n8n+Deepseek智能工作流保姆级搭建教程

先直接说结论：以目前 n8n 1.78.1 版本的情况来看，所有主流的大模型——包括 OpenAI 刚发布的 ChatGPT o3 mini 和马斯克昨天才发的 Grok3——只要厂商提供 API，就能在 n8n 里直接调用。系列的前两篇（基础篇和高级篇）已经详细介绍了流程中常用的 AI 节点和操作，特别以 Deepseek 为例做了完整演示，选择它单纯是因为性价比确实高，又便宜又好用。

但话说回来，配置好不等于能跑通，真正的「落地」还得看实际运行效果。

在户外、在地铁里、在办公室——几个真实场景都跑了一遍，确认这个 AI 工作流一点问题没有，确实能每隔几分钟就收到 AI 筛选好的新闻简报。当然，这个时间间隔在触发器里完全可以自定义，想多快就多快。这里有个值得注意的操作细节：如果你对工作流做了修改，想马上测试运行，请直接点击画布下方的 Test Workflow 按钮——它会立即启动，不需要等着触发器自己走一遍时间的逻辑。

工作流运行时会非常直观地显示当前任务运转到哪个节点了。哪个节点正在干活，那个节点上就会出现旋转的红色箭头。整个过程走完之后，右下角会弹出一个「工作流正常完成」的提示框。如果中途遇到错误，提示框也会把具体错误信息列出来。

在本案例中，Deepseek Chat Model 节点的运行时间相对会稍微长一点，因为要等待远程 Deepseek 服务器把 AI 回答返回来。赶上 Deepseek 服务繁忙的话，工作流就会触发超时，n8n 会直接抛出超时提示。所以整体来说，工作流的执行效率主要取决于两个环节：获取新闻的速度和 AI 回复的速度。其他所有节点都在 n8n 工作流内部高速完成，基本不费时间。

AI 自动化工作流场景延伸

这套 AI 工作流 demo 算是抛砖引玉。稍微做一点场景延伸，就能扩展出非常多实用的玩法。比如当 AI 助手完成某个任务时，不仅可以推送新闻，还可以反过来通过回复邮件告诉 AI：“除了 AI 新闻，我还想看娱乐新闻。” 工作流收到邮件后提取内容，重新反馈给 AI 再去处理——别忘了，n8n 是支持一个工作流调用另一个工作流的。总之，酷。妥妥的高管「信息减负神器」，用过都说香。

AI 自动化工作流的执行和部署

为什么叫「落地篇」？因为前两篇把每个节点的使用方法和 AI 调用方法都讲了一遍，但唯独没有讲怎么启动、停止、激活工作流，以及怎么看工作流的执行状态。另外，还有工作流的下载、复制这些操作都没提。

假如你懂开发，或者公司有技术团队，n8n 还提供了一套完整的对外 API，能让你轻松把 n8n 上的自动化工作流融入自己的系统或产品，实现更灵活的 AI 应用。这才是真正的 AI 落地。

本篇你会学到以下内容：

• AI 袋里：支持哪些 AI 大模型
• 工作流启动：触发器的种类与各自作用
• 数据编辑：Edit Fields 节点
• 数据拆分：Split Out 节点
• 数据保存：Mongodb 节点
• 发送邮件：Send Email 节点
• 工作流执行：启动、激活与检查 Executions
• 工作流权限：复制、下载、删除

n8n 支持哪些 AI 模型

n8n 支持的 AI 模型会随着版本迭代不断增加。截至 1.78.1 版，可用的主流大模型整理如下：

这里只列出当前支持的最新版本，低版本不一一展开。另外，像 kimi、文心一言、豆包这些规模较小或使用不多的模型也没列出来——但核心原则不变：只要这个 AI 公司对外提供 API，n8n 就能用。平常最常用的其实就那几个：Deepseek-v3、阿里 Qwen2.5、ChatGPT 4o 和 Claude 3.5。API 调用的细节基础篇和高级篇已经讲过，这里不再重复。

启动工作流

要让工作流动起来，第一步就是启动。这就得用到触发器——一种特殊类型的节点，位于工作流的起始位置，负责监听某个事件或条件，满足条件就触发工作流执行。

n8n 里一共有几十种触发器，这里列出三种最常见的：

多说一句 Chat Trigger：它没有额外参数，在画布上创建之后，工作流就会自动切换到聊天触发模式。每次发送一条消息，都会完整触发一次整个工作流。需要注意的是，如果下游的 AI 节点没接 Memory 服务，每次触发都不会保留之前的对话内容，AI 记不住你上一轮说了什么。另外，虽然 n8n 在添加 Chat Trigger 时会提示需要连接 AI 节点，但这并非强制要求。举个例子：如果你的工作流需要从数据库里筛选某种条件的文章，你完全可以通过 Chat Trigger 输入日期，然后在后续的筛选步骤里引用这个输入日期——这样就不用每次运行手动改条件了。

在本例中使用的是 Schedule Trigger。

数据编辑：Edit Fields 节点

要获取前面节点输出的数据，就需要用到 Edit Fields 节点。它主要干两件事：设置新字段、或者覆盖已存在的字段。尤其当数据从上游节点流过来之后，通常需要在这个节点里做一下格式调整或内容加工，再交给下一步去处理。

节点有两种工作模式：

• 手动映射模式：通过图形界面直观地编辑字段，选择具体字段进行修改或添加。
• JSON 输出模式：用 JSON 来定义如何修改输入数据。适合更复杂的批量处理需求。

