01-N8N教程-手把手教你搭建 N8N 自动化工作流：从安装到云部署全流程实战

0 前言

N8N 是一款开源的工作流自动化工具，旨在帮助用户通过连接不同的应用程序和服务来实现任务自动化。它支持低代码/无代码的方式，使用户能够通过拖拽节点来构建复杂的自动化流程，而无需编写大量代码。N8N 的核心功能是提供一个灵活的平台，允许用户自定义和扩展工作流，以满足各种自动化需求.

N8N目前发展的速度非常快，在github上目前已经突破100K了，超过dify的start 点赞星了。

那么为什么有那么多人点赞呢？为了让大家更好的理解n8n、Dify、FastGPT、MaxKB、RAGFlow，我们这里也做了一些工具的特点和对比。

为了提供各平台关键维度上的直接、并排比较，下表汇总了详细信息，使用户能够快速识别差异并根据自身需求进行匹配。

特性维度	N8N	Dify.ai	FastGPT (labring/FastGPT)	MaxKB	RAGFlow
核心目标/主要关注点	工作流自动化，连接应用	LLM 应用开发与运营 (BaaS, LLMOps)	基于知识库的 RAG 问答系统，可视化 AI 工作流	企业级 AI 助手，RAG 智能问答，MCP 工具调用	深度文档理解的 RAG 引擎，真实引用问答
主要 AI 能力	AI 节点，AI Agent，LLM 支持，LangChain，向量库 (RAG)	LLM 支持，RAG 引擎，AI Agent 框架，知识库	强 RAG，知识库，可视化 AI 工作流，AI Agent 构建	强 RAG 引擎，Agent 工作流 (MCP 工具)，LLM 支持，多模态	深度文档理解 RAG，LLM 支持，知识图谱，Agent 推理
RAG 专注度与复杂性	作为工作流组件，可集成向量库	高质量 RAG 引擎，应用开发组件之一	核心能力，自动化数据预处理，可视化 RAG 工作流	开箱即用 RAG 问答，自动化文本处理	核心引擎，深度文档理解，复杂格式处理，高级 RAG 配置
工作流引擎	是，可视化节点编辑器，通用性强	是，低代码工作流，偏向 AI 应用编排	是，可视化 AI 工作流，专注于 RAG 和 Agent 逻辑	是，Agent 工作流引擎，支持函数库和 MCP 工具	否（本身是 RAG 引擎，但可通过 Agent/MCP 集成到工作流）
Agent 框架	是，多种 Agent 类型 (对话式, 工具等)	是，灵活的 AI Agent 框架	是，AI Agent 构建平台，通过工作流实现	是，Agent 工作流，MCP 工具调用	是（通过 MCP 服务器支持 Agent 交互，Deep Research 功能）
LLM 支持	广泛 (Anthropic, OpenAI, Ollama 等)，可配置	主流 LLM，可配置	兼容 OpenAI API 的模型，可配置	广泛 (私有和公有模型如 OpenAI, Claude, Llama)，模型无关	广泛，支持本地部署 (Ollama)，可配置
开源许可	Fair-code (Sustainable Use License)	Apache 2.0 (含附加条件)	FastGPT 开源许可证 (限制 SaaS 商用)	GPL-3.0	Apache License 2.0
商业模式/定价模型	云托管 (Starter, Pro, Enterprise)，按执行次数/工作流；自托管社区版免费	Dify Cloud (Sandbox, Pro, Team, Enterprise)，按消息额度/成员数；自托管开源版免费	开源免费；商业版提供 Sealos 托管和自托管支持服务	开源免费；专业版 (Pro) 年费，自托管，提供增强功能和支持	开源免费；第三方提供商业托管 (如 Azure, Elest.io)
目标用户	开发者，企业，公民自动化者	初创公司，企业，AI 爱好者，开发者	开发者，构建 AI 问答系统的团队	企业 (智能客服，内部知识库)	开发者，研究人员，需要高保真 RAG 的组织
主要应用场景	业务流程自动化，数据集成，AI 增强工具	AI 应用原型，LLM 增强现有应用，内部 LLM 网关	客户服务机器人，内部知识库，领域 AI 助手	智能客服，企业内部知识库，学术研究，教育工具	AI 聊天助手，复杂文档知识库问答，法律/医疗信息检索
独特销售主张 (USPs)	灵活工作流，广泛集成，Fair-code	全面生产就绪方案，数据控制，任何模型可部署类 Assistants API 能力	开箱即用 RAG，可视化 AI 工作流，自动化数据预处理	开箱即用 RAG 问答，MCP 工具调用，零代码集成，模型无关，多模态	深度文档理解，真实引用问答，复杂数据处理，高级 RAG 配置
用户界面类型	可视化节点编辑器	直观 Web GUI，低代码	可视化工作流编辑器，Web GUI	Web GUI (Vue.js)	Web GUI
集成能力	广泛节点库，API	RESTful API，主流 LLM 集成，扩展模块	OpenAI 对齐 API，可集成 Discord/Slack 等	零代码集成第三方系统，Pro 版 Open API	HTTP/Python API，主流 LLM 集成，本地 LLM 部署
定制化/可扩展性	自定义节点，API	插件开发，模型配置	自定义文件读取/分块服务 (路线图)，工具模块	工作流引擎，函数库，Pro 版 Open API	可配置 Embedding/分块/Prompt，API
数据处理与知识库特性	数据转换节点，可连接向量库	知识库模块，支持多种 LLM	多种文件格式导入 (PDF, DOCX, MD, URL)，自动向量化/QA 切分，PG Vector/Milvus 支持	文档上传/爬取，自动文本切分/向量化，支持多种文件格式，pgvector 支持	多种复杂文件格式 (PDF, DOCX, PPT, 图像)，模板化分块，手动干预，Elasticsearch/Infinity

