n8n：可视化工作流自动化

一条命令跑起来

需要 Docker：

shcurl -fsSL https://get.n8n.io | sh

手动 Docker（想控制数据卷时更清楚）：

bashdocker volume create n8n_data
docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n

打开 http://localhost:5678 就是编辑器。

数据在 n8n_data 这个卷里——备份就是备份这个卷，这一条要记住。

许可：先看这个再决定

n8n 不是 OSI 意义上的开源软件。 它是 fair-code 模式，许可由 Sustainable Use License 和 n8n Enterprise License 两份组成。

官方自己列的三条是：

• Source Available —— 源码始终可见
• Self-Hostable —— 可以部署在任何地方
• Extensible —— 能加自己的节点和功能

这三条是 fair-code 的定义，和 MIT/Apache 那种「随便改、随便闭源分发」不是一回事。

商业使用、把 n8n 嵌进你自己的产品对外提供服务这类场景，要自己读仓库里的 LICENSE.md 确认边界，或者联系官方买企业许可。这一步在选型阶段就该做完，事后翻车成本很高。

它强在哪

一是不锁定模型供应商。 接 OpenAI、Anthropic、Google 或开源模型，换 provider 不用改架构。对不想被某一家绑死的人这是决定性优势。

二是从原型到生产是连着的。 多步 AI 工作流、逻辑分支、工具调用、人工审批环节、完整可观测性都在产品里，不是让你自己拼。人工审批这一项在处理实际业务时很关键——自动化发出去之前插一道人确认，比全自动但不敢用强。

三是画布和代码可以混用。 简单步骤拖拽，复杂的直接写 JavaScript、Python 或引 npm 包。不用在「可视化工具不够用」和「写代码太繁琐」之间二选一。

四是生态规模。 1500+ 集成加 9000+ 工作流模板。而且集成通常有官方维护，不是那种复制粘贴配置。

五是企业特性。 基于角色的访问控制、审计日志、敏感数据处理支持。

从模板起步

别从空白画布开始。 9000+ 模板在 n8n.io/workflows（在新标签页打开），找一个接近你要的流程改，比自己从头搭快得多。

集成目录在 n8n.io/integrations（在新标签页打开），1500 多个，按需找。

AI 相关

n8n 有专门的 AI 与 LangChain 指南：docs.n8n.io/advanced-ai（在新标签页打开）。多步智能体、工具调用这类模式在那里。

主要文档在 docs.n8n.io（在新标签页打开）。

什么时候别用它

• 需要 MIT 或 Apache 许可 —— fair-code 不是。看清 LICENSE.md 的边界。
• 不想用可视化界面 —— 如果你只想写脚本，n8n 的画布反而是额外的一层。
• 一次性任务 —— 它是给持续运行的工作流用的，跑一次就完的脚本用 cron 加脚本更轻。

名字的来历

n8n 是 "nodemation" 的缩写：Node-View + Node.js + automation。作者觉得太长不适合命令行，于是取了 n8n。发音是 n-eight-n，不是 n-and-n。

遇到问题

社区论坛在 community.n8n.io（在新标签页打开），官方 README 直接说那里是获取支持的主要地方。