n8n二三事

使用n8n的契机是我的游戏服务器需要节能，但是一直没有找到监听mysql的方法，直到遇见了n8n。
没想到n8n远比我想象的要强大的多的多多多~

为什么低代码在当下越发值得学习？

自从AI爆火以来，我一直可以刷到这样一句话：

“ AI 不会淘汰人，只会淘汰那些不会用 AI 的人”。

AI的出现，几乎拉平了技术与非技术、专家与普通人之间的差距。

先不谈专家的事，毕竟专家教授们有时候也不太靠谱。

但对于非技术出身的人来说，甚至包括部分技术人员，他们对 AI 的认知往往是模糊的：

有时觉得 AI 无所不能，
有时又觉得 AI 什么都做不到。

经过长达🐔两年半🐔时间的观察，我发现导致这种状态的核心原因很简单：

他们无法分清AI究竟是一种产品还是一种技术。

我来指路：低代码 + AI，有没有搞头？

这就要说到n8n了。

在 AI 出现之前，n8n 只是一个图形化的低代码产品。

但 AI 出现之后，低代码 + AI的组合让事情变得更加有趣。

首先，AI 时代的企业，对 业务与技术的结合 提出了更高的要求，而 低代码能帮助更多业务人员跨入 AI 领域。

简单来说，

低代码 能让非技术人员快速参与业务开发，
AI 能让低代码平台发挥出更大的价值，
二者结合，简直是一石三鸟！

少林功夫好啊，真滴好~

少林功夫棒啊，真滴棒~

我是铁头功，无敌铁头功~

你是金刚腿，我是金刚腿~

🌰举个例子：

一个简单的Excel表格操作问题，在没有AI接入之前的n8n流程：

业务员需要执行一系列繁琐的步骤：

找到文件
读取文件
修改字段
重新打包
重新保存

但在接入 AI 之后，一切变得更加简单：

整个过程中，我们 几乎不需要编写任何代码，仅需 拖拖拽拽，然后让 AI 通过 Prompt 识别并修改内容，最后保存到本地。

最终的结果：

对于我们来说，低代码的工作流节省了大量时间；
对于AI来说，借助n8n，我们已经迈入了 AI Cyberpunk的世界!

至此，我们也终于成为了一个 “会用 AI 的人”。 🚀

关键词

n8n.io 开源免费的AI工作流
Self-host n8n 自托管的n8n，powered by majun.fun
Docker 我爱Docker
AI API deepseek又可以充值了

快速部署

本文仅讨论自托管的n8n，使用n8n Cloud服务的请参考官方文档：https://docs.n8n.io/manage-cloud/overview/

推荐使用Docker进行自托管n8n的安装，环境为Debian 12.

第一步：安装Docker

设置Docker的 apt存储库：

shell

# Add Docker's official GPG key:
sudo apt-get update
sudo apt-get install ca-certificates curl
sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL https://download.docker.com/linux/debian/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc

# Add the repository to Apt sources:
echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/debian \
  $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
  sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
sudo apt-get update

安装最新的Docker包：

shell

sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin

验证是否安装成功：

此命令下载测试映像并在容器中运行。容器运行时，它会打印一条确认消息并退出。

shell

sudo docker run hello-world

第二步：部署n8n

首先，创建一个目录用于 n8n 的部署：

shell/

mkdir /home/jason/n8n_with_postgreSQL

然后，在该目录下创建三个文件：.env、init-data.sh 和 docker-compose.yml，目录结构如下：

n8n 默认使用 SQLite 作为数据库，这是一种基于文件的数据库。与大多数文件数据库类似，当数据量增长到一定程度时，性能会下降，并且数据库文件会不断增大。

为了解决这个问题，我们直接使用 PostgreSQL 作为 n8n 的数据库，并在 docker-compose.yml 文件中添加一些关键参数，以确保长期稳定运行：

shell

WEBHOOK_URL=https://www.majun.fun:3021  #webhook地址，必须配置公网可访问的地址
EXECUTIONS_DATA_PRUNE = true            #是否打开执行结果自动清理，建议开启
EXECUTIONS_DATA_MAX_AGE = 168           #执行结果保留时间（小时）
EXECUTIONS_DATA_PRUNE_MAX_COUNT = 2000  #设置存储执行结果的最大条数

