实战教程：基于n8n构建微博热点AI分析与邮件推送工作流

n8n是一个开源的工作流自动化工具，它允许用户通过可视化方式连接不同的应用程序和服务。这款工具将AI功能与业务流程自动化无缝结合，帮助开发者和业务人员轻松创建复杂的工作流，实现数据在不同系统间的自动传输、处理与响应。

核心资源

• GitHub： https://github.com/n8n-io/n8n
• 官网： https://n8n.io
• 文档： https://docs.n8n.io

安装部署

你可以根据自身环境，选择以下任一方式快速启动n8n。

方式一：使用 npx (适合快速体验)

此方法要求本地已安装 Node.js。npx 会下载并启动n8n所需的一切。

npx n8n

方式二：使用 Docker (推荐用于生产或长期使用)

Docker 部署更便于环境隔离与管理。有两种数据持久化方案。

1. 使用Docker数据卷（推荐）
数据卷由Docker管理，能自动处理文件权限问题。

# 创建名为 n8n_data 的数据卷
docker volume create n8n_data

# 创建并运行容器，将数据卷挂载至容器内n8n的数据目录
docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n

常用的数据卷管理命令：

# 列出所有卷
docker volume ls

# 查看卷详情
docker volume inspect <volume_name>

# 删除单个卷
docker volume rm <volume_name>

# 清理所有未被容器使用的卷
docker volume prune

2. 直接挂载宿主机目录
如果你更喜欢直接管理文件系统，可以挂载宿主机目录。

# 进入你希望存放数据的目录，例如 /opt/n8n
cd /opt/n8n

# 创建数据目录并赋予正确的权限（n8n容器默认以UID 1000的用户‘node’运行）
mkdir data
sudo chown -R 1000:1000 ./data
sudo chmod -R 755 ./data

# 创建并运行容器，挂载宿主机目录
docker run -itd --name n8n -p 5678:5678 -v $(pwd)/data:/home/node/.n8n docker.n8n.io/n8nio/n8n

初始配置与界面导览

容器启动后，在浏览器中访问 http://localhost:5678。

1. 注册所有者账户
首先，你需要设置一个管理员账户。

2. 完善个性化信息
填写一些关于你和公司的基本信息，这有助于n8n提供更相关的体验。

3. 获取免费高级功能密钥
注册后，n8n会提供一个获取高级功能（如工作流历史、高级调试等）免费许可证密钥的机会，只需输入邮箱即可。

收到许可证密钥邮件后，在 Settings -> Usage and plan 页面输入该密钥以激活功能。

4. 主工作台
登录后进入主工作台，你可以选择“从零开始”创建空白工作流，或体验一个预设的AI智能体示例。

选择 Start from scratch 将进入一个空白的工作流画布。

选择 Test a simple AI Agent example 则会加载一个预设的AI对话代理示例工作流。

核心概念解析

在开始构建之前，理解n8n的几个核心概念至关重要。

1. 工作流 (Workflow)： 由多个节点组成的完整自动化流程，可以手动触发或按计划执行。
2. 节点 (Node)： 工作流的基本构建块，每个节点执行一个特定操作。主要分为：
   • 触发器节点： 如定时器、Webhook，用于启动工作流。
   • 工作节点： 如HTTP请求、数据库查询，用于执行具体任务。
   • 逻辑节点： 如条件判断（IF）、数据合并，用于控制流程走向。
3. 连接 (Connection)： 节点之间的箭头，定义了数据流动的方向和处理的顺序。

构建一个实战工作流：微博热点AI分析与推送

我们将创建一个完整的工作流，实现：定时抓取微博热搜榜数据 -> 利用AI大模型进行分析总结 -> 将结果通过邮件发送。

第一步：设置定时触发器

创建一个新工作流，首先需要选择触发器。我们选择 On a schedule（按计划执行）。

在触发器配置中，设置规则。例如，为了测试，我们可以设为每10秒触发一次。请务必注意时区（Timezone）设置。

你可以在工作流的设置中统一修改和确认时区。点击画布右上角的“设置”图标（或节点上的菜单选择 Settings），在 Timezone 选项中选择 Asia/Shanghai。

