n8n 是一个开源的工作流平台，类似于 国内的扣子和国外的dify，但开源、更强大。
可将将不同的应用和服务连接起来，实现自动化任务。

跟dify做个对比？

这是一个知乎的评测
2025年AI开发利器大对决：Dify vs n8n全方位测评，哪个才是你的效率神器？[4]

【核心功能对比表】

如何选择：如果你主要关注AI应用开发，Dify更合适；
如果你需要连接多种系统和服务，n8n会是更好的选择。

以下是n8n的部署和使用

2. 部署n8n

常规部署的两种方式：npm 和 docker：

• • npm特点：部署比较需要有一点运维基础、快速启动

• • docker特点：部署简单，便于管理数据库，好管理，好迁移，兼容性强

3. 通过docker安装n8n平台（亲测最简单的方式之一）

新手小白5分钟搞定n8n安装本地部署

4. 启动n8n

启动docker后在浏览器输入

http://localhost:5678
 

  AI写代码
  

 

就能看到如下3个初始化界面

第3个页面点跳过，或者发送密钥（🉑免费解锁高级功能）

如果当时点了“跳过”，后续才想激活，可以点左下角，进入“设置"--"使用和计划"，重复以上激活步骤

5. 配置大模型

点击 概述 - 证书 - 添加新凭证 -- 选OpenAI -- 输入API key和URL -- 保存

• • 类型：OpenAI

• • API Key ：可以用

  <ul><li>
  	<p>• 免费的硅基流动[5]</p>
  	</li><li>
  	<p>• 免费的Openrouter[6]</p>
  	</li><li>
  	<p>• 各大模型官网申请 API-KEY</p>
  	</li></ul>
  </li><li>
  <p>•&nbsp;<strong>Base URL</strong>：https://apisiliconflow.cn/v1[7]</p>
  </li></ul>
  

测试连接成功即可
<**硅基流动**示例>

<**Openrouter**示例>

6. 使用n8n

6.1 自建工作流

示例Demo：做一个大模型对话的工作流

新建工作流，

添加一个Agent节点，支持配置“Chat Model”、“Memory” 和 “Tool”，Chat Model（作为大脑）必须配置

该节点的呈现方式，让 Agent 的定义真正具象化了

Agent定义：Agent（智能体）是具备自主行动能力的系统，LLM 充当代理的大脑，包含规划(Planning)、记忆(Memory)、工具(Tools)、执行(Action)四大要素（或称组件），能够执行一系列复杂的任务。

配置“Chat Model”

• • 选接口方式：OpenAI类型和OpenRouter类型都配置过，都可以选

• • 选LLM模型：（以OpenRouter为例）如“deepseek-chat-v3-2024:free”

配置完毕，点击灰色处回到工作流界面，打开聊天，执行流程

6.2 使用模板创建工作流

示例Demo：做一个简易的RAG工作流

n8n的社区资源丰富，有很多应用模板可借鉴，按照以下步骤使用模版创建工作流：

1. 1. 进入应用市场

2. 2. 搜索/选择应用

3. 3. 点击免费使用

4. 4. 复制工作流json代码

5. 5. 创建工作流

6. 6. 在画布上，粘贴工作流

至此，我们学会了模板应用的创建🎉

点击“执行工作流”，上传一份文档，就可以开始RAG对话了。

---

如何运行？

不确定要修改哪些节点才能正常运行？
那就运行起来再改。

比如OpenAI类型的 API-KEY 失效了，就可以把这些聊天模型(LLM)、嵌入模型(Embedding)，更换成有额度的模型。

比如数据库节点要配置自己的端口、用户名、密码等信息。

比如HTTP节点需要更换URL。