n8n 自建 AI 工作流完全指南：零订阅费，本地运行，400+ AI 节点随便玩

为什么需要自建 AI 自动化平台？

2026 年，AI 已经渗透到开发的每一个角落。但大多数人用 AI 的方式仍然是"打开 ChatGPT 网页 → 复制粘贴 → 再手动操作"，这种模式本质上是低效的。

真正高效的 AI 使用方式是自动化工作流：让 AI 自动监控日志、自动分类邮件、自动生成内容摘要。而实现这一目标，你不需要每个月花几百美元买 Zapier 的订阅。

Zapier 的痛点：贵、数据出境、模型锁定

n8n 的优势：开源、1500+ 集成、AI 原生

n8n 是一个 Fair-Code 许可的工作流自动化平台，GitHub 上拥有 50,000+ Star，被 ByteByteGo 评为 2026 Top AI 开源项目。

它的核心卖点：

• AI-Native：内置 AI 节点（OpenAI、Anthropic、Ollama、LangChain），无需额外配置
• 1500+ 集成：GitHub、Slack、飞书、钉钉、Google Sheets、PostgreSQL、Redis……几乎覆盖所有主流服务
• 可视化画布：拖拽式节点编辑，同时支持自定义 JavaScript/Python 代码
• 自部署：一条 Docker 命令即可运行，数据完全掌控
• 9000+ 工作流模板：官方社区提供大量可直接导入的工作流

n8n 是什么？2026 年为什么火？

从"自部署 Zapier"到 AI 工作流平台

n8n 最初被称为"开源版 Zapier"，但到 2026 年，它已经进化成了一个AI 工作流平台。它的核心能力包括：

1. 可视化工作流编排：拖拽连接节点，无需写代码就能搭建复杂流程
2. AI Agent 节点：支持"思考-行动-观察"循环，让 AI 自主决定下一步
3. LangChain 原生集成：构建 RAG、多 Agent 对话、工具调用等高级模式
4. Human-in-the-loop：关键节点加入人工审批，确保 AI 操作可控
5. MCP 支持：连接 Model Context Protocol，扩展 AI 的感知能力

核心架构和功能亮点

┌─────────────────────────────────────┐
│         n8n 工作流引擎              │
│  ┌─────────┐  ┌─────────┐          │
│  │ 触发器   │→ │ 处理节点  │→ ... → │  ┌──────┐
│  │(Cron/Webhook) │ (AI/Code/API) │    │ 输出  │
│  └─────────┘  └─────────┘        │  └──────┘
│                                     │
│  ┌───────────── 内置 AI 节点 ──────┐│
│  │ Ollama │ OpenAI │ Claude │ Gemini││
│  │ LangChain Agent │ 向量搜索 │ ...││
│  └─────────────────────────────────┘│
└─────────────────────────────────────┘

Fair-Code 许可意味着什么？

n8n 采用 Sustainable Use License（可持续使用许可），属于 Fair-Code 范畴：

• ✅ 源码可见，可自部署
• ✅ 个人和小团队免费使用
• ❌ 不能直接将其作为 SaaS 产品出售
• ✅ 企业可以购买 Enterprise License 获得额外功能

对于个人开发者和中小团队，完全免费。

环境搭建：Docker + n8n

一键部署 n8n

最快速的方式是使用 Docker 单行命令：

# 创建持久化数据卷
docker volume create n8n_data

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

启动后，访问 http://localhost:5678，你会看到 n8n 的欢迎页面。首次访问会要求创建用户账户（这是本地存储的，不需要联网）。

Docker Compose 配置（推荐）

对于生产环境，推荐使用 Docker Compose，并配合 Ollama 一起部署：

# docker-compose.yml
version: "3.8"

services:
  n8n:
    image: n8nio/n8n:latest
    restart: always
    ports:
      - "5678:5678"
    environment:
      - N8N_HOST=localhost
      - N8N_PORT=5678
      - N8N_PROTOCOL=http
      - WEBHOOK_URL=http://localhost:5678
      - EXECUTIONS_DATA_PRUNE=true
      - EXECUTIONS_DATA_MAX_AGE=168
    volumes:
      - n8n_data:/home/node/.n8n
    extra_hosts:
      - "host.docker.internal:host-gateway"

volumes:
  n8n_data:

启动：

docker compose up -d

首次访问和初始化

1. 打开浏览器访问 http://localhost:5678
2. 创建本地管理员账号（用户名、密码，仅本地存储）
3. 进入主界面，你会看到空的工作区
4. 点击左侧 "Workflows" → "New" 创建第一个工作流

