n8n新手教程：从零搭建AI Agent自动化工作流

为什么选择自托管n8n搭建自动化

面对Hermes、OpenClaw^广告这类功能繁杂的AI Agent，很多用户真正需要的只是一个能安静跑完重复工作的简单工具。据一位YouTube科技频道创作者的教程分析，n8n凭借可视化连线、无需编程的特性，依然是当前最务实的选择——每个节点代表一个任务执行单元，比如邮件到达、AI读取内容、数据写入表格，按顺序连线后整条链路便会自动运转。

而在动手之前，最关键的决定是部署方式。n8n官方云服务适合快速试用，但最低档套餐每月限制2500次执行，超出后需升级付费。自托管方案则没有执行次数上限，数据完全自持，长期成本更低。通过Hostinger的VPS一键部署，整个过程只需几次点击——选择KVM2套餐（双核8GB内存，年付方案月均不到10美元），在应用选项中勾选n8n即可完成安装，选购时使用优惠码还可享受额外折扣。

n8n 是什么：n8n 是一款开源的工作流自动化工具，采用"节点式"可视化编排，常被拿来与 Zapier、Make 对比。它的核心差异在于：可以完全自托管（部署在自己的服务器上），代码开源、数据不出本地，且支持在节点中直接写 JavaScript/Python 代码处理复杂逻辑。n8n 采用"fair-code"授权模式——源码公开、可自用和修改，但对将其作为商业服务转售有限制。

自托管 vs 云服务的本质区别：官方云版按"执行次数"计费，一次工作流从头跑到尾算一次执行，因此高频轮询或大批量数据处理会快速消耗额度。自托管版则把 n8n 作为常驻服务跑在 VPS 上，执行次数只受服务器性能限制，成本主要是固定的 VPS 月租，流量越大相对越划算。这也是教程推荐 KVM2 这类双核 8GB 配置的原因——它足以同时承载多个工作流和 AI 调用。

两大基础概念：触发器与动态字段

整套n8n体系建立在两个核心概念之上，理解它们之后，其余节点只是排列组合。

触发器：工作流的起点

触发器是启动工作流的事件。手动触发适合一次性任务；定时触发可按每天或每周固定时间运行；表单提交会生成一个n8n托管的表单链接；聊天消息触发会在网站嵌入聊天窗口；应用事件触发则对接Gmail、Stripe、Google Drive等数百款应用；Webhook触发最为灵活，任何能发送请求的服务都可启动工作流。

动态字段：节点之间的数据流转

每个节点的输出会成为下一个节点的输入。在Gmail发送邮件节点中，收件人地址无需手动输入，而是从左侧输入面板拖拽表单中的email字段——它会变成一个标签，自动填充每位提交者的真实地址。同样的两个节点，可以以完全一致的方式向一千个人发送指南。

教程演示的第一个工作流正是基于此逻辑：表单收集姓名和邮箱，Gmail自动发送免费指南，同时向创建者发送通知邮件。需要注意的是，n8n默认在邮件底部附加署名，可在Gmail节点中关闭"append n8n attribution"选项去除。

关于 n8n 的数据结构：n8n 中节点之间传递的不是单条记录，而是一个"items 数组"——每个 item 是一个 JSON 对象，形如 { json: { name: "张三", email: "[email protected]" } }。理解这一点很关键：动态字段拖拽时，n8n 会自动生成类似 {{ $json.email }} 的表达式，处理一百条数据时它会逐条取值，从而实现"一次配置、批量发送"。若某节点输出的是多条 item，后续节点默认会对每一条分别执行一次。

表达式与固定值：节点参数框里既可以填固定文本，也可以切换到 Expression 模式编写表达式。动态字段本质就是可视化的表达式生成器。掌握 $json（当前 item 数据）、$node["节点名"].json（任意上游节点数据）这两个变量，就能应对绝大多数数据引用场景。

构建AI客服Agent：记忆与系统提示词

第二个工作流展示了n8n的AI能力。创建聊天消息触发器后，添加AI Agent节点，在其下方配置对话模型。教程中选择了OpenAI的GPT-5 Mini，通过API密钥按量计费，充值5美元即可支撑大量对话，每次回复成本不到一美分。

