n8n 在 2026 年的使用量增长了 3 倍多——因为它是目前唯一一个同时满足"可自部署、开源、对开发者友好、有大量 AI 集成"四个条件的工作流工具。

但很多人用 n8n 只是做简单的节点连接，碰到复杂场景就卡住了。本文讲的是真正用于生产的 n8n 技巧。

一、n8n 的核心优势（和 Zapier/Make 的差异）

对比维度n8nZapierMake

自部署✅ Docker/npm❌❌ 开源✅❌❌ 代码节点✅ JS/Python❌有限 AI 原生集成✅ 多个 LLM基础基础 价格自部署免费按任务收费按操作收费

对于需要频繁运行或有隐私要求的工作流，n8n 自部署方案几乎是唯一合理选择。

二、必须掌握的核心节点

2.1 HTTP Request 节点

n8n 最强大的节点，几乎可以调用任何 API：

json
// 调用 Claude API 的 HTTP Request 配置
{
  "url": "https://api.anthropic.com/v1/messages",
  "method": "POST",
  "headers": {
    "x-api-key": "={{$env.ANTHROPIC_API_KEY}}",
    "anthropic-version": "2023-06-01",
    "content-type": "application/json"
  },
  "body": {
    "model": "claude-opus-4-5",
    "max_tokens": 2000,
    "messages": [
      {
        "role": "user",
        "content": "={{$json.user_message}}"
      }
    ]
  }
}

2.2 Code 节点（JS/Python）

当内置节点不够用时，直接写代码：

javascript
// 处理 AI 返回的 JSON 字符串（LLM 经常返回 markdown 包裹的 JSON）
const rawText = $input.first().json.content;
// 去除 markdown 代码块
const cleanJson = rawText
  .replace(/^

json /, '') .replace(/

$/, '')
  .trim();
try {
  const parsed = JSON.parse(cleanJson);
  return [{ json: parsed }];
} catch(e) {
  // 如果解析失败，返回原始文本供排查
  return [{ json: { raw: rawText, error: e.message } }];
}

2.3 If / Switch 节点

根据条件决定工作流走向：

If 节点条件示例：
{{$json.sentiment}} 等于 "negative" → 转人工
{{$json.confidence}} 小于 0.8 → 重新生成
{{$json.word_count}} 大于 500 → 截断处理

三、AI 集成最佳实践

3.1 Prompt 管理节点

不要在 HTTP 节点里写死 prompt，用 Set 节点集中管理：

Set 节点（prompt 库）：
system_prompt = "你是一个专业的客服助手，负责处理退款申请..."
user_template = "用户说：{{$json.message}}
订单信息：{{$json.order_details}}"

3.2 重试机制

LLM API 会偶尔超时，必须配置重试：

在 HTTP Request 节点的 Settings 中：

On Error: Retry

Retry On Fail: 开启

Max Tries: 3

Wait Between Tries: 2000ms（毫秒）

3.3 结构化输出处理

让 LLM 返回固定格式的 JSON：

在 prompt 中明确说明格式：
请分析这条客户反馈，以 JSON 格式返回，包含：
{
  "category": "退款/投诉/咨询/其他",
  "sentiment": "positive/neutral/negative",
  "priority": 1-5的数字,
  "suggested_action": "建议的处理方式"
}
只返回 JSON，不要其他文字。

四、生产级工作流的错误处理

4.1 全局错误捕获

在工作流设置中开启 Error Workflow，指向一个专门处理错误的工作流：

错误工作流应该：

发送通知（邮件/Slack/钉钉）

记录错误到数据库

尝试重新触发（如果是临时性错误）

4.2 数据校验节点

在 AI 处理前后都加校验：

javascript
// Code 节点：校验 AI 输出是否符合预期
const result = $input.first().json;
if (!result.category || !result.sentiment) {
  throw new Error('AI 返回格式不完整：' + JSON.stringify(result));
}
if (!['positive', 'neutral', 'negative'].includes(result.sentiment)) {
  throw new Error('sentiment 值无效：' + result.sentiment);
}
return [$input.first()];

五、常用生产级工作流模板

5.1 客户反馈智能分类

Webhook → 读取反馈 → AI 分类 → Switch（类别）→ 各类别处理 → 更新数据库 → 发送通知

5.2 内容自动发布

定时触发 → 读取待发内容 → AI 润色 → 人工审核（Email/Webhook）→ 确认后发布 → 记录结果

5.3 邮件智能助手

Email Trigger → 读取邮件 → AI 分析意图 → If（需要回复）→ AI 起草回复 → 人工确认 → 发送

六、自部署 n8n（Docker）

yaml
docker-compose.yml
version: '3.8'
services:
  n8n:
    image: n8nio/n8n:latest
    ports:
      - "5678:5678"
    environment:
      - N8N_BASIC_AUTH_ACTIVE=true
      - N8N_BASIC_AUTH_USER=admin
      - N8N_BASIC_AUTH_PASSWORD=your_password
      - N8N_ENCRYPTION_KEY=your_32_char_key
      - N8N_HOST=your-domain.com
      - WEBHOOK_URL=https://your-domain.com/
    volumes:
      - n8n_data:/home/node/.n8n
volumes:
  n8n_data:

---

延伸阅读

Gmail AI 自动化完整指南

AI Agent 工作流自动化

MCP Server 与 n8n 集成