接入本地 AI：n8n + Ollama

n8n 的 AI 能力最强大之处在于它支持本地模型。通过 Ollama，你可以在 n8n 工作流中直接调用本地运行的开源大模型，数据完全不出本地网络。

安装 Ollama

如果还未安装 Ollama，一条命令即可：

curl -fsSL https://ollama.com/install.sh | sh

安装完成后，拉取一个实用的模型：

# 拉取 Meta 的 Llama 3（8B 参数，约 4.7GB）
ollama pull llama3

# 或者拉取阿里通义千问 2.5（中文更强）
ollama pull qwen2.5

# 验证是否运行
ollama list

💡 如果你已经部署过 Ollama，想知道更多细节，可以阅读我们之前的文章 Ollama 本地部署 LLM 完全指南。

配置 n8n 连接 Ollama

关键技巧：由于 n8n 运行在 Docker 容器中，而 Ollama 运行在宿主机上，需要使用 host.docker.internal 来访问宿主机。

在 n8n 编辑器中添加 Ollama 节点：

1. 拖入一个 Ollama 节点到画布
2. 点击节点 → "Create New Credential"
3. 配置连接参数： - Base URL：http://host.docker.internal:11434 - 其他保持默认
4. 点击 "Test" 验证连接

如果连接成功，你会看到可用模型列表。

选择适合的模型

实战 1：每日系统日志分析报告

这是一个完全自动化的场景：每天早上 9 点，n8n 自动读取系统日志，用 Ollama 分析异常，然后发送摘要到飞书/钉钉。

工作流设计

Cron（每天 9:00）→ 执行 Shell 命令（读取日志）→ Ollama（分析异常）→ 飞书通知

节点配置

Step 1：Cron 触发器

添加一个 "Schedule Trigger" 节点： - Trigger Times：选择 "Every Day" - Hour：9 - Minute：0

Step 2：读取日志（Execute Command 节点）

添加 "Execute Command" 节点，读取最近一小时的系统日志：

# 读取系统日志的最后 200 行
journalctl -u nginx --since "1 hour ago" --no-pager 2>&1 | tail -200

注意：如需读取宿主机日志，需要在 docker-compose 中将宿主机日志目录挂载到容器，或使用 SSH 节点远程执行。

Step 3：Ollama 分析节点

添加 "Ollama" 节点：

• Model：qwen2.5（中文分析能力更强）
• Prompt：

你是一个系统运维专家。分析以下系统日志，找出错误、警告和异常。
按照以下格式输出：

## 异常概要
- 严重错误：X 个
- 警告：X 个
- 信息：X 条

## 关键问题
1. [问题描述] — 建议操作
2. [问题描述] — 建议操作

请用中文回答。

Step 4：发送通知

根据你的团队使用的工具，选择对应的节点：

• 飞书：使用 "Feishu" 节点，配置 Webhook URL
• 钉钉：使用 "DingTalk" 节点
• Slack：使用 "Slack" 节点
• 邮件：使用 "Email" 节点（SMTP）

效果演示

当工作流执行完成后，你会在飞书/钉钉收到类似这样的消息：

📊 系统日志分析报告 — 2026-07-30 09:00

## 异常概要
- 严重错误：2 个
- 警告：5 个
- 信息：120 条

## 关键问题
1. ❌ Nginx 502 Bad Gateway（2次）— 建议检查后端服务是否正常
2. ⚠️ 磁盘使用率超过 80% — 建议清理日志文件

Powered by n8n + Ollama Qwen 2.5

这样一来，你每天早上花 5 秒扫一眼通知，服务器状态尽在掌握。

实战 2：AI 邮件智能分类与自动处理

每天收到几十封邮件，手动分类太浪费时间。用 n8n 构建一个 AI 邮件管家，自动判断邮件重要性并执行相应操作。

工作流设计

IMAP 轮询（新邮件）→ 读取邮件内容 → Ollama 分类 → 分支判断
→ 紧急 → Slack 通知 + 标记
→ 普通 → 自动回复模板
→ 垃圾 → 直接丢弃

节点配置

Step 1：IMAP 触发器

添加 "Email Trigger (IMAP)" 节点： - Credentials：输入你的邮箱 IMAP 配置（163、QQ、Gmail 等均可） - Check Interval：每 5 分钟检查一次 - Folder：INBOX

Step 2：Ollama 分类节点

添加 Ollama 节点，读取邮件内容并进行分类：

• Model：qwen2.5
• Prompt：

你是一个邮件分类助手。分析以下邮件内容，判断其类别和优先级。
只输出一行 JSON，不要有其他内容：

{
  "category": "紧急/普通/垃圾/营销/通知",
  "priority": 1-5,
  "summary": "一句话总结",
  "suggested_action": "回复/通知/忽略"
}

