n8n 完整教學 2026：20 萬星開源 AI 自動化平台，Docker 安裝、工作流實戰與 AI Agent 串接一次學會

n8n 是一個 20 萬星、可自架的視覺化 AI 自動化平台：用拖曳節點的方式串接 1500+ 應用程式與 AI 模型，從「RSS 自動摘要寄信」到「多步驟 AI Agent 客服」都能在瀏覽器介面完成，且原始碼完全可見、可自架，企業資料不必送給第三方。

為什麼 n8n 值得學？

如果你在台灣經營自媒體、電商或接案，一定遇過這種情境：每天早上要把各大新聞 RSS 抓下來、丟給 AI 總結、寄信給團隊；或是客戶訊息進來要自動回覆、自動建 CRM 紀錄。傳統做法是寫一堆 cron + API 串接腳本，n8n 把這件事變成畫流程圖。

n8n 早期定位是「開源版 Zapier」，2025 年起全面轉向 AI-native：內建 AI Agent 節點、支援 LangChain 生態、可串 OpenAI／Anthropic／Google／本地 Ollama 模型，還支援 MCP（Model Context Protocol）伺服器——現在它更像「可視化的 AI 代理開發框架」。

核心概念：5 個名詞先搞懂

n8n 的邏輯非常直覺，就是「節點（node）＋連線（connection）」：

一個最簡單的工作流長這樣：

flowchart LR
    A[排程觸發<br/>每天 08:00] --> B[RSS 讀取節點]
    B --> C[AI 摘要節點<br/>GPT/Claude]
    C --> D[寄 Email 節點]

安裝教學：3 種方式任選

方式一：Docker 一行指令（最快體驗）

docker volume create n8n_data
docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n

打開瀏覽器連 http://localhost:5678 就能看到編輯器。n8n_data 這個 volume 會保存你的工作流與憑證。

方式二：官方一鍵安裝腳本（Linux/macOS）

curl -fsSL https://get.n8n.io | sh

適合不想手動處理 Docker 參數的人，腳本會自動處理相依性與設定。

方式三：Docker Compose（正式環境推薦）

建立 docker-compose.yml：

services:
  n8n:
    image: docker.n8n.io/n8nio/n8n
    restart: unless-stopped
    ports:
      - "5678:5678"
    environment:
      - N8N_SECURE_COOKIE=false   # 正式環境建議改 true 並上 HTTPS
      - GENERIC_TIMEZONE=Asia/Taipei
      - TZ=Asia/Taipei
    volumes:
      - n8n_data:/home/node/.n8n
volumes:
  n8n_data:

docker compose up -d

💡 台灣讀者小提醒：n8n 的排程觸發器預設用 UTC，記得在環境變數設定 GENERIC_TIMEZONE=Asia/Taipei，不然每天 08:00 會變成台灣時間 16:00。

實戰一：RSS → AI 摘要 → 寄信（30 分鐘學會核心操作）

這是 n8n 官方最受歡迎的範本類型，完整走一遍就能掌握 80% 的操作邏輯：

1. 加觸發器：搜尋「Schedule Trigger」→ 設 Cron Expression 為 0 8 * * *（每天 8 點）
2. 抓 RSS：加「RSS Read」節點，貼上想追蹤的 feed URL（例如 TechCrunch AI），輸出會是一串 JSON 陣列
3. 串 AI：加「AI Agent」節點（n8n 的 AI 入口），選模型供應商（OpenAI／Anthropic／Google／本地 Ollama），提示詞寫「請把以下新聞摘要成 3 點重點，用繁體中文輸出：{{ $json }}」
4. 寄信：加「Send Email」節點（或 Slack、LINE Notify、Telegram 節點），把 AI 的輸出接到 message 欄位
5. 執行：按「Execute Workflow」測試，綠了之後按「Active」開關，工作流就正式上線

