掌握n8n这12个节点,构建AI工作流事半功倍!大模型入门到精通,收藏这篇就足够了!
我个人已经用这套方法搭建了超过 150 个自动化流程,为客户创造了巨大价值——而我实际上只用了 12 个核心节点。
在建立复杂工作流之前,掌握这12个节点,只用20%的时间,却能得到80%的结果!
今天我会告诉你,如何只用 n8n 的 20% 功能,就能获得 80% 的成果。我个人已经用这套方法搭建了超过 150 个自动化流程,为客户创造了巨大价值——而我实际上只用了 12 个核心节点。但大多数人会浪费好几个月去学习所有东西,而如果你专注在正确的部分,只需要几天就能见效。
很多人会陷入“教程地狱”,在 YouTube 上一个视频接一个视频地跳,却没有任何实质进展。我也曾经尝试掌握每一个节点,但结果就是毫无进展。这种方式的代价很高。今天,我会告诉你哪些节点和概念才真正重要。
一、执行基础(Execution Essentials)
刚开始学 n8n 的时候,有几个默认规则必须知道,它们会影响你构建复杂工作流的方式:
1.执行顺序:
默认情况下,流程从左到右执行。如果一个触发器连接了多个分支,那么上方的分支会优先执行,然后才执行下方的分支。当然如果你把下方的分支拖拽到上方,那么也是优先执行当前上方(之前下方)的分支。 n8n 默认是顺序执行(Sequential Execution),也就是同步运行,一个节点一个节点地执行,而不是并行执行。
2.节点按输入执行:
节点会根据输入次数执行。输入一次,运行一次。比如输入有 5 条数据,那么节点就会执行 5 次。
3.分支:
可以通过条件节点,把工作流分为不同路径,比如“如果日期在某个时间之前,就走路径 A,否则走路径 B”。
4.激活状态:

工作流默认是“未激活”的。如果想让外部事件触发,就必须在界面上手动“激活”,否则只能手动点击测试按钮来运行。
二、核心触发器(Core Triggers)
常用的几种触发器:

- 手动触发器(Manual Trigger)
测试流程时会频繁用到。 - 定时触发器(Schedule Trigger / Cron)
例如每天早上 7 点运行一次,或者可以通过 cron 表达式完成几分几秒精确控制执行。

- 应用事件触发器(App Events)
比如 OneDrive 有新文件时触发,Google Sheets 新增或修改行时触发,dropout、outlook等应用触发。

这些是最常用的触发器,也是你必须掌握的。
三、数据处理(Universal Data Processing)
工作流的核心是:拿到数据 → 转换数据 → 再传递下去。
下面我们用示例数据实操一下:
示例数据
{ "客户": [ { "id": 1, "姓名": "张伟", "公司": "创新科技(北京)有限公司", "手机号": "138-1234-5678", "邮箱": "zhang.wei@example.com", "来源": "微信广告", "状态": "新注册", "意向等级": "高", "备注": "对公司AI产品感兴趣,希望安排一次产品演示。", "注册日期": "2025-09-01T14:30:00Z" }, { "id": 2, "姓名": "李娜", "公司": "上海优选贸易有限公司", "手机号": "139-8765-4321", "邮箱": "li.na@example.com", "来源": "朋友推荐", "状态": "已联系", "意向等级": "中", "备注": "朋友介绍了自动化解决方案,想了解更多细节。", "注册日期": "2025-09-02T10:00:00Z" } ]}
如何在 n8n 中使用
- 在您的 n8n 工作流中,添加一个 Set 节点。
- 双击打开 Set 节点,确保 Mode 设置为 JSON。
- 将上面的 JSON 代码复制并粘贴到 JSON 文本框中。
- 运行该节点,您就可以在输出中看到这些数据了。

常见节点有:

1.Split Out / Aggregate(拆分与合并)

这个节点的作用是将一个包含多个数据项的数组(比如 “客户”)拆分成单独的、独立的项。方便之后对每个数据项进行格式化或添加新信息,把数组数据拆分成单条记录,将每个客户的信息发送到 CRM、电子邮件营销工具、Slack 等后续操作。或者把多条记录重新合并成一个集合。