---
邮件主题：{{ $json.subject }}
邮件内容：{{ $json.text }}
发件人：{{ $json.from }}

Step 3：条件分支

添加 "IF" 节点，根据 Ollama 的输出分路：

• 条件：{{ $json.output.category === "紧急" }} → 紧急处理分支
• 默认 → 普通/垃圾处理分支

Step 4：紧急通知

紧急分支连接 Slack 或飞书节点，发送告警：

🚨 紧急邮件：{{ $json.output.summary }}
发件人：{{ $json.from }}
请立即处理！

效果

配置完成后，你再也不用每天刷邮箱了。重要邮件秒级通知到 IM，垃圾邮件自动过滤，普通邮件自动回复"收到，我们会尽快处理"——这套流程把邮件处理时间从每天 30 分钟降到了 5 分钟。

实战 3：RSS 内容聚合 + AI 摘要生成

如果你是技术内容创作者，需要每天跟踪多个信息源，这个工作流能帮你自动抓取 RSS、生成中文摘要，并输出到表格。

工作流设计

RSS Feed Trigger → HTML 提取（正文）→ Ollama 摘要 → 翻译中文 → 写入 Google Sheets

节点配置

Step 1：RSS Feed 触发器

添加 "RSS Feed Trigger" 节点： - URL：填入你关注的 RSS 地址，例如 Hacker News (https://hnrss.org/frontpage) - Poll Interval：每 1 小时

Step 2：HTML 提取

添加 "HTML Extract" 节点，提取文章正文： - Selector：article 或 main 或 body - Return Values：text（纯文本格式）

Step 3：Ollama 摘要节点

添加 Ollama 节点：

• Model：qwen2.5
• Prompt：

用 3-5 句话总结以下文章的核心内容，要求：
1. 保持技术细节的准确性
2. 突出关键数据点和结论
3. 输出中文

文章标题：{{ $json.title }}
文章内容：{{ $json.extractedText }}

Step 4：写入 Google Sheets

添加 "Google Sheets" 节点： - Operation：Append - Sheet ID：你的 Google Sheets ID - Columns：日期、标题、摘要、原文链接

效果

每次运行，你的 Google Sheets 就会自动增加一行：

这个工作流特别适合维护技术周报或行业情报监控，一周下来打开表格就能看到所有重要资讯。

n8n vs 其他平台对比

选择建议：

• 需要大量 SaaS 集成 + 不介意数据上云 → Zapier
• 纯 AI 应用开发，不需要复杂工作流编排 → Dify
• 快速搭一个 AI Bot 给用户用 → Coze
• 需要自定义工作流 + 本地 AI + 数据隐私 → n8n（本文推荐）

进阶：国内可用的模型接入

n8n 不仅支持 Ollama，也可以通过 HTTP Request 节点接入国内各大模型 API。

通义千问 API

1. 在阿里云百炼平台获取 API Key
2. 添加 "HTTP Request" 节点： - Method：POST - URL：https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions - Authentication：Bearer Token（填入 API Key） - Body：

{
  "model": "qwen-max",
  "messages": [{"role": "user", "content": "你的提示词"}]
}

DeepSeek API

1. 在 DeepSeek 平台获取 API Key
2. 同样使用 HTTP Request 节点： - URL：https://api.deepseek.com/chat/completions - 配置方式与通义千问类似

火山引擎（豆包）

1. 在火山引擎方舟平台获取 API Key
2. 配置 HTTP Request 节点调用豆包模型

这些 API 通常提供免费额度，成本远低于直接调用 OpenAI 的 API。

总结

n8n 是 2026 年最值得掌握的 AI 自动化工具之一。它把"自建 AI 工作流"这件事的门槛降到了最低——一条 Docker 命令就能跑起来，拖拖拽拽就能搭建复杂的 AI 自动化流程。

快速回顾

1. 安装：docker run -p 5678:5678 docker.n8n.io/n8nio/n8n
2. 接入 AI：通过 Ollama 节点连接本地模型，数据不出本地网络
3. 实战场景：日志分析、邮件分类、内容聚合——三个可复用的工作流模板
4. 对比优势：相比 Zapier 省去订阅费，相比 Dify 多了工作流编排能力，数据完全本地

下一步做什么？

• 访问 n8n 工作流模板库 导入更多现成工作流
• 使用 Self-Hosted AI Starter Kit 快速启动全套 AI 自动化栈
• 在社区论坛 community.n8n.io 参与讨论