n8n

开源自动化工作流平台,支持 AI Agent 流水线,400+ 集成节点,可自托管

返回 Agent Hub
构建平台开源全球

n8n

开源自动化工作流平台,支持 AI Agent 流水线,400+ 集成节点,可自托管

开源自动化工作流400+ 集成自托管
访问官网

n8n 能做什么

销售线索自动评分 + 个性化跟进邮件

让 AI Agent 从 CRM 中读取潜在客户数据,根据行业、公司规模、互动历史等维度自动评分(Lead Scoring),然后为高分客户生成个性化的跟进邮件草稿,销售代表只需一键审核发送,每日节省 2-3 小时重复性工作。

每日信息流自动整理 + 个性化早报

订阅微信公众号、RSS 源、Twitter/X、知乎热榜等多个信息渠道,让 AI Agent 每天早晨自动筛选、摘要、去重,按你定义的兴趣标签(AI/投资/行业动态)整理成一份 5 分钟可读完的个人早报,发送到微信或邮箱。彻底告别刷手机浪费时间。

AI 重塑旅游定制:旅行社如何用 AI 实现千人千面行程规划并提升 50% 转化

一家专注中高端定制游的旅行社(年营收 3000 万元,20 名顾问)如何用 AI 辅助行程规划,将客户需求了解时间从 2 小时缩短至 30 分钟,行程方案制作时间从 3 天缩短至 4 小时,成单转化率从 22% 提升至 33%。

AI 财务报告自动化:从原始数据到董事会报告全自动生成

一家 500 人规模的科技公司财务团队如何用 AI 将月度财务报告制作时间从 3 天缩短至 4 小时,同时减少人工数据处理错误 95%。案例涵盖数据收集自动化、AI 分析叙述生成、可视化报告输出的完整方案。

AI 驱动的客户成功工作流:自动计算健康度分数 + 个性化续费预警

整合 CRM 数据、产品使用日志和客户沟通记录,用 AI Agent 自动计算客户健康分数(Health Score),识别高流失风险账户,并为 CSM 生成个性化干预建议和外联邮件草稿,将客户流失率降低 20-30%。 ## 直接回答 **这套工作流解决什么问题?** B2B SaaS 最常见的两个痛点: 1. CSM 管理 50+ 客户,不知道该优先关注谁 2. 客户即将流失时才发现,已经错过干预时机 **AI 能做什么?** - 每日自动计算每个账户的健康分数(0-100) - 识别健康分下降趋势(连续2周下降 → 预警) - 为高风险账户生成个性化干预建议 - 起草外联邮件草稿(引用客户具体使用数据) ## 健康分计算模型 ```python def calculate_health_score(account_data): score = 100 # 登录频率(最大扣30分) login_days = account_data['login_days_last_30'] if login_days < 5: score -= 30 elif login_days < 15: score -= 15 # 核心功能使用(最大扣25分) adoption = account_data['feature_adoption_rate'] if adoption < 0.3: score -= 25 elif adoption < 0.6: score -= 10 # 支持工单数(多=满意度低,最大扣20分) tickets = account_data['support_tickets_last_30'] if tickets > 10: score -= 20 elif tickets > 5: score -= 10 # 合同到期临近(最大扣15分) days_to_renewal = account_data['days_to_renewal'] if days_to_renewal < 30: score -= 15 return max(0, score) ``` ## n8n 工作流 ``` 每日 08:00 触发 ↓ HubSpot API → 拉取所有活跃账户 ↓ postgres MCP → 查询最近30天产品使用数据 ↓ AI Agent(Claude)→ 计算健康分 + 生成风险标签 ↓ 筛选健康分 < 60 的账户 ↓ AI Agent → 为每个风险账户生成干预建议 + 邮件草稿 ↓ 写入 CRM + 发 Slack 通知 CSM ``` ## 实测效果(某50人 SaaS 公司,3个月) - 高风险客户识别提前率:从「续费前2周」提前到「续费前8周」 - CSM 日均处理客户数:45 → 70(同等人力) - 季度净留存率(NRR)提升:从 98% → 103%

