n8n AI 工作流

在 Clore.ai 上部署 n8n——自托管一个强大的 AI 工作流自动化平台，拥有 400+ 集成和原生 LLM 智能体支持，每小时只需几分钱。

概览

n8n 是一个公平许可代码的工作流自动化平台，具有 55K+ GitHub 星标。与完全闭源的替代品（Zapier、Make）不同，n8n 允许你自托管整个堆栈——完全控制数据——同时提供原生的 AI 代理功能、JavaScript/Python 代码节点以及不断增长的 400+ 集成库。

在 Clore.ai，n8n 本身运行在 CPU 上（不需要 GPU），但可以与在同一服务器上运行的 Ollama 或 vLLM 等 GPU 加速服务强强配合，为你提供完全本地化的 AI 自动化堆栈。你可以在不到 $0.10–0.20/小时.

主要功能：

• 🔗 400+ 集成 — 包括 Slack、GitHub、Google Sheets、Postgres、HTTP 请求、webhooks 等更多

• 🤖 AI 代理节点 — 内置基于 LangChain 的代理，支持工具使用和记忆

• 💻 代码节点 — 在工作流中内联运行任意 JavaScript 或 Python

• 🔄 触发器多样性 — webhooks、cron 定时、数据库轮询、电子邮件、队列事件

• 📊 子工作流 — 模块化、可复用的工作流组件

• 🔐 凭证保险库 — 用于 API 密钥和 OAuth 令牌的加密存储

• 🏠 自托管 — 你的数据永远不会离开你的服务器

---

要求

n8n 是一个以 Docker 镜像打包的 Node.js 应用。它是 仅 CPU — 自动化引擎本身不需要 GPU。只有当你同时运行本地 LLM（例如 Ollama）时，GPU 才会有用。

配置	GPU	显存	系统内存	磁盘	Clore.ai 价格
最小 （仅 n8n）	无 / 仅 CPU	—	2 GB	10 GB	约 $0.03/小时（CPU）
标准	无 / 仅 CPU	—	4 GB	20 GB	约 $0.05/小时
+ 本地 LLM（Ollama）	速度	24 GB	16 GB	60 GB	~$0.20/小时
+ 高吞吐量 LLM	A100 40 GB	40 GB	32 GB	100 GB	约 $0.80/小时
AI 启动包（完整）	512x512	24 GB	32 GB	100 GB	~$0.35/小时

提示： 该 n8n 自托管 AI 启动包 将 n8n + Ollama + Qdrant + PostgreSQL 打包进一个 Docker Compose 堆栈。参见 AI 启动包 下文。

---

快速开始

1. 租用 Clore.ai 服务器

登录到 clore.ai 并部署一台服务器：

• 仅 CPU 实例 如果你只需要 n8n 自动化

• RTX 3090/4090 如果你想通过 Ollama 使用本地 LLM

• 开放端口 5678 在提供的端口映射设置中

• 启用 SSH 访问

2. 连接到服务器

ssh root@<clore-server-ip> -p <ssh-port>

# 验证是否已安装 Docker
docker --version
docker compose version

3. 选项 A — 最小单容器启动

让 n8n 运行的最快方法：

# 为持久化创建命名卷
docker volume create n8n_data

# 运行 n8n
docker run -d \
  --name n8n \
  --restart unless-stopped \
  -p 5678:5678 \
  -v n8n_data:/home/node/.n8n \
  -e N8N_HOST=<clore-server-ip> \
  -e N8N_PORT=5678 \
  -e N8N_PROTOCOL=http \
  -e WEBHOOK_URL=http://<clore-server-ip>:5678/ \
  docker.n8n.io/n8nio/n8n

# 检查日志
docker logs -f n8n

在以下地址访问 UI http://<clore-server-ip>:5678

4. 选项 B — 使用 Postgres 的 Docker Compose（生产）

用于生产环境，请将默认的 SQLite 替换为 Postgres：

mkdir n8n-prod && cd n8n-prod
cat > docker-compose.yml << 'EOF'
version: "3.8"

services:
  postgres：
    image: postgres:15-alpine
    restart: unless-stopped
    environment:
      POSTGRES_USER: n8n
      POSTGRES_PASSWORD: n8npassword   # 请更改此项！
      POSTGRES_DB: n8n
    volumes:
      - postgres_data:/var/lib/postgresql/data
    healthcheck:
      test: ["CMD-SHELL", "pg_isready -U n8n"]
      interval: 10s
      timeout: 5s
      retries: 5

