n8n 使用入门

在低代码自动化领域，n8n凭借其强大的灵活性和丰富的节点生态，成为越来越多开发者的首选。

前置准备

使用 Docker 方式安装n8n无需关注 Node.js 版本，环境隔离性更好，是新手最推荐的方式。

确保你的电脑已经安装了Docker环境。如果你还没有Docker，可以先通过以下方式快速安装：

• Windows：直接下载Docker Desktop；
• Mac：通过Homebrew或官网镜像安装；
• Linux：使用对应的包管理工具安装；

安装步骤

步骤 1：检查 / 安装 Docker

执行以下命令检查 Docker 是否安装：

docker -v
docker compose version  # 检查 Compose（Docker 20.10+ 已内置）

未安装的话：

• Windows/macOS：下载Docker Desktop并安装（安装后启动 Docker Desktop，确保右下角 / 状态栏显示 Docker 运行中）；
• Linux：参考Docker 官方文档 安装。

步骤 2：创建持久化目录（关键）

为了避免容器重启后丢失工作流数据，先创建本地目录存储 n8n 数据：

# macOS/Linux
mkdir -p ~/n8n/data

# Windows（PowerShell）
mkdir $HOME\n8n\data

步骤 3：启动 n8n 容器

用Docker Compose启动，这样更易管理，比较推荐。

1. 创建 docker-compose.yml 文件（可放在任意目录，如 ~/n8n/）：

version: "3"
services:
  n8n:
    image: docker.n8n.io/n8nio/n8n
    container_name: n8n
    ports:
      - "5678:5678"
    volumes:
      # n8n数据挂载（存储工作流、数据库）
      - ${HOME}/n8n/data:/home/node/.n8n
    environment:
      - N8N_HOST=0.0.0.0
      - N8N_PORT=5678
      - N8N_LOG_LEVEL=info
    restart: always     # 开机自启/容器崩溃自动重启

2. 进入 docker-compose.yml 所在目录，执行启动命令：

docker compose up -d  # -d 表示后台运行

步骤 4：访问与验证

1. 浏览器访问 http://localhost:5678，首次登录创建账号即可使用；

2. 查看容器状态（确认运行正常）：

docker ps  # 查看运行中的容器，能看到 n8n 容器即正常
docker logs n8n  # 查看 n8n 日志，排查启动问题

步骤 5：常用 Docker 操作

# 停止 n8n 容器
docker stop n8n

# 重启 n8n 容器
docker restart n8n

# 彻底删除 n8n 容器（数据卷已持久化，删除容器不丢数据）
docker rm -f n8n

# 更新 n8n 镜像（升级版本）
docker pull docker.n8n.io/n8nio/n8n
docker compose down && docker compose up -d

使用入门

我们以一个读取本地txt文件，并通过AI将文件内容二次优化后再输出到本地（创建新的txt文件）为例，做一个n8n的入门介绍。

浏览器访问 http://localhost:5678，第一次打开页面的时候，应该是这样的：

1. 你可以点击加号，看到右侧会有很多节点以及分类。我们可以选择Trigger manually这个节点作为入口节点。

2. 添加完Trigger节点后，接着我们添加读取本地文件的节点。点击Trigger节点右侧的加号，找到 Read/Write Files from Disk 这个节点，选择Read Files From Disk。要填写被读取文件的文件路径：

还记得我们之前配置的docker-compose.yml文件吗？那个文件我们配置了映射：

volumes:
    # n8n数据挂载（存储工作流、数据库）
    - ${HOME}/n8n/data:/home/node/.n8n

我们要读取文件需要安装映射的路径来读，而不是docker容器外的文件系统路径（电脑路径），这时候你可能会想到，把我们要读取的文件放到${HOME}\n8n\data目录下，然后在n8n的节点上配置/home/node/.n8n/xxx.txt这个路径即可。这种想法没问题，但测试运行n8n工作流时发现会报错，原因在于这个文件路径是n8n的数据挂载点，我们没有权限读取其中的文件内容。

一个解决的办法是再配置一个n8n允许访问的目录，修改docker-compose.yml文件增加一个volume：

volumes:
    # 原有n8n数据挂载（存储工作流、数据库）
    - ${HOME}/n8n/data:/home/node/.n8n
    # 新增：本地文件目录 → 容器白名单目录（n8n允许访问）
    - ${HOME}/n8n/files:/home/node/.n8n-files

