MENU

n8n 新手上路：从一无所知到跑出第一个自动化流程

November 27, 2025 • Read: 22 • 学习

AI 摘要

正在加载摘要...
AI 自动化这几年真的越来越重要了
不管是处理重复任务、整理数据，还是用 AI 做一些智能化的流程，现在这些都能被自动化接管

这是我第一次接触 n8n ，也是一无所知的新手，但在简单的了解过后，我已经跑通了一个完整的自动化工作流：从 RSS 读取今日热点 → AI 自动总结 → AI 自动制图 → 生成 HTML 日报页

什么是 n8n

如果你没用过 n8n，可以简单把它想象成开源的 Coze
不同的是它：

  • 能自托管
  • 拖几个节点就能把各种 API 接起来
  • 和 AI 配合的时候真的很爽

以前做自动化要写 Python / NodeJS，配定时任务，自己处理数据结构、容错之类的。
现在很多东西拖一拖就完了

n8n 的强大之处不仅在于它能做传统自动化（如备份、同步、发通知）
而是在 AI 时代，它可以成为「调度大脑」
它自己不做什么复杂逻辑，但非常擅长“把事情串起来”

例如：

  • 使用 AI 进行复杂抓取与筛选
  • 多源 RSS / API / Webhook 信息聚合
  • 使用 AI 自动判断价值度
  • 对新闻进行 分类、比对、摘要、聚合
  • 自动过滤重复内容
  • 按重要程度排序，生成清晰结构化数据

我的第一个流程：RSS → AI 总结 → AI 制图 → HTML 日报

这是我第一次在 n8n 里动手做出的完整流程：
从 RSS 获取热点 → AI 自动总结 → AI 自动生成日报图 → 生成 HTML 页面

这里推荐一个持续跟进官方的 汉化版本 ，方便学习

部署

docker volume create n8n_data

docker run -it  --name n8n -p 5678:5678 -e N8N_RELEASE_TYPE=stable -e N8N_DIAGNOSTICS_ENABLED=false -e N8N_VERSION_NOTIFICATIONS_ENABLED=false -e N8N_HIDE_USAGE_PAGE=true -e N8N_LICENSE_AUTO_RENEW_ENABLED=false -e N8N_RUNNERS_ENABLED=true -e NODE_ENV=development -e N8N_DEFAULT_LOCALE=zh-CN -e N8N_ENTERPRISE_MOCK=true -v n8n_data:/home/node/.n8n ghcr.io/deluxebear/n8n:chs

随后直接访问 http://localhost:5678 即可

2025-11-27T04:18:58.webp

流程展示

Webhook → RSS Read → AI Summary → AI Image → Markdown → HTML → Webhook Response

整个流程非常直观，基本看一眼图就能理解整个 workflow 是如何工作的
2025-11-27T04:31:26.png

通过 Webhook 触发 RSS Read, 交给 AI 进行总结内容，随后将输出结果使用 AI 制作出图片,我这里使用的是 Nano Banana Pro 返回的是 Markdown 格式的 Base64,需要转换成 HTML 才能响应 Webhook，展示在前端。

预览效果如下
2025-11-27T04:27:29.webp

各节点分析

Webhook（流程入口）

这是整个流程的触发器, 只要访问 http://localhost:5678/webhook/xxxxx 就能出发整个流程的运行

RSS Read

这个节点负责获取信息源

作为简单的项目演示，采用了 知乎每日新闻的 RSS https://plink.anyfeeder.com/zhihu/daily

运行返回结果如下

[
{ 
"title":"为什么古代中国没有其它文明那么多大型石砌建筑？",
"link":"https://daily.zhihu.com/story/9785710", 
"pubDate":"Invalid Date",
"content":"<div class=\"main-wrap content-wrap\">\n<div class=\"headline\">\n\n<div class=\"img-place-holder\"></div>\n\n\n\n</div>\n\n<div class=\"content-inner\">\n\n\n\n\n<div class=\"question\">\n<h2 class=\"question-title\"></h2>\n\n<div class=\"answer\">\n\n<div class=\"meta\">\n<img class=\"avatar\" src=\"https://pica.zhimg.com/v2-6d516f92aa7a0b008195b2703a6a4bf7_l.jpg?source=8673f162\" referrerpolicy=\"no-referrer\">\n<span class=\"author\">Brian C，</span><span class=\"bio\">有问题请私信加微信</span>\n<a href=\"https://www.zhihu.com/question/338390171/answer/1955426428913944528\" class=\"originUrl\" hidden=\"\">查看知乎原文</a>\n</div>\n\n<div class=\"content\">\n<p><strong>为什么古代中国没有其它文明那么多大型石砌建筑？</strong></p>\n<p><strong>因为任何大型建筑本质上就是两门科学“物理和数学”的应用。</strong></p>\n<p>物理学上讲，</p>\n<p>中国古代人无法把向下的力转化为水平的力，
...

这些内容随后被送入 AI 做内容提炼与聚合

AI 总结

这一节点是整个工作流的核心

我这里用的不是官方 OpenAI 接口，而是一个第三方聚合平台，所以 n8n 里直接用 HTTP Request 节点 来调用 AI。

看起来很高端，其实流程非常简单：
就是发一个接口，把 prompt 丢进去，让 AI 返回你想要的文本或是一些其他的如图片等

拿到结果后，再用 n8n 的 Code 或 Set 节点稍微处理一下，就能继续用在下一步流程（例如生成 Markdown、渲染 HTML、推送消息）

流程其实不复杂：

  • AI Summary：生成结构化日报
  • AI Image：根据日报生成海报（Base64 返回）
  • Code / Set 节点：轻度加工 AI 输出

只要能发送 HTTP 请求，就能调用任何模型，n8n 在这里就像一个完美的调度层

渲染处理

我使用的生图模型是 gemini-3-pro-image-preview，它输出的是 Base64

为了在浏览器中体现，我做了三步：

  1. 把 Base64 拼成 markdown 图片语法
  2. 用 markdownToHTML 转成 <img>
  3. Webhook Response 输出 HTML 页面

你可以在这里下载此次的 workflow: My first workflow.json

一些开源的 N8N 项目

我第一次用 n8n 的一些感受

作为一个第一次接触 n8n 的新手，我的整体体验是非常惊喜的
本以为会需要一些学习成本，实则不然

  • 上手速度非常快
  • 可视化编辑比写代码更直观
  • 每一步都能实时看到输出，非常适合调试
  • 和 AI 搭配后，真正实现自动化

过去我们做自动化，往往要：

  • 写 Python / Node.js 脚本
  • 搭建定时任务平台, 设置定时任务
  • 自己处理 API 调用
  • 手动处理数据
  • 维护项目结构
  • 排查错误

而 n8n 给我最大的感受是：你不再需要写多少代码了，你只是在 表达你的流程

以前需要几百行脚本，现在可能只需要：

  • 一个 HTTP 节点: 信息获取
  • 一个 AI 处理: AI 信息加工
  • 各种中间件节点: 对内容进行定制化加工
  • 响应节点: 通知或是渲染

这一切都是可视化的

我觉得 n8n 的核心价值在于：

让自动化从“写代码”变成“表达业务逻辑”
让 AI 从“单次调用”变成“自动化协作”

你拼装的不是流程，而是 一个能自主处理信息的 AI 工作代理人（AI Agent Workflow）

这对我来说非常震撼

期待接下来深入 n8n，继续折腾更多自动化项目！

如无特殊说明 n8n 新手上路：从一无所知到跑出第一个自动化流程 为博主 Lin 原创，转载请注明原文链接: https://blog.lin03.cn/archives/86/

AI
Leave a Comment