来看一个典型例子。假设上游节点生成了如下数据：

[  
  {"id": "23423535", "name": "Zaphod Beeblebrox", "email": "[email protected]", "notes": "...", "country": "CN", "created": "1979-10-12"},  
  {"id": "23423536", "name": "Edmund Pevensie", "email": "[email protected]", "notes": "...", "country": "UK", "created": "1950-10-16"}  
]

你可以在 JSON 编辑框里写：

{
  "newKey": "new value",
  "array": [{{ $json.id }}, "{{ $json.name }}"],
  "object": {
    "innerKey1": "new value",
    "innerKey2": "{{ $json.id }}",
    "innerKey3": "{{ $json.name }}"
  }
}

最终得到的结果就是每条记录原有的字段被保留，同时增加了 newKey、array、object 三个新字段。

通过这两种模式，可以很灵活地对数据做你想要的调整。

数据拆分：Split Out 节点

Split Out 节点的作用很纯粹：把一组数组或列表拆成多个独立的项，然后后续节点就能逐条处理每一个元素。常用场景包括：

• 批量处理数据：比如从 API 返回的数组，需要逐条操作。
• 逐条发消息：一组消息分别发到不同平台或不同邮箱。
• 逐条插入数据库：这正是本案例中的用法——把 AI 返回的新闻数组拆开，再一条一条插进 Mongodb。
• 逐条调用 API：根据一组数据逐条调用外部接口。

举个实际例子，如果输入是：

[  
  {"id": 1, "name": "Alice"},  
  {"id": 2, "name": "Bob"},  
  {"id": 3, "name": "Charlie"}  
]

经过 Split Out 之后，就会变成三条独立记录，供后续节点分别处理。

数据保存：Mongodb 节点

前面已经用 Split Out 把新闻数组分割成了一条条独立数据，接下来就轮到 Mongodb 节点来「落地」了。当然，数据库不一定非要是 Mongodb——你也可以用自己熟悉的其他数据库，比如 Postgres。

Mongodb 节点的配置非常简单：

• 提供与数据库连接的凭证（账号密码）
• 操作选择 Insert
• 指定集合名称（比如 TempNews）
• 填上要保存的字段名：title, author, content, publishedAt, urlToImage, url（多个字段用逗号隔开）

保存成功后，就可以在 Mongodb 里直接看到新增的数据记录了。

发送邮件：Send Email 节点

在 n8n 里，发送邮件主要靠 Send Email 节点。它通过 SMTP 协议连接邮件服务商（如 Gmail、163 邮箱等），支持正文、附件、动态内容——最常见的使用方式就是和 Split Out 配合，实现批量邮件发送。

本例中使用的是 163 邮箱作为演示。配置也很简单：填上 SMTP 服务器的地址、端口、账号、密码即可。节点支持同时提供 Text 和 Html 两种内容格式，收件箱自动选择它支持的那一种。

工作流执行：启动、激活与查看记录

到这里，工作流用到的所有节点都介绍完了。接下来说说怎么让工作流动起来。

启动方式一：Test Workflow 按钮
画布底部红色的 Test Workflow 按钮，点击就立即运行当前工作流。主要用于测试和调试，也可以中途停止正在执行的工作流。

启动方式二：触发器
配置好的触发器会按照规则自动执行工作流。也可以手动运行某个触发器——鼠标移到节点上时，顶部会出现一排快捷按钮，包括执行按钮和删除按钮，直接点击即可触发执行。

激活工作流
工作流配置完成后默认是未激活状态。激活是什么意思？可以理解为「上线」。一旦激活，工作流就会在后台持续运行，即使你关闭浏览器或退出 n8n，它仍然会默默地执行自己的任务。

激活的操作很简单：画布右上角有一个 Inactive 开关，点击一下切换成 Active。回到首页的工作流列表，就能看到每个工作流的运行状态——绿色代表正在运行。

执行记录
当工作流被激活之后，每次执行都会留下记录。通过「Executions」功能可以查看每次执行的详细信息，包括执行时间、是否成功、出错信息等。

工作流权限：复制、下载与删除

私有部署的情况下，管理员拥有最高权限，包括邀请其他用户注册、删除用户、对所有工作流（包括其他用户创建的）进行管理。普通用户则看不到管理员和其他用户创建的工作流。

复制工作流
当工作流数量增多后，可以通过标签来分类管理。复制工作流倒不是为了备份，更像是在不同分类下「另存」一个副本。

下载工作流
需要把当前工作流分享给客户、或在另一个 n8n 平台上部署时，就用下载功能。下载的其实是一个 JSON 文件——这个文件就是工作流的「源代码」。在其他 n8n 实例上选择「导入工作流」，丢进去就能直接用。

用 JSON 这种互联网通用的数据格式做工作流保存，兼容性最好。各种平台和编程语言都能轻松读写 JSON 文件。

结语：零代码也能玩转 AI，小白秒变技术达人

回到开头的问题：怎么让 AI 真正落地？本案例通过 n8n 配置了一套 AI 自动化工作流，完成了从新闻抓取、内容筛选到邮件推送的完整闭环。入门门槛不算高，但可扩展的玩法却不少。当技术复杂到一定程度，真正好用的工具反而应该是这样——让非技术用户也能跑通一个完整的 AI 流程。