N8N 只听说过一直没仔细使用过。今天就带大家从最基础的安装部署和使用介绍一下。话不多说下面带大家实际体验一下。

1.docker 安装

创建一个n8n_data数据存储的卷

cd /home/n8n_data
docker volume create n8n_data

接下来我们下载n8n镜像

docker pull n8nio/n8n

镜像下载完成后，我们使用docker run命令启动

docker run -it --rm --name n8n -p 5678:5678 \
  -v /home/n8n_data:/home/node/.n8n \
  -e N8N_SECURE_COOKIE=false \
  --user $(id -u):$(id -g) \
  n8nio/n8n

docker 启动后我们输入地址

本地电脑可以使用http://localhost:5678， 服务器可以用 http://ip:5678

http://14.103.204.132:5678/ 出现下面的安装画面

我们设置好账号和密码 完成第一次账号的初始化工作。

2.汉化

汉化工作，默认的N8N是英文对中文小伙伴不太友好，所以我们需要对它进行汉化插件安装。

首先我们会用到这个开源项目（n8n的汉化包）

https://github.com/other-blowsnow/n8n-i18n-chinese/releases

进去之后，在Release页面，下载和自己n8n版本对应的editor-ui.tar.gz文件。

我们把editor-ui.tar.gz 解压到/home/n8n_data/dist，然后通过下面docker 命令运行
docker run -d --rm --name n8n  \
-p 5678:5678 \
-v /home/n8n_data/dist:/usr/local/lib/node_modules/n8n/node_modules/n8n-editor-ui/dist \
-e N8N_DEFAULT_LOCALE=zh-CN \
-e N8N_SECURE_COOKIE=false \
--user $(id -u):$(id -g) \
n8nio/n8n

启动后我们看到汉化后的界面了。

支持输入账号和密码，进入管理界面

3.使用

进入工作台，点击添加第一步

在右边弹出触发工作流方式这里我们选择手工触发

选择人工智能

选择 openAI

接下来我们选择message a model

弹出的模型设置，我们这里设置一下硅基流动api 秘钥，模型这里我们选择Qwen/Qwen3-8B

设置完成后就可以点击测试验证了

这样我们就完成了一个最基本的工作流了。

这里补充一下，我们可以在一开始就把模型的证书秘钥设置好

4.免费云部署

抓子云注册

我们可以借用抓子云实现免费部署，抓子云每个月送5美金。送的这个5美金基本是可以够用部署N8N的。

https://claw.cloud/

点击注册 可以使用github账号（建议github账号注册时间超过半年以上）

注册授权成功后登录到管理端界面

部署应用

选择app store 直接可以找到N8N软件。选择这个部署是最简单的方式

我们点击发布应用，等待服务器给我们分别资源，当变成running就发布成功了。

发布后会给我们分配一个公网二级域名，这个域名分配会比较慢，等待域名分配完成后，我们点击链接就可以使用了。

这样我们就看到我们熟悉的注册登录页面了。

更换自定义域名

我们也可以使用自定义域名。点击“manage Network”

点击"custom domain"

我们在cloudfare 设置CNAME

然后在custom domain 添加我们自定义域名“n8n.duckcloud.fun”

设置完成后，等待3-10分钟生效。

5总结

今天主要带大家了解并实现了 N8N 这款开源工作流自动化工具的安装、汉化、使用及免费云部署。该过程涉及多个关键步骤，包括 Docker 安装、汉化插件配置、基本工作流搭建以及抓子云的免费云部署等环节。与传统的工作流自动化方式相比，N8N 不仅支持低代码 / 无代码的方式，使用户能够通过拖拽节点来构建复杂的自动化流程，还具备广泛的集成能力和灵活的扩展性，可以连接不同的应用程序和服务，满足各种自动化需求。此外，N8N 在 GitHub 上已经获得了超过 100K 的点赞，说明其在开源社区中得到了广泛的认可和支持。

感兴趣的小伙伴可以按照本文步骤去尝试使用 N8N，体验其强大的工作流自动化功能。今天的分享就到这里结束了，我们下一篇文章见。