2.Set(编辑字段)
新建或修改字段,比如把“姓”和“名”拼接成“全名”,或者只保留需要的字段,比如说编辑项客户联系方式,取字段“姓名”“手机号”,后续操作直接取字段“客户联系方式”就可以直观看到客户联系信息。

3.If(条件判断)
根据条件走不同路径。比如“如果姓名是 张伟 → 路径 A,否则 → 路径 B”。
4.Code 节点
Code 节点可以对输入的数据进行操作,然后输出处理后的结果。当内置节点无法完成复杂处理时,就用 Code 节点写 JavaScript代码。比如去掉名字里的逗号,或者进行更复杂的数据清洗。 (实操上,可以把数据和需求丢给 Claude/GPT 生成代码,再复制粘贴过来即可。)
- 添加节点: 在您的 n8n 工作流中,添加一个 Code 节点,并将其连接到上一个节点。
- 选择模式: 在 Parameters 选项卡下,选择 Mode。Run Once For Each Item(对每个项目运行一次)通常是处理拆分后数据的最佳选择。
- 编写代码: 在下方的代码编辑器中,编写您的 JavaScript 代码。您的代码可以通过 $json 变量访问每个数据项,并对数据进行处理。
- 运行和输出: 运行节点后,处理后的数据将作为节点的输出,传递给工作流的下一步。
应用示例:生成完整的联系人信息
根据我们之前使用的中文 JSON 数据,我们可以创建一个 Code 节点来生成一个包含完整联系人信息的字段,例如,将 姓名、手机号 和 公司 组合成一个便于查看的字符串。
这个例子可以用于后续将数据发送到其他通知应用时,快速提供客户的关键信息。
示例代码
将以下代码复制并粘贴到您的 Code 节点的 JavaScript 编辑器中。
// 循环处理每个输入项for (const item of $input.all()) {// 从当前数据项中提取姓名、公司和手机号const name = item.json.姓名;const company = item.json.公司;const phoneNumber = item.json.手机号;// 组合成一个完整的联系人信息字符串const contactInfo = `姓名: ${name}, 公司: ${company}, 手机: ${phoneNumber}`;// 将新生成的字符串添加到当前数据项中 item.json.联系人信息 = contactInfo;}return $input.all();
然后我们就能得到:

这些节点几乎覆盖了 80% 的数据处理需求。
四、API 与连接(Connectivity & APIs)

在 n8n 里,常见的 API 交互节点有三类:
HTTP Request – 主动调用外部 API
Webhook – 接收外部请求,启动 workflow
Respond to Webhook – 给调用方返回自定义结果
4.1如果 n8n 没有提供现成的节点,就用 HTTP Request 节点 连接外部 API。
- GET 请求:拉取数据(读取)。
- POST 请求:发送数据(写入/新增)。
例如:
- GET https://dummyjson.com/products → 拉取产品列表。

- POST https://dummyjson.com/products/add → 新增产品。
必要时要加 Headers(请求头),比如 Content-Type: application/json,或是 API Key 认证。
4.2Webhook
配置操作:
- 新建拖入 Webhook 节点,设置 HTTP Method(常用 POST 或 GET)。
- 设置 Path(例如:/order,完整地址会是 https://your-n8n-domain/webhook/order)。
- 激活 workflow 后,这个地址就能被外部系统访问。
举例:
- 你有一个 网站订单表单,用户提交后,表单的 action 指向 https://your-n8n-domain/webhook/order。
- 当用户点击提交 → n8n workflow 自动触发 → 开始处理订单逻辑。
4.3 Respond to Webhook(响应节点)
配置操作:
- 拖入 Respond to Webhook 节点,并连接在 workflow 的最后一步。
- 在 Response Mode 选择:
- On Received:Webhook 一收到请求就立即返回固定值(适合快速确认)。
- Last Node:等待前面所有节点完成,把最后一个节点的结果返回给调用方。
- 在 Response Body 中设置返回的 JSON 或文本。
举例:
- 外部系统调用你的 webhook,传入订单号 12345。
- n8n workflow 查询数据库 → 返回:
- {
“status”: “success”,
“orderId”: “12345”,
“deliveryDate”: “2025-09-15”} - 外部系统就能直接拿到结果,而不是一个空的 “200 OK”。
📌 完整案例流程:
用户在前端提交订单 → Webhook Trigger 收到请求。
HTTP Request 调用外部库存 API,确认库存。
Respond to Webhook 把最终的结果(库存状态 + 发货时间)返回给前端。
这样就实现了 前端 ↔ n8n ↔ 外部API 的闭环。