这样，n8n 部署后不仅能够使用 PostgreSQL 作为数据库，还能自动清理过期执行结果，保证系统高效运行。

n8n三个配置文件的清单：

.env

shell

POSTGRES_USER=changeUser
POSTGRES_PASSWORD=changePassword
POSTGRES_DB=n8n

POSTGRES_NON_ROOT_USER=changeUser
POSTGRES_NON_ROOT_PASSWORD=changePassword

init-data.sh：

shell

#!/bin/bash
set -e;


if [ -n "${POSTGRES_NON_ROOT_USER:-}" ] && [ -n "${POSTGRES_NON_ROOT_PASSWORD:-}" ]; then
	psql -v ON_ERROR_STOP=1 --username "$POSTGRES_USER" --dbname "$POSTGRES_DB" <<-EOSQL
		CREATE USER ${POSTGRES_NON_ROOT_USER} WITH PASSWORD '${POSTGRES_NON_ROOT_PASSWORD}';
		GRANT ALL PRIVILEGES ON DATABASE ${POSTGRES_DB} TO ${POSTGRES_NON_ROOT_USER};
		GRANT CREATE ON SCHEMA public TO ${POSTGRES_NON_ROOT_USER};
	EOSQL
else
	echo "SETUP INFO: No Environment variables given!"
fi

docker-composer.yml

json

version: '3.8'

volumes:
  db_storage:
  n8n_storage:

services:
  postgres:
    image: postgres:16
    restart: always
    environment:
      - POSTGRES_USER
      - POSTGRES_PASSWORD
      - POSTGRES_DB
      - POSTGRES_NON_ROOT_USER
      - POSTGRES_NON_ROOT_PASSWORD
    volumes:
      - db_storage:/var/lib/postgresql/data
      - ./init-data.sh:/docker-entrypoint-initdb.d/init-data.sh
    healthcheck:
      test: ['CMD-SHELL', 'pg_isready -h localhost -U ${POSTGRES_USER} -d ${POSTGRES_DB}']
      interval: 5s
      timeout: 5s
      retries: 10

  n8n:
    image: docker.n8n.io/n8nio/n8n
    restart: always
    environment:
      - DB_TYPE=postgresdb
      - DB_POSTGRESDB_HOST=postgres
      - DB_POSTGRESDB_PORT=5432
      - DB_POSTGRESDB_DATABASE=${POSTGRES_DB}
      - DB_POSTGRESDB_USER=${POSTGRES_NON_ROOT_USER}
      - DB_POSTGRESDB_PASSWORD=${POSTGRES_NON_ROOT_PASSWORD}
      - WEBHOOK_URL=https://www.majun.fun:3021
      - EXECUTIONS_DATA_PRUNE = true
      - EXECUTIONS_DATA_MAX_AGE = 168
      - EXECUTIONS_DATA_PRUNE_MAX_COUNT = 2000
    ports:
      - 5678:5678
    links:
      - postgres
    volumes:
      - n8n_storage:/home/node/.n8n
    depends_on:
      postgres:
        condition: service_healthy

配置完成之后，我们直接启动🚀：

shell

sudo docker compose -f docker-composer.yml up -d

等待运行成功之后，直接访问： http://localhost:5678/ 进入n8n的安装界面:

第三步：反向代理n8n

由于我的 Web 服务是通过 Nginx 运行，并且已支持 HTTPS，因此只需为 n8n 添加一个 Nginx 反向代理，即可通过 https://www.majun.fun:3021 访问 n8n。

以下是 Nginx 反向代理的配置文件：

json


server {
    listen 3021 ssl default_server;
    listen [::]:3021 ssl default_server;


    ssl_certificate /etc/nginx/your_cert;
    ssl_certificate_key /etc/nginx/your_cert_key;

    server_name n8n;

  location / {
    proxy_set_header Host $host;
    proxy_set_header X-Real-IP $remote_addr;
    proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
    proxy_set_header X-Forwarded-Proto $scheme;
    proxy_pass http://localhost:5678/;

