可向ChatGPT提出工作流需求（例如：“Go and research all the nodes available for Facebook”或“帮我写一个工作流”），ChatGPT会根据学习到的N8n知识，提供详细的节点连接步骤和设置建议。
编写有效提示词 (Prompt) 的原则
有效的Prompt对于AI生成准确结果至关重要。
1. 明确具体，避免含糊不清
糟糕的Prompt: “从列表单中获取我新的线索并保存。” (AI不清楚“列表单”和“线索”的具体指代，以及如何“保存”)
好的Prompt: “建立一个Webhook触发器开始流程。当你收到资料时，发送给AI代理，将其行业分类为科技、金融或其他，最后根据分类分发到不同的节点。” (明确了触发器、数据处理方式、分类标准及后续动作)
2. 详细说明步骤和逻辑
糟糕的Prompt: “我需要每天早上看到股票并发送到电子邮件里面。” (缺乏具体步骤和条件)
好的Prompt: “首先，设置一个每天早上9点的定时触发器。然后，使用HTTP节点查询特斯拉的股票价格。接着，判断价格是否低于180美元，如果低于，则通过Gmail发送一封主题为‘股票警报’的邮件通知。” (明确了时间、查询目标、条件判断和发送方式)
3. 结构化指令，使用逻辑词汇
糟糕的Prompt: “过滤我的电子邮件。” (不清楚过滤标准和方法)
好的Prompt: “我们有一个Webhook的清单，分割处理电子邮件，并使用JavaScript代码执行。第一步是获取电子邮件内容；第二步是检查是否是个人电子邮件。如果是个人电子邮件（True），则归类到‘Personal’；如果不是（False），则归类到‘Other’。” (明确了输入、处理方式、判断条件和分类结果)
核心要点: 编写Prompt时，像与人沟通一样，清晰、有逻辑、具体地说明需求，AI才能更好地理解并执行。
N8n工作流设计模式
N8n的工作流模式多样，可根据需求灵活组合。
1. 线性流程 (Linear Flow)
特点：简单、按顺序执行的步骤。
示例：Trigger -> 获取数据 -> 整理数据 -> 添加到Google Sheet。
2. 分支流程 (Branching Flow)
特点：根据条件判断，工作流分成多条路径。
示例：Trigger -> 获取数据 -> If判断 (True则走A路径，False则走B路径) -> (可选) 合并。
3. 循环流程 (Looping Flow)
特点：重复执行某个或某组节点，处理大量数据。
场景：避免API请求达到速率限制 (Rate Limit)，例如，有1000个数据需要处理，每次只请求50个，循环直到所有数据处理完毕。
示例：Trigger -> Loop节点 (每次处理少量数据) -> 处理数据 -> (可选) 添加到Google Sheet。
4. 分类器流程 (Classifier Flow)
特点：根据输入内容进行分类，导向不同处理路径。
示例：接收电子邮件 -> 分类器 (根据邮件内容判断是紧急、发票、垃圾邮件等) -> 导向不同的工作流或邮箱。
5. AI Agent模式
特点：利用AI Agent的能力，结合大模型和多种工具，完成复杂任务。
示例：AI Agent -> 连接大模型 -> 调用多种工具 (Tool 1, Tool 2...) -> 给出Prompt -> AI Agent综合处理后输出答案。
6. 资料循环 (Data Looping)
特点：处理大量潜在客户 (Lead) 数据，进行清洗、整理和存储。
示例：大量Lead数据 -> Loop节点 (逐一处理) -> 资料整理 -> 提取所需数据 -> 合成文件 -> 存储到数据库。
总结: N8n的工作流设计如同乐高积木，用户可以根据具体需求和想象力，自由拼接和组合各种节点，创建出无限多样的工作流。
N8n学习资源与社区
VIP课程: 提供超过40小时的N8n从新手到高手的详细课程，内容涵盖客户获取、谈判、定价、AI工作流制作等。包含每周两次的直播答疑。
免费社群:
名称：AIHC大师学院
加入方式：通过视频下方链接加入。
资源：可在社群的YouTube资源区下载本笔记所使用的教学模板，并参与AI相关话题的讨论。
通过系统学习和实践，即使是没有任何技术背景的新手，也能熟练掌握N8n，并创建属于自己的自动化AI工作流。