一个常见问题是Agent缺乏上下文记忆。当用户先提到"十月去里斯本旅行"再询问天气时，无记忆的Agent无法关联前后文。添加Simple Memory节点后，系统会自动携带最近五条历史消息。

系统提示词是让Agent真正可用的关键。教程中为一家网页设计工作室配置了客服Agent，提示词中列出五条允许使用的事实（如单页网站价格、交付周期），并明确指令：如果答案不在列表中，应告知客户会有人跟进，而非编造信息。测试结果显示，Agent能准确引用两周交付周期，面对知识范围外的问题也会坦承不知。

将触发器从聊天窗口替换为Gmail收件触发后，同一个Agent便可用于自动回复客户邮件——回复在同一邮件线程中，且包含提示词中的准确价格。

AI Agent 在 n8n 中的架构：n8n 的 AI Agent 节点采用"主节点 + 子节点"的挂载结构。AI Agent 是主体，其下方通过连接端口挂载三类附件：Chat Model（对话模型，如 OpenAI、Anthropic、Ollama）、Memory（记忆存储）、Tools（可调用的工具，如搜索、数据库查询、HTTP 请求）。三者缺一不可——没有 Model 则无法生成回复，没有 Memory 则每轮对话都是全新的，没有 Tools 则 Agent 只能凭已有知识和提示词作答。

系统提示词的作用：系统提示词（System Prompt）是每轮对话都会一并发送给模型的"隐藏指令"，用来设定角色、语气、知识边界和回答规则。它不同于用户在聊天框里输入的内容，优先级更高。教程中"答案不在列表中则转人工"就是典型的兜底策略，可有效抑制大模型编造事实（幻觉）的倾向。

Webhook实战：从落地页收集用户到Google Sheets

第三个工作流处理外部数据接入。Webhook本质上是一个被n8n监听的特殊链接，任何向其发送数据的服务都能启动工作流。

教程用AI建站工具生成了一个产品落地页，包含"加入等待列表"弹窗表单。关键在于HTTP方法必须前后端一致——Webhook节点设为POST后，需告知建站工具以POST请求发送数据。测试时先点击"listen for test event"，提交表单后数据会出现在body字段中，包含姓名、邮箱和公司信息。

后续节点使用Google Sheets的"append row"操作，前提是表格已有表头行（name、email、company），n8n会据此映射字段。发布前务必用生产URL替换测试URL，这是初学者最常遗漏的步骤。此外，在设置中配置错误工作流，可在主工作流失败时自动发送告警邮件。

对于没有n8n原生节点的应用，HTTP Request节点可以对接任何提供API的服务。教程建议用AI助手阅读目标应用的API文档，生成包含请求方法、URL、认证方式和请求体的分步指南，大幅降低配置门槛。

Webhook 的基本原理：Webhook 是一种"反向 API"——不是由 n8n 主动去请求别人，而是给外界一个专属 URL，任何服务向该地址发起 HTTP 请求时，n8n 就被唤醒并开始执行。它支持 GET、POST、PUT 等 HTTP 方法，其中 POST 最常用于传递表单数据。请求携带的数据会按位置划分为 body（请求体）、query（URL 参数）、headers（请求头）三部分，n8n 会自动解析并供后续节点引用。

测试 URL 与生产 URL 的区别：Webhook 节点提供两条链接。测试 URL 只在手动点击"Listen for test event"后的短时间内有效，用于调试；生产 URL 只要工作流处于激活状态就长期监听。因此调试完成后必须把外部服务（建站工具、第三方平台）中配置的地址换成生产 URL，否则一旦离开编辑界面，数据就再也进不来——这正是初学者最常见的"工流不触发"故障原因。

三个工作流背后的统一逻辑

从表单自动回复到AI客服再到Webhook数据管道，三个案例展示了同一套模式：触发器接收事件，节点链处理数据，动态字段完成个性化输出。Agent的触发器与处理逻辑相互独立，同一个Agent可以运行在聊天窗口、邮箱或WhatsApp之后，只需更换第一个节点。

整套方案运行在自托管服务器上，没有执行次数限制，多个工作流可同时运行而互不影响。对于希望用最低成本实现工作自动化的用户，n8n提供了一条从零到可用的清晰路径。