    # WebSocket 相关配置
    proxy_http_version 1.1;
    proxy_set_header Upgrade $http_upgrade;
    proxy_set_header Connection "Upgrade";
  }
}

第四步：配置webhook地址

细心的朋友可能已经注意到，我们的 Docker Compose 文件中已经包含了 n8n 的 Webhook 配置。

没错！只需在 .yml 文件中完成配置，n8n 便可直接使用公网 Webhook 地址，无需额外操作。

n8n Webhook 配置示意图：

n8n 启用 Webhook 监听：

第五步：更新n8n

由于我们是通过 Docker Compose 部署的 n8n，因此更新过程非常简单，只需执行以下命令：

shell

# 拉取新版本
sudo docker compose -f docker-composer.yml pull

# 停止旧版本
sudo docker compose -f docker-composer.yml down

# 启动容器
sudo docker compose docker-composer.yml up -d

至此，n8n 的配置与更新流程已全部完成。

制作第一个AI n8n程序

作为 n8n 新手，手写一个 AI 相关的 n8n 程序可能不太现实。

不过，好在n8n有着多到令人发指的Template，我部署的时候才1300多个，现在已经1489个了！

借助这些模板，我们可以轻松创建第一个 n8n 程序。本次我们将使用使用 AI 抓取并汇总网页这个模板。

导入模板

首先，在 n8n 中导入该模板：

导入后，系统会提示使用 OpenAI 模型。由于我们要使用 DeepSeek 模型，因此可以点击 跳过。

导入完成后，整个流程如下：

修改AI model为DeepSeek

首先，删除 OpenAI Chat Model1节点。然后，添加 DeepSeek Model 节点：

为 DeepSeek 创建新的 API 凭据：

在 DeepSeek Model 节点中，选择 deepseek-chat 模型：

完成后，节点结构应如下所示：

至此，所有配置已经完成！现在，我们的 n8n AI 流程可以使用 DeepSeek 进行网页抓取和总结了 🎉！

后记

这个AI的sample一共请求了772次，花费了13w的token，因为sample的文章比较多，所以有点费token:

主要是n8n官方的这个模板确实不怎么样，但却让我在实践中更好地理解了n8n的设计思路，或者说是低代码平台的整体设计逻辑。

还收获了一些学习的思路。

学习的思路

从实际问题出发，才是学习的正确路径。

低代码工具如 n8n，虽然能帮助你掌握一些技能，但这些技能的价值，取决于能否解决实际问题。如果不能从实际需求出发，选择合适的工具来解决问题，所学的操作很容易变成“无用之物”，甚至很快被遗忘。

学习 n8n 的目的，不是为了掌握工具本身，而是让没有编程能力的人，能够快速实现自动化解决方案。如果没有明确的需求，学习过程可能会显得枯燥无味，与其无目标地学习，不如直接去做一些自己感兴趣的事。

正确的学习方式是：Learning by Doing

先学习，再开始，❌

先开始，再学习，✅

目录 ​

为什么低代码在当下越发值得学习？ ​

我来指路：低代码 + AI，有没有搞头？ ​

关键词 ​

快速部署 ​

第一步：安装Docker ​

第二步：部署n8n ​

第三步：反向代理n8n ​

第四步：配置webhook地址 ​

第五步：更新n8n ​

制作第一个AI n8n程序 ​

导入模板 ​

修改AI model为DeepSeek ​

后记 ​

学习的思路 ​

目录

为什么低代码在当下越发值得学习？

我来指路：低代码 + AI，有没有搞头？

关键词

快速部署

第一步：安装Docker

第二步：部署n8n

第三步：反向代理n8n

第四步：配置webhook地址

第五步：更新n8n

制作第一个AI n8n程序

导入模板

修改AI model为DeepSeek

后记

学习的思路