n8n 中文版：企业流程自动化方案与操作说明

方案概述

n8n 是一款开源的工作流自动化平台，用拖拽节点的方式连接系统、处理数据、调用 AI。官方版本只有英文界面，部署和模型接入也以海外服务为主，国内企业落地时常卡在三件事上：

• 业务人员看不懂英文界面，最后只能靠 IT 一个人维护。
• 订单、客户、财务数据要留在企业自己的服务器上，不能放到公有云。
• 大模型接入、流程编排、人工审批，每一步都要从头搭。

本方案由三部分组成：

• 中文适配版平台：界面、提示信息、节点分类中文化，默认中文与北京时间。适配版本公开维护，持续合并上游更新。
• 私有化部署：用 Docker Compose 部署到企业内网或私有云，数据留在企业内部。
• 进驻式实施：工程师进驻业务现场，从一个具体流程做起，跑通后交给企业团队维护。

下面的演示视频约 2 分钟，依次介绍中文界面、两个示例工作流、AI 助手和私有化部署架构。

适用场景

适合有固定规则、每天重复、跨多个系统的流程。下表是制造与贸易企业最常见的起步场景：

平台能力

• 中文界面：菜单、表单、提示信息、节点分类中文化，业务人员可以直接上手。
• 可视化编排：400 多个集成节点，拖拽连线即可搭流程；需要时可以写 JavaScript 或 Python。
• 国产大模型：内置 DeepSeek 节点，也可以接入任何兼容 OpenAI 接口的模型服务或本地模型。
• AI 助手：用中文描述需求，AI 助手查找已有资源、规划节点，关键操作需人工批准。
• 内置数据表：订单、线索、价目表等可以直接存在平台里，工作流直接读写。
• 执行记录：每次运行的输入、输出和耗时都有记录，失败时能定位到具体节点。
• MCP 接口：Claude、Cursor 等 AI 工具可以通过 MCP 调用你公开的工作流。

私有化部署

标准部署包含三个容器：HTTPS 网关（Caddy，自动签发证书）、n8n 主服务和外部任务执行器（隔离运行代码节点）。主服务按需连接企业内部的 ERP、数据库，以及大模型服务。

部署前准备

• 一台 Linux 服务器（建议 4 核 8 GB 起），已安装 Docker 与 Docker Compose。
• 开放 80 和 443 端口，准备一个域名并解析到服务器，例如 n8n.example.com。
• 生成执行器通信密钥：openssl rand -hex 32。

部署步骤

1. 新建目录，写入 Caddyfile，把域名改成实际域名：

   n8n.example.com {
       reverse_proxy n8n-main:5678
   }
   

2. 写入 docker-compose.yml。以下为生产环境示例，密钥通过 .env 注入：

   services:
     caddy:
       image: caddy:2
       restart: unless-stopped
       ports: ["80:80", "443:443"]
       volumes:
         - ./Caddyfile:/etc/caddy/Caddyfile:ro
         - caddy_data:/data
       depends_on: [n8n]
   
     n8n:
       image: deluxebear/n8n:latest
       container_name: n8n-main
       restart: unless-stopped
       environment:
         - NODE_ENV=production
         - N8N_DEFAULT_LOCALE=zh-CN
         - TZ=Asia/Shanghai
         - GENERIC_TIMEZONE=Asia/Shanghai
         - N8N_HOST=n8n.example.com
         - N8N_PROTOCOL=https
         - WEBHOOK_URL=https://n8n.example.com/
         - N8N_PROXY_HOPS=1
         - N8N_DIAGNOSTICS_ENABLED=false
         - N8N_VERSION_NOTIFICATIONS_ENABLED=false
         - N8N_RUNNERS_MODE=external
         - N8N_RUNNERS_BROKER_LISTEN_ADDRESS=0.0.0.0
         - N8N_RUNNERS_AUTH_TOKEN=${N8N_RUNNERS_AUTH_TOKEN}
       volumes:
         - n8n_data:/home/node/.n8n
   
     task-runners:
       image: deluxebear/runners:latest
       restart: unless-stopped
       environment:
         - N8N_RUNNERS_TASK_BROKER_URI=http://n8n-main:5679
         - N8N_RUNNERS_AUTH_TOKEN=${N8N_RUNNERS_AUTH_TOKEN}
         - TZ=Asia/Shanghai
       depends_on: [n8n]
   
   volumes:
     n8n_data:
     caddy_data:
   