整個過程不用寫一行程式碼——這正是 n8n 的核心價值：把 API 串接的髒活變成可視化的積木。

實戰二：AI Agent 客服機器人（n8n 的 AI 本命）

n8n 2026 年的殺手級功能是 AI Agent 節點，它把「模型＋工具＋記憶」打包成一個可對話的代理：

例如一個「能查訂單狀態的客服機器人」：Chat Trigger → AI Agent（工具＝自家訂單 API 的 HTTP Request Tool）→ 回答客戶。代理會自己判斷「客戶問訂單 → 呼叫 API → 整理成自然語言回覆」，這比傳統關鍵字機器人聰明一個世代。

想深入理解 AI 代理怎麼跟外部工具溝通，建議先讀我們這篇 MCP 完整教學 2026：什麼是 Model Context Protocol？，n8n 的 MCP 節點就是 MCP 標準的實作。

Code 節點：需要彈性時直接寫程式

視覺化節點不夠用時，n8n 提供 Code 節點，支援 JavaScript 與 Python：

# Python Code 節點範例：把資料加欄位
items = []
for item in items:  # n8n 注入的目前資料
    price = float(item['json']['price'])
    item['json']['price_with_tax'] = round(price * 1.05, 2)
    items.append(item)
return items

這讓 n8n 可以處理任何邏輯：資料清洗、條件分支、呼叫不支援的 API……「低程式碼」不是「不能寫程式」，而是該視覺化的視覺化、該寫程式的寫程式。

定價：自架免費，雲端訂閱制

重點：所有方案都不限制使用者數量與工作流數量，且包含全部整合；計費只看工作流「執行次數」。對台灣的個人開發者與小型團隊來說，自架 Community 版通常就非常夠用——唯一要注意的是授權模式。

⚠️ 重要：n8n 是 fair-code，不是純開源

n8n 採用 Sustainable Use License（永續使用授權）：原始碼完全公開、可自架、可商用，但有兩條限制——不能直接拿原始碼做競品（例如複製一份改成自家 SaaS 賣）、不能移除授權聲明。這跟 MIT/Apache 的自由度不同，但比「開放核心（open core）」寬鬆很多。簡單說：你自己用、幫客戶用都合法，別拿去開一家 n8n 競品公司就行。

n8n vs Zapier vs Make vs Dify：怎麼選？

我們之前寫過一篇 自動化工作流工具大比拚：Make、n8n、Zapier、Dify 哪款最適合你？ 有完整比較，這裡給快速結論：

一個實用判斷法：你的核心流程是「串接與自動化」→ 選 n8n；你的核心是「知識庫與 LLM 應用」→ 選 Dify。兩者不衝突，很多人是 Dify 做 RAG 客服、n8n 做周邊自動化，互相搭配。

常見問題

Q：n8n 適合台灣使用者嗎？ 適合。介面有完整中文翻譯，LINE Notify、LINE Messenger、Telegram、Slack、Gmail 等台灣常用的整合都有官方節點，排程時區記得設 Asia/Taipei。

Q：免費自架版跟付費版差很多嗎？ Community 版包含全部核心功能（AI Agent、Code 節點、1500+ 整合），缺的是 SSO、進階權限控管、工作流歷史等企業功能。個人與小團隊用免費版幾乎無感。

Q：n8n 安全嗎？ 自架版資料留在自己伺服器，隱私優於雲端 Zapier。但要記得：給 AI Agent 的憑證權限要最小化、對外開放的 Webhook 要設驗證——失控 AI 時代，代理的權限控管已經是資安必修課。

延伸閱讀

• 自動化工作流工具大比拚：Make、n8n、Zapier、Dify 哪款最適合你？
• Dify 完整教學 2026：15.3 萬星開源 LLM 應用平台
• MCP 完整教學 2026：什麼是 Model Context Protocol？
• smolvm 完整教學：用硬體隔離 VM 安全執行不受信任的程式碼

資料來源：n8n GitHub Repository（202K stars）、n8n 官方文件、n8n 定價頁、n8n 官方部落格