n8n AI 工作流怎么搭：自动化 agent 实战教程

30 秒了解：n8n AI 工作流到底是什么

n8n AI 工作流，是一种把 LLM 当成节点拖进自动化画布的搭建方式，你不用写后端代码就能跑「收到邮件 → 让 GPT 总结 → 推到飞书 → 写进数据库」这种串联任务。

n8n 本身是开源 workflow 引擎，2024 年起原生接入 OpenAI、Anthropic、Ollama、Hugging Face 等模型节点，还内置了 LangChain 风格的 AI Agent 节点，可以让一个工作流自带记忆、工具调用、向量检索能力。

适合的场景：

把客服邮件自动分类回复
公众号 / 微博新文章自动总结成日报
内部系统数据每天 9 点拉出来让 AI 写一份周报
把多个 SaaS 串成一条业务流（CRM → 邮件 → Slack）

谁该上 n8n：不想花时间写 Python 但又嫌 Coze、Dify 模板不够灵活的人，特别是中小团队的运营、产品、增长岗。

准备工作

开始前先备齐这几样：

n8n 实例：自己 Docker 部署一份（推荐 docker run -it -p 5678:5678 n8nio/n8n），或者用 n8n Cloud 官方托管，月费起步约 $20
OpenAI / Anthropic API Key：跑 AI 节点用，Anthropic 通过 Claude API 申请，OpenAI 通过 platform.openai.com
一个真实的触发源：邮箱、Webhook URL、Telegram bot、表单服务任选一个
一个产出渠道：Slack、飞书、微信群机器人、邮件、Notion 任选

如果想本地玩，最简跑通的环境是：Docker Desktop + 自托管 n8n + 一张能跑 GPT 的 API Key。整个准备时间 15 分钟之内。

详细操作步骤：写一条「邮件智能助理」工作流

下面用一个真实场景演示：每收到一封带「投诉」字样的邮件，让 GPT 自动判断情绪和紧急度，然后把摘要推到飞书群让客服跟进。

第 1 步：新建工作流并选触发器

[此处放截图：n8n 节点搜索栏选择 Gmail Trigger]

填两项关键参数：

Credentials：点 Create New 用 OAuth 授权一次
Event：选 Message Received
Filters：在 subject 字段加关键词「投诉 OR complaint」，避免每封邮件都触发

保存后右上角点 Listen for Event，给自己的邮箱发一封测试邮件，看 n8n 是否收到事件。

第 2 步：加 OpenAI 节点判断情绪

在 Gmail Trigger 后面拖一个 OpenAI 节点（或 AI Agent 节点，后者更适合多轮）。

Resource：选 Chat
Model：选 gpt-4o-mini（便宜、足够分类）
Messages：在 system 里写：「你是邮件情绪分析助手，输出 JSON，包含 sentiment（positive/neutral/negative）和 urgency（low/medium/high）」

在 user message 里用表达式引用前一步的邮件正文：

\{\{ $json["snippet"] \}\}

n8n 的表达式语法是双花括号包 JavaScript，写之前点 Expression 切到表达式模式。

第 3 步：用 Code 节点解析 JSON

GPT 返回的内容是字符串，要解析成对象才能用。拖一个 Code 节点（JavaScript），写：

const raw = $input.first().json.message.content;
const parsed = JSON.parse(raw);
return [
  \{
    json: \{
      sentiment: parsed.sentiment,
      urgency: parsed.urgency,
      original: $('Gmail Trigger').first().json.snippet,
    \},
  \},
];

提示：n8n 的 Code 节点里 $input 是上一节点的输出，$('节点名') 可以回引前面任意节点的数据。

第 4 步：用 IF 节点分流高紧急邮件

拖一个 IF 节点，条件填：\{\{ $json["urgency"] \}\} equal high。

True 分支 → 推送飞书机器人 + 抄送主管
False 分支 → 写入 Notion 数据库等批处理

第 5 步：飞书 / 微信群推送

True 分支拖一个 HTTP Request 节点，方法 POST，URL 填飞书自定义机器人 webhook，body 用 JSON：

\{
  "msg_type": "text",
  "content": \{ "text": "紧急投诉：\{\{ $json["original"] \}\}" \}
\}