我希望这篇文章能帮助你理清n8n的核心节点应用。快学起来吧~欢迎点赞收藏,关注我,学习更多AI干货,我们下期见!
想入门 AI 大模型却找不到清晰方向?备考大厂 AI 岗还在四处搜集零散资料?别再浪费时间啦!2025 年 AI 大模型全套学习资料已整理完毕,从学习路线到面试真题,从工具教程到行业报告,一站式覆盖你的所有需求,现在全部免费分享!
👇👇扫码免费领取全部内容👇👇

一、学习必备:100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT,帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例?大模型电子书?这份资料帮你站在 “行业高度” 学 AI:
1. 100+本大模型方向电子书

2. 26 份行业研究报告:覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容,涵盖:
- 职业趋势:《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》;
- 商业落地:《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》;
- 领域细分:《AGI 在金融领域的应用报告》《AI GC 实践案例集》;
- 行业监测:《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT:听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会,包含百度、腾讯、字节等企业的一线实践:

- 安全方向:《端侧大模型的安全建设》《大模型驱动安全升级(腾讯代码安全实践)》;
- 产品与创新:《大模型产品如何创新与创收》《AI 时代的新范式:构建 AI 产品》;
- 多模态与 Agent:《Step-Video 开源模型(视频生成进展)》《Agentic RAG 的现在与未来》;
- 工程落地:《从原型到生产:AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看:大厂 AI 岗面试 “弹药库”,300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗?这份面试资料帮你提前 “押题”,拒绝临场慌!

1. 107 道大厂面经:覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景,包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题,每道题都附带思路解析:

2. 102 道 AI 大模型真题:直击大模型核心考点
针对大模型专属考题,从概念到实践全面覆盖,帮你理清底层逻辑:

3. 97 道 LLMs 真题:聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案,比如让很多人头疼的 “复读机问题”:

三、路线必明: AI 大模型学习路线图,1 张图理清核心内容
刚接触 AI 大模型,不知道该从哪学起?这份「AI大模型 学习路线图」直接帮你划重点,不用再盲目摸索!

路线图涵盖 5 大核心板块,从基础到进阶层层递进:一步步带你从入门到进阶,从理论到实战。

L1阶段:启航篇丨极速破界AI新时代
L1阶段:了解大模型的基础知识,以及大模型在各个行业的应用和分析,学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段:攻坚篇丨RAG开发实战工坊
L2阶段:AI大模型RAG应用开发工程,主要学习RAG检索增强生成:包括Naive RAG、Advanced-RAG以及RAG性能评估,还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段:跃迁篇丨Agent智能体架构设计
L3阶段:大模型Agent应用架构进阶实现,主要学习LangChain、 LIamaIndex框架,也会学习到AutoGPT、 MetaGPT等多Agent系统,打造Agent智能体。

L4阶段:精进篇丨模型微调与私有化部署
L4阶段:大模型的微调和私有化部署,更加深入的探讨Transformer架构,学习大模型的微调技术,利用DeepSpeed、Lamam Factory等工具快速进行模型微调,并通过Ollama、vLLM等推理部署框架,实现模型的快速部署。

L5阶段:专题集丨特训篇 【录播课】

四、资料领取:全套内容免费抱走,学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型,还是有基础想冲刺大厂、了解行业趋势,这份资料都能满足你!
现在只需按照提示操作,就能免费领取:
👇👇扫码免费领取全部内容👇👇

2025 年想抓住 AI 大模型的风口?别犹豫,这份免费资料就是你的 “起跑线”!
更多推荐



所有评论(0)