n8n + AI：搭建无代码 AI 自动化工作流的完整教程

概述

n8n 是一款开源的工作流自动化工具，允许你通过可视化节点编排 API、数据库和 AI 服务。对于进阶读者而言，n8n 的真正价值在于将 AI 能力嵌入到复杂的业务流程中，实现“数据输入 → AI 处理 → 动作输出”的闭环。本教程将带你从零搭建一个“AI 客服邮件自动摘要 + 分类 + 回复建议”的工作流，涵盖 OpenAI API 集成、条件分支、Webhook 触发等核心技巧。

环境准备

部署 n8n

推荐使用 Docker 部署，确保你有稳定的运行环境。

docker run -it --rm \ --name n8n \ -p 5678:5678 \ -v ~/.n8n:/home/node/.n8n \

n8nio/n8n

访问 http://localhost:5678，完成初始化设置。进阶读者建议开启 Credentials 加密和 Webhook 公网访问（使用 ngrok 或 Cloudflare Tunnel）。

获取 AI 凭据

你需要以下 API Key：

OpenAI：用于 GPT-4 或 GPT-3.5 的文本生成。
SendGrid 或 SMTP：用于发送邮件（可选）。
Supabase 或 PostgreSQL：存储分类结果（可选）。

构建核心工作流

1. 触发节点：Webhook

使用 Webhook 节点接收外部邮件（通过 Zapier 或 Make 转发邮件到 Webhook URL）。

配置：

Method：POST
Path：/email-inbound
Response：200 OK

测试时可用 curl 模拟：

curl -X POST http://localhost:5678/webhook/email-inbound \ -H "Content-Type: application/json" \

-d '{"subject":"退款申请","body":"我购买的商品出现质量问题，要求退款。","from":"user@example.com"}'

2. AI 处理节点：OpenAI

添加 OpenAI 节点，选择 Chat Completion 模型（如 gpt-4）。

Prompt 设计（使用 n8n 的表达式引用 Webhook 数据）：

You are a customer service assistant. Analyze the email below and output a JSON object with three fields:
"summary": a one-sentence summary of the issue.
"category": one of ["billing", "technical", "general"].
"suggested_reply": a professional reply draft.
Email subject: {{ $json.subject }}
Email body: {{ $json.body }}

在 Options 中设置 response_format = { "type": "json_object" }，确保输出可解析。

3. 数据分支与动作

使用 IF 节点判断 category：

条件	动作
`category == "billing"`	发送 Slack 通知到财务组
`category == "technical"`	创建 Jira Ticket（使用 Jira 节点）
`default`	仅记录到数据库

4. 存储结果（可选）

使用 Postgres 节点将原始邮件 + AI 输出写入表 email_log：

INSERT INTO email_log (subject, body, summary, category, suggested_reply, created_at)
VALUES ('{{ $json.subject }}', '{{ $json.body }}', '{{ $json.summary }}', '{{ $json.category }}', '{{ $json.suggested_reply }}', NOW());

关键参数对比

参数	GPT-3.5-turbo	GPT-4	推荐场景
输入 Token 限制	16K	8K / 32K	长邮件选 32K
输出 JSON 稳定性	需明确 instruct	原生支持 `json_object`	结构化输出选 GPT-4
成本（每 1K token）	$0.0015 / $0.002	$0.03 / $0.06	高频场景选 GPT-3.5
延迟	1-3s	3-8s	实时响应选 GPT-3.5

对于本工作流，建议在开发测试阶段使用 GPT-4 确保输出格式正确，生产环境切换到 GPT-3.5-turbo 以降低成本。

进阶技巧

错误处理与重试

在 OpenAI 节点后添加 Error Trigger 节点，当 API 返回 429 或 500 时，等待 5 秒后重试（使用 Wait 节点 + Loop 节点）。

动态 Prompt 模板

使用 Code 节点（JavaScript）拼接复杂 Prompt：

const subject = $input.first().json.subject;
const body = $input.first().json.body;
const history = await $input.all(); // 获取前序节点数据
return You are a senior support agent. Previous conversation: ${history[0].json.response}. Now handle: ${subject}: ${body};

多模型路由

在 IF 节点前添加 Switch 节点，根据邮件语言（检测 body 中是否含中文）选择不同模型（中文用 GPT-4，英文用 GPT-3.5）。

小结

本教程展示了如何在 n8n 中集成 AI 能力构建无代码自动化工作流。核心要点包括：通过 Webhook 触发外部事件，使用 OpenAI 的 Chat Completion 进行结构化数据抽取，利用 IF 和 Switch 节点实现智能路由，以及通过 Postgres 节点持久化结果。进阶读者可以进一步探索 n8n 的 Sub-workflow 复用、Execution Data 调试以及 Workflow Sharing 团队协作。记住，AI 工作流的价值不在于模型本身，而在于如何将 AI 输出精准地映射到业务动作上。

概述