如果你用企业微信群机器人，把 URL 换成对应 webhook 即可，body 字段稍微调一下。

第 6 步：保存并激活

右上角点 Save → 切换 Active 开关到打开。从这一刻起每封触发条件的邮件都会自动跑这个工作流，你可以在 Executions 标签页看到历史记录和每个节点的输入输出。

[此处放截图：Executions 历史列表]

5 个进阶玩法

接向量数据库做记忆：n8n 的 AI Agent 节点支持 Pinecone、Qdrant、Supabase 三种向量存储，可以做带 RAG 知识库的客服 bot
多模型分流：复杂任务先用 gpt-4o-mini 分类，再分发到 Claude 3.5 Sonnet 处理需要长上下文的子任务，省钱
接 MCP server：n8n 2025 后期版本开始支持 MCP 节点，能把 MCP 是什么里讲到的工具协议直接挂到工作流上
加 Cron 定时：把 Gmail Trigger 换成 Cron 节点设成 0 9 * * *，做成每天 9 点自动跑的日报工作流
Sub-Workflow 复用逻辑：把「调 GPT 提取要点」做成子工作流，被多个主工作流复用，改一处全局生效

常见坑 + 解决办法

现象	原因	解决
OpenAI 节点 401 报错	API Key 没绑定或绑错环境	在 Credentials 重建一次，注意区分 OpenAI 和 Azure OpenAI
表达式返回 undefined	字段路径写错	点节点输出面板用 GUI 拖字段，n8n 会自动生成正确路径
Code 节点 `$input` 为空	上一节点没输出或被 IF 截断	在 IF 前加一个 Set 节点固定字段，调试时改成 `Manual Trigger`
工作流卡死不结束	某节点等响应超时	在 HTTP Request 节点设 `Timeout` 30 秒，加 `Retry On Fail`
飞书机器人收不到消息	webhook 被群被踢出 / IP 校验未开	重建机器人，检查 n8n 出口 IP 是否在飞书白名单
触发器不响应邮件	Gmail 推送有 5-10 分钟延迟	用 Cron 每 1 分钟主动拉一次替代 trigger

实战案例：把 RSS 文章自动总结成日报

完整跑通一个真实案例：每天早上 8 点抓 5 个 AI 行业公众号的 RSS，用 GPT 总结，发到自己企业微信群。

工作流结构：

Cron → 每天 08:00 触发
RSS Feed Read（5 个并行） → 拉最新 3 篇文章
Merge 节点合并成一个列表
AI Agent 节点 → 用下面的 prompt 总结
HTTP Request → 推送到企业微信群机器人

AI Agent 节点的 system prompt 直接抄这个模板：

📋 Prompt 模板

你是一名 AI 行业日报编辑，帮我把今天抓到的多篇文章压缩成一份微信群可读的日报。

输入：一个 JSON 数组，每条含 title、link、snippet 字段。

输出要求：

开头一句话总结今天的核心趋势
按热度排前 5 条，每条三行：
- 第一行：标题（不带网站名）
- 第二行：30 字以内一句话讲清这条新闻在说什么
- 第三行：链接
末尾给一个一句话「值得关注的人」推荐
全文不超过 600 字
不要套话，不要「随着 AI 的发展」这种空话
用 emoji 区分类别：模型更新用 [星]，融资用 [钱袋]，产品发布用 [火箭]，争议用 [警告]

跑通后，每天早上 8:00 你的企业微信群会自动收到一条排版好的 AI 日报，整个搭建用时不到 1 小时。

进阶 / 下一步

学会 n8n 之后再串联这几篇深入：

Agent Workflow 基础：理解 agent loop、工具调用、状态管理底层逻辑
扣子（Coze）vs Dify 对比：n8n 跟国产工作流平台怎么取舍
MCP 是什么：把 MCP server 挂进 n8n agent 节点的前置概念
Function Calling 是什么：n8n 的 tool calling 走的是这套协议
AI Agent 完整指南：从概念到部署的全景路径

n8n 的真正威力不在拖节点，而在「把你公司里散落在 10 个 SaaS 的数据连成一条流」。下一步建议拿你自己的真实业务跑一遍，能马上看到时间节省。