  n8n：
    image: docker.n8n.io/n8nio/n8n
    restart: unless-stopped
    depends_on:
      postgres：
        condition: service_healthy
    ports:
      - "5678:5678"
    environment:
      DB_TYPE: postgresdb
      DB_POSTGRESDB_HOST: postgres
      DB_POSTGRESDB_PORT: 5432
      DB_POSTGRESDB_DATABASE: n8n
      DB_POSTGRESDB_USER: n8n
      DB_POSTGRESDB_PASSWORD: n8npassword
      N8N_HOST: <clore-server-ip>
      N8N_PORT: 5678
      N8N_PROTOCOL: http
      WEBHOOK_URL: http://<clore-server-ip>:5678/
      N8N_ENCRYPTION_KEY: 你的32字符加密密钥在此
      EXECUTIONS_MODE: regular
      N8N_BASIC_AUTH_ACTIVE: "true"
      N8N_BASIC_AUTH_USER: admin
      N8N_BASIC_AUTH_PASSWORD: changeme!
    volumes:
      - n8n_data:/home/node/.n8n

volumes:
  postgres_data:
  n8n_data：
EOF

docker compose up -d
docker compose logs -f n8n

---

AI 启动包（推荐）

该 n8n 自托管 AI 启动包 是构建完整本地 AI 自动化堆栈的最快路径。它包含：

• n8n — 工作流自动化

• Ollama — 本地 LLM 推理（GPU 或 CPU）

• Qdrant — 用于 RAG 的向量数据库

• PostgreSQL — 持久化存储

# 克隆启动包
git clone https://github.com/n8n-io/self-hosted-ai-starter-kit.git
cd self-hosted-ai-starter-kit

# 针对启用 GPU 的服务器（RTX 3090、4090、A100 等）
docker compose --profile gpu-nvidia up -d

# 针对仅 CPU 的服务器
docker compose --profile cpu up -d

# 监控启动
docker compose logs -f

# 在堆栈启动后向 Ollama 拉取模型
docker exec ollama ollama pull llama3:8b
docker exec ollama ollama pull nomic-embed-text  # 用于 embeddings

启动后的服务：

服务	URL
n8n UI	http://<ip>:5678
Ollama API	http://<ip>:11434
Qdrant UI	http://<ip>:6333/dashboard

注意： 带 GPU 的 Ollama 需要 NVIDIA 容器工具包，Clore.ai 服务器已预装该工具包。

---

配置

环境变量参考

# ── 核心设置 ────────────────────────────────────────────────────────────
N8N_HOST=0.0.0.0                  # 绑定地址
N8N_PORT=5678                     # 监听端口
N8N_PROTOCOL=http                 # http 或 https
WEBHOOK_URL=http://<ip>:5678/     # 公共 webhook 基础 URL（关键！）

# ── 加密 ─────────────────────────────────────────────────────────────────
N8N_ENCRYPTION_KEY=<32-char-key>  # 对存储的凭证进行加密
# 生成： openssl rand -hex 16

# ── 认证 ─────────────────────────────────────────────────────────────────
N8N_BASIC_AUTH_ACTIVE=true
N8N_BASIC_AUTH_USER=admin
N8N_BASIC_AUTH_PASSWORD=你安全的密码

# ── 执行设置 ─────────────────────────────────────────────────────────────
EXECUTIONS_MODE=regular           # regular（单线程）或 queue（基于 Redis 的队列）
EXECUTIONS_DATA_SAVE_ON_SUCCESS=all
EXECUTIONS_DATA_SAVE_ON_ERROR=all
EXECUTIONS_DATA_MAX_AGE=336       # 保留执行数据 14 天

# ── 时区 ─────────────────────────────────────────────────────────────────
GENERIC_TIMEZONE=UTC

# ── 禁用遥测（可选） ────────────────────────────────────────────────────
N8N_DIAGNOSTICS_ENABLED=false
N8N_VERSION_NOTIFICATIONS_ENABLED=false

将 n8n 连接到 Ollama 以使用 AI 代理

一旦 Ollama 在同一服务器上运行：

1. 在 n8n 中，添加一个新的凭证： Ollama API

   • 基础 URL： http://ollama:11434 （如果使用 Compose）或 http://localhost:11434

2. 在工作流中，添加一个 AI 代理 节点

3. 在 聊天模型下，选择 Ollama 并选择你的模型（例如 llama3:8b)