3. 在同一目录创建 .env，写入 N8N_RUNNERS_AUTH_TOKEN=上一步生成的密钥，然后执行 docker compose up -d 启动，用 docker compose ps 查看状态。

4. 浏览器访问 https://n8n.example.com，按提示创建管理员账号。新建一个简单工作流并手动执行一次，确认主服务和执行器都正常。

日常运维：docker compose logs -f n8n 查看日志，docker compose pull 后再 docker compose up -d 完成升级。数据保存在 n8n_data 卷中，建议每天备份。

中文适配版基于上游 n8n 二次开发。生产与商业部署前，需要根据实际使用方式评估上游许可和可用功能范围，测试用的配置不能直接作为生产交付配置。

登录与界面

登录后进入「概述」页。顶部汇总近期的执行次数、失败次数、故障率和平均运行时间，下方的标签页依次是工作流、凭证、执行记录和数据表。

点击右上角「创建工作流程」进入画布，再点击画布上的「+」打开节点面板。节点按人工智能、在应用中执行操作、数据转换、流程、核心、人在环路等中文分类排列。

示例一：每日经营日报

这个工作流每天早上 8:30 自动运行：读取 ERP 昨日订单，按区域汇总销售额，生成一段日报文字，推送到企业微信群。图中订单为示例数据。

搭建步骤

1. 添加「定时触发」节点（Schedule Trigger），触发规则选「每天」，时间设为 8:30。
2. 添加读取订单的节点。生产环境用「HTTP 请求」节点调用 ERP 接口，或用 MySQL、SQL Server 节点直连数据库；示例中用代码节点生成示例订单。
3. 添加「汇总」节点（Summarize），汇总字段选「金额」求和、「订单号」计数，分组字段填「区域」。
4. 添加「代码」节点，把汇总结果拼成日报文字。
5. 添加「HTTP 请求」节点，方法选 POST，地址填企业微信群机器人的 Webhook，正文为 {"msgtype":"text","text":{"content":"{{ $json.日报 }}"}}。

运行与查看结果

点击画布底部「执行工作流程」，每个节点右下角出现绿色对勾，连线上标注数据条数：36 条订单汇总成 4 个区域，最后生成 1 条日报。

双击任意节点，可以同时看到输入、参数和输出。下图是「生成经营日报」节点，右侧输出就是推送到群里的日报内容。

确认结果无误后，点击右上角「发布」，工作流就会按设定时间自动运行。

接入国产大模型

模型的 API Key 以「凭证」的形式统一保存，加密存储在本地数据库中。工作流里只引用凭证，不会暴露密钥。

1. 概述 → 凭证 → 创建凭证
2. 搜索并选择 DeepSeek
3. 粘贴 API Key 并保存

其他兼容 OpenAI 接口的模型服务，选择 OpenAI 凭证并修改 Base URL 即可。

示例二：客户询价转报价草稿

销售每天要从询价邮件里摘出规格和数量，再查价目表算价。这个工作流让 AI 先读邮件，规则再计价，金额超过 5 万元的自动转销售经理审批。

1. 触发节点：生产环境用「邮件触发」（IMAP）或「Webhook」接收询价；示例用手动触发加一封示例邮件。
2. 添加「AI Agent」节点，提示词来源选「在下方定义」，填入邮件正文；系统消息要求模型只输出 JSON，包含产品、规格、数量和交期。
3. 在 AI Agent 下方的 Chat Model 插槽接入「DeepSeek Chat Model」，凭证选上一节创建的 DeepSeek 凭证，模型选 deepseek-chat。
4. 「代码」节点按价目表计算单价、小计和合计。价目表可以放在数据表里，由业务人员维护。
5. 「If」节点判断合计是否超过 50,000 元，超过的转审批，其余直接生成报价草稿。