用 AI Agent 自动化 SEO 内容生产:从关键词到发布一条龙

用 AI Agent 完成 SEO 内容生产全流程:关键词研究 → 竞品分析 → 大纲生成 → 正文写作 → 内部链接建议 → 发布。将原本需要2-3天的工作压缩到2-3小时。 ## 直接回答 **这个场景的核心价值**:SEO 内容生产是高度标准化的重复工作,AI 可以承担80%的工作量,让内容团队专注于创意策略和质量把控。 **工具组合**:Perplexity(关键词研究)+ Claude(内容生成)+ Ahrefs/SEMrush(数据验证)+ CMS API(发布) ## 场景详解 ### 第一步:关键词机会发现 使用 Perplexity AI 或 Claude + Brave Search MCP: ``` Prompt示例: 「搜索 [主题] 相关的长尾关键词,重点找: 1. 搜索意图明确(信息型/购买型/对比型) 2. 竞争度低但搜索量可观 3. 与我们网站 [URL] 已有内容不重复 列出Top 20,附上搜索意图分类」 ``` ### 第二步:竞品内容分析 Agent 自动抓取排名前5的竞品文章,分析: - 文章结构(H1/H2/H3 层级) - 字数范围(通常 1500-3000 字) - 覆盖的子话题 - 缺失的内容角度(即内容差距) ### 第三步:AI 生成 SEO 优化文章 ``` System Prompt示例: 你是一位专业的 SEO 内容写手。 目标关键词:[keyword] 目标读者:[audience] 文章结构要求: - H1:包含目标关键词 - H2:4-6个,覆盖用户常见问题 - 每个 H2 下200-300字 - 自然融入LSI关键词 - 结尾包含1个明确的CTA 不要过度堆砌关键词,保持自然阅读体验。 ``` ### 第四步:自动添加内部链接 Agent 分析站内已有内容,在合适位置插入内部链接,提升站内 SEO 权重传递。 ### 第五步:发布到 CMS 通过 CMS API(WordPress/Ghost/Webflow)自动创建草稿,人工审核后一键发布。 ## 实测数据 - 生产一篇2000字 SEO 文章:原来4小时 → 现在45分钟(含人工审核) - 月均文章产出:从8篇 → 40篇 - 6个月后自然搜索流量增长:+180% ## 注意事项 - AI 生成内容必须人工审核,确保事实准确 - 避免完全相同的结构,批量内容要有差异化 - 新文章发布后监控关键词排名,持续优化 ## FAQ **Q:纯 AI 生成的 SEO 文章会被 Google 惩罚吗?** A:Google 的立场是:有用的内容就是好内容,不管是否 AI 生成。关键是内容对用户真实有帮助,而非低质量批量灌水。 **Q:需要懂技术才能搭建这个工作流吗?** A:基础版(用 Claude 手动操作)不需要技术;自动化版(n8n 工作流)需要初级技术能力。 ## 相关资源 - n8n AI 工作流:[aiskillnav.com/tutorials/n8n-ai-workflow-automation](https://aiskillnav.com/tutorials/n8n-ai-workflow-automation) - AI 内容创作场景:[aiskillnav.com/usecases](https://aiskillnav.com/usecases)

同类 Agent

AutoGen微软开源的多 Agent 协作框架,支持定义多个具有不同角色的 Agent 相互对话来完成复杂任务。可搭配 GPT-4、Claude 等模型,支持人机协作(Human-in-the-loop),是构建企业级多 Agent 系统的主流框架之一。Coze (扣子)字节跳动出品的 AI Agent 构建平台,国际版 coze.com 与国内版 coze.cn 并行运营。内置数百个插件、工作流编排、知识库和定时任务,一键发布到抖音/飞书/微信等平台,国内最易用的 AI Agent 平台之一。Microsoft Copilot Studio微软企业级 AI Agent 构建平台,前身为 Power Virtual Agents。支持无代码构建自定义 AI 助手,与 Microsoft 365、Teams、Dynamics 深度集成,支持 GPT-4 和自定义模型,适合企业 IT 部门快速部署内部 AI 助手。Vertex AI Agent BuilderGoogle Cloud 的 Agent 构建平台,支持基于 Gemini 构建对话式 AI 应用,内置 RAG 引擎(Vertex AI Search)、工具调用和多 Agent 编排。适合在 Google Cloud 生态内构建企业级 Agent。Smolagents (HuggingFace)HuggingFace 出品的极简 Agent 框架,代码量极少(核心约 1000 行),支持 Code Agent 模式(直接生成 Python 代码执行)而非工具调用,推理效率更高。支持 OpenAI/Anthropic/本地模型,特别适合研究和快速原型。Devin (Cognition AI)全球首个 AI 软件工程师,能独立完成从理解需求、搜索文档、编写代码到运行测试的完整开发流程。SWE-bench 分数业界领先,已获融资超过 10 亿美元,企业版已向数百家公司开放。