4. 添加像 HTTP 请求, Postgres，或 代码 节点

5. 执行！

---

提示与最佳实践

在 Clore.ai 上的成本优化

# 在停止实例前导出所有工作流
# 在容器内使用 n8n CLI：
docker exec n8n n8n export:workflow --all --output=/home/node/.n8n/workflows-backup.json

# 将备份复制到本地机器
docker cp n8n:/home/node/.n8n/workflows-backup.json ./n8n-workflows-backup.json

# 在新实例上导入：
docker exec n8n n8n import:workflow --input=/home/node/.n8n/workflows-backup.json

Clore.ai 上的 Webhook 可靠性

Clore.ai 服务器的 IP 为动态 IP。如果在重新部署后你的 webhooks 出现故障：

# 1. 使用带有 Caddy + Let's Encrypt 的静态域名
# Caddyfile：
# n8n.yourdomain.com {
#     reverse_proxy n8n:5678
# }

# 2. 或使用 Cloudflare Tunnel（免费，无需打开端口）：
docker run -d \
  --name cloudflared \
  --network n8n-prod_default \
  cloudflare/cloudflared:latest \
  tunnel --no-autoupdate run \
  --token <your-cloudflare-tunnel-token>

高流量工作流的队列模式

# 添加 Redis 并以队列模式运行 n8n 以实现并行执行
# 添加到 docker-compose.yml：
  redis：
    image: redis:7-alpine
    restart: unless-stopped

  n8n-worker：
    image: docker.n8n.io/n8nio/n8n
    command: worker
    depends_on: [redis, postgres]
    environment:
      <<: *n8n-env
      EXECUTIONS_MODE: queue
      QUEUE_BULL_REDIS_HOST: redis

有用的 n8n CLI 命令

# 列出所有工作流
docker exec n8n n8n list:workflow

# 手动运行特定工作流
docker exec n8n n8n execute --id=<workflow-id>

# 将 n8n 更新到最新版本
docker pull docker.n8n.io/n8nio/n8n
docker compose up -d n8n

# 检查 n8n 版本
docker exec n8n n8n --version

安全加固

# 在带有 HTTPS 的反向代理后运行 n8n
# 在生产环境中切勿直接暴露 5678 端口
# 使用 N8N_BASIC_AUTH 或通过 LDAP/SAML 配置 SSO

# 限制允许的节点（白名单模式）：
NODE_FUNCTION_ALLOW_EXTERNAL=axios,lodash
NODES_EXCLUDE='["n8n-nodes-base.executeCommand"]'  # 阻止 shell 执行

---

# 使用固定种子以获得一致结果

n8n 容器立即退出

docker logs n8n

# 常见问题：
# 1. 数据库连接失败 — 检查 Postgres 是否健康
docker compose ps postgres

# 2. 加密密钥不匹配 — 如果你更改了 N8N_ENCRYPTION_KEY
#    凭证将变为不可读；在密钥更改后重新输入它们

# 3. 端口冲突
ss -tlnp | grep 5678

Webhooks 返回 404

# 确保 WEBHOOK_URL 与你的 webhook 发送者使用的公共地址匹配
# 它必须包含结尾的斜杠
WEBHOOK_URL=http://<your-public-ip>:5678/

# 在更改此环境变量后重启 n8n
docker compose restart n8n

AI 代理节点无法访问 Ollama

# 在 n8n 容器内进行测试
docker exec n8n wget -qO- http://ollama:11434/api/tags
# 或
docker exec n8n curl http://localhost:11434/api/tags

# 如果使用不在同一 Compose 网络中的独立容器：
# 使用 host.docker.internal 或服务器的局域网 IP

"ENOSPC: 设备上没有足够的空间"

# 检查磁盘使用情况
df -h
docker system df

# 在 n8n UI 中修剪旧的执行数据：
# 设置 → 执行 → 删除旧的执行记录

# 或设置自动修剪：
EXECUTIONS_DATA_PRUNE=true
EXECUTIONS_DATA_MAX_AGE=72   # 72 小时

工作流执行缓慢

# 检查 CPU 使用情况
top -c

# 启用队列模式以实现并行执行（见上方提示）
# 如有需要，增加 Node.js 内存：
NODE_OPTIONS=--max-old-space-size=4096

---

延伸阅读

• n8n 官方文档

• n8n GitHub 仓库

• n8n 自托管 AI 启动包

• n8n Docker 安装指南

• 在 Clore.ai 上运行 Ollama

• Clore.ai GPU 对比

• n8n 社区论坛