AI 只负责理解非结构化的邮件文字，计价和审批阈值由规则节点决定。这样结果可以追溯，业务人员也能自己调整阈值。

用 AI 助手搭建工作流

左侧栏第一个图标是 AI 助手。在输入框里用中文描述要自动化的事情，AI 助手会查找已有的数据表和凭证、提出确认问题、规划节点，再生成工作流。

1. 写清楚触发时间、数据来源、处理逻辑和输出位置，例如：「每天早上 9 点，从数据表『销售订单』读取昨天的订单，按产品统计销售额，生成一段中文经营摘要，推送到企业微信群机器人」。
2. AI 助手先检查实例里已有的资源。下图中它找到了「销售订单」数据表，并在右侧「产物」区打开预览。
3. 信息不全时，AI 助手会用选择题或填空提问，例如订单数据来自有赞、用友、金蝶还是数据表。
4. 访问外部网站、调用工具前，AI 助手会请求许可，可以选「允许一次」「始终允许」或「拒绝」。
5. 生成的工作流同样出现在「产物」区，打开后按需修改，测试通过再发布。

管理员可以在「设置 → Assistant」里选择 AI 助手使用的模型、开启网页搜索，并按工作流、凭证、数据表等类别设置哪些操作需要审批。

AI 助手目前是预览功能，生成工作流依赖代码沙箱服务。部署时需要使用 docker-compose-sandbox.yml 一并启动 sandbox-api 与 sandbox-runner。搭建一个完整工作流通常需要几分钟，结果需人工检查后再发布。

数据表与执行记录

数据表

在「概述 → Data tables」里可以创建数据表，存放订单、线索、价目表等。工作流用「Data table」节点读写，业务人员也可以在表格界面直接增改行。图中数据为示例。

执行记录

「概述 → 执行」列出每次运行的状态、开始时间和耗时。点击任意一行，可以回到当时的画布，查看每个节点的输入和输出。失败的执行会标红，并定位到出错的节点。

MCP 与扩展

在「设置 → MCP 访问」开启实例级 MCP 后，Claude、Cursor、ChatGPT 等 AI 工具可以连接到本实例，调用你公开的工作流。可以分别控制哪些工作流、哪些代理对外可见，也可以随时撤销某个客户端的访问。

「设置 → 社区节点」可以安装社区节点包，补充飞书、钉钉等国内应用的集成。安装前建议先在测试环境验证。

实施与交付

工程师进驻业务现场，从一个具体流程开始，跑通后交给企业团队。

试点前共同确定验收指标，例如成功率、人工操作次数和处理时长。交付时说明依赖的系统、凭据管理方式和日常维护责任；上游升级后，回归测试现有工作流和中文界面。

常见问题

数据会发送到外部吗？

平台部署在企业服务器上，可以关闭遥测和版本检查。只有工作流里主动调用的外部服务（例如大模型 API）会收到对应的数据；对数据敏感的场景，可以改用内网部署的模型。

能对接用友、金蝶等国内 ERP 吗？

可以。ERP 提供开放接口的，用「HTTP 请求」节点对接；没有接口的，可以直连数据库，或者通过中间表交换数据。

业务人员能自己维护流程吗？

简单的参数调整，比如时间、阈值、推送的群，可以在中文界面里直接改。涉及新系统对接的变更，建议由经过培训的 IT 人员处理。

后续版本怎么升级？

中文适配版跟随上游版本持续更新。升级前先备份 n8n_data 卷，再执行 docker compose pull 和 docker compose up -d。