然后运行docker restart n8n重启一下。把我们要读取的文件放到${HOME}\n8n\files目录下（记得新建files目录）。

接着回到Read File那个节点，配置正确的路径：

/home/node/.n8n-files/6.txt

点击Execute step会发现读取成功（右侧有了文件信息）：

3. Read File 节点需要与Extract from File节点配合使用，添加Extract from File节点，后点击Execute step就可以看到右侧的内容正是我们的文件的内容。

4. 接着我们为Extract from File节点添加后续节点。有了文本后，我们可以调用大模型。

找到AI Agent节点，然后这个节点的Chat Model挂载DeepSeek Chat Model节点：

5. 我们双击点开AI Agent节点，选择Define below，这时下方的Prompt输入框就会打开，我们给AI写一些提示词，并拖拽左侧的data字段到Prompt输入框中，n8n在执行工作流时就会将文件里读取的数据传给AI。

在运行AI Agent之前记得先到DeepSeekAPI平台注册申请API Key。

6. 运行AI Agent节点后就可以看到AI给过来的答复了。接着就是把AI的回答存到本地，用到的节点与前面读取文件时相似，但是反过来的，我们要先生成文件对象，然后将文件对象写入到本地。

AI Agent右侧连接Convert to File节点，配置如下：

然后连接Read/Write Files from Disk节点，配置如下（注意是前面配置的docker路径）：

运行后就可以看到文件夹中多了一个文件。

n8n连接本地部署到AI模型

除了使用云端的AI模型外，我们也可以使用本地部署模型作为n8n的节点。以Ollama 为例，我们实践一下如何调用本地模型。

Ollama是一种用于快速下载、部署、管理大模型的工具。Ollama官网（可能需要梯子才能访问）：https://ollama.com

点击下载安装即可。下载安装完成后，打开命令行终端，输出ollama -v可以验证是否安装完成。

本地模型下载

来到Ollama官网，找到qwen3模型，根据自己电脑配置情况，选择下载对应的模型。

以qwen3:1.7b模型为例，复制CLI命令ollama run qwen3:1.7b，来到命令行窗口，粘贴命令执行。

下载完成后直接就进入到了与qwen3:1.7b模型对话的界面。

这时候可以随便输入一些对话，模型就会做出回答，当输入/?可输出命令帮助信息，输入/bye则会退出对话。当第二次再去运行ollama run qwen3:1.7b时就会立即进入对话页面。

除此之外，打开Ollama客户端，可以看到刚才下载的qwen3:1.7b模型已经可以直接使用了：

在API测试工具中使用

除了使用命令行运行对话外，也可以在API测试工具中测试模型对话。先来到刚才复制下载qwen3:1.7b的那个页面，复制cURL命令：

打开postman，通过import粘贴复制的cURL命令，然后点击Import Into Collection：

postman就会解析参数，需要注意的是，因postman默认以x-www-form-urlencoded格式解析，需要把body下面的参数复制下来，粘贴到raw中的JSON格式里。

然后点击Send，即可看到下面的输出：

也可以使用下面的命令直接粘贴，这样就不用重新更改传参格式了：

curl http://localhost:11434/api/chat \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3:1.7b",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

-d 传参里的messages中的content就是你向大模型发起的对话内容。可以更改成别的内容看大模型会返回哪些回复。

除此之外，国内的apifox也是一个不错的API测试功能，这里就不再赘述了，用法与postman基本相似。

apifox好的一点是可以查看数据合并后的内容（自动合并）：

添加Ollama节点

回到n8n中，我们可以删掉AI Agent那个节点，添加Ollama节点（Message a model），配置如下：

Model中可以选择你下载的本地模型，下方的Messages是与AI交互时填写的Prompt。

n8n 作为轻量且灵活的工作流自动化工具，它不仅能轻松实现数组的逐行 / 定时分批处理，更能无缝衔接本地服务（如 Ollama、数据库）与云端应用（如微信、钉钉、各类 API），把数据流转、定时执行、AI 调用、文件操作等重复工作全部串联成自动化流程。无论是个人轻量的日常效率提升，还是小团队的业务流程简化，本地部署的 n8n 都能以低代码的方式，让你摆脱机械操作，把精力聚焦在更有价值的工作上。不妨继续探索各类节点的组合与配置，让 n8n 成为你的「自动化生产力助手」，解锁更多高效的工作流玩法。