第二步：添加 HTTP 请求节点获取数据

添加触发器后，我们需要获取微博热搜数据。在右侧节点库的 Core 分类下，找到并添加 HTTP Request 节点。

配置该节点，填入一个微博热搜榜API的URL，方法为GET。配置完成后，点击 Test step 可以立即测试并查看返回的数据结构。

第三步：数据转换与处理

API返回的数据通常是嵌套的JSON。为了便于后续AI节点处理，我们需要将其“扁平化”或提取关键字段。添加一个 Data transformation 分类下的 Edit Fields (Set) 节点。

在该节点的配置界面，使用“手动映射”模式。将左侧输入数据中的 data 数组字段拖动到中间映射区，可以将其转换为字符串或直接传递。点击 Test step 预览输出。

第四步：集成 AI 智能体进行分析

现在，让AI来帮我们分析这些热点。添加 AI Nodes 分类下的 AI Agent 节点。

配置AI Agent，在提示词（Prompt）中定义任务，例如：“对于以下微博热搜数据：{{ $json.data }}，请整理并生成一份简洁的每日热点简报。” 你可以直接将左侧输入面板中的变量（如 `$json.data`）拖动到提示词中。

第五步：配置大语言模型

AI Agent需要一个大脑。点击该节点下的 Chat Model 模块，为其添加一个大语言模型。n8n支持多种模型，如OpenAI、DeepSeek、Gemini等。

以DeepSeek为例，添加 DeepSeek Chat Model 节点后，需要配置相应的API凭证（Credential）并选择具体模型。

配置好模型后，返回 AI Agent 节点，点击 Test step。系统会调用模型处理数据，并在右侧输出区域看到AI生成的简报结果。

第六步：发送结果邮件

最后一步是将AI生成的简报发送出去。我们添加一个 Send Email 节点（可在 Human in the loop 或直接搜索找到）。

配置你的发件人凭证（如Gmail、SMTP）、收件人邮箱，并将AI输出的内容作为邮件正文。至此，一个完整的工作流就构建好了。

第七步：测试与激活

1. 测试： 点击画布右上角的 Test workflow，完整运行一次工作流，检查每个环节是否正常。
2. 激活： 测试无误后，返回工作流列表，将工作流状态切换为“Active”。激活后，它将按照触发器设置（每10秒）自动运行。

3. 监控： 在 Executions 标签页下，你可以查看所有历史执行记录，包括成功与否和运行耗时。

利用模板快速入门

n8n提供了海量的预置模板，覆盖各种场景，是学习和快速搭建的利器。

在模板中心，你可以按应用、角色或用例搜索超过1800个模板。

例如，选择一个新手教程模板 Creating an API endpoint。

点击 Use for free，然后选择 Copy template to clipboard [JSON]。

在n8n中新建一个工作流，直接粘贴（Ctrl+V）复制的JSON，该模板就会完整地导入到你的工作区中，供你研究和使用。

探索丰富的应用集成

n8n的强大之处在于其庞大的集成生态。它支持超过1000种应用和服务，你可以像搭积木一样连接它们。

在集成页面，你可以浏览或搜索所有可用的连接节点。

点击任一集成（如MySQL），会进入详细的集成指南页，其中包含分步教程和可用模板。

社区与支持

n8n拥有活跃的官方社区论坛，遇到问题时可以在这里搜索或提问，也可以学习他人分享的教程和经验。

写在最后

通过上面的实战演练，我们可以看到，n8n以其直观的可视化界面、强大的集成能力和深度的AI融合，大幅降低了工作流自动化的构建门槛。无论是简单的数据同步，还是复杂的、包含智能决策的业务流程，n8n都能提供一个灵活高效的解决方案。作为一款优秀的开源工具，它也值得开发者们深入探索和集成到自己的技术栈中。如果你对这类生产力工具感兴趣，欢迎到云栈社区交流分享更多实战心得。