n8n 入門：用 AI 節點做自動化工作流

n8n 是一套工作流（workflow）自動化軟體，你在畫布上把節點（node）接起來，從觸發開始，中間可以放 AI Agent 節點呼叫語言模型，最後把結果送到信箱、試算表或聊天室。它可以用官方託管的 n8n Cloud，也可以照 Sustainable Use License 架在自己機器上，兩邊是同一套軟體，差別在誰顧主機、哪些功能要付費。

這篇帶你看懂三件事：方案與授權怎麼選、自架要下哪一行指令、一個 AI 工作流從觸發到輸出由哪些節點組成。數字與節點名稱全部照 2026 年 9 月 15 日的官方文件與方案頁；本文沒有登入或實際跑過工作流，流程照官方說明寫，結果請你自己驗。

n8n 是什麼：節點、觸發與「一次執行」

n8n 的基本單位是節點。一條工作流的第一個節點一定是觸發（trigger）節點，官方文件裡常見的有 n8n Form Trigger（由 n8n 產生一張表單網頁）、Webhook（別的系統打進來）、Schedule Trigger（照排程跑）與 Chat Trigger（聊天視窗）。後面的節點取資料、判斷、改格式或送出去，節點之間用線相連，整張圖就是一個工作流。官方 README 說 n8n 連得到 1500 個以上的整合，另有 9000 個以上的工作流範本可以套用。

官方文件把「一次執行（execution）」定義成整個工作流跑一次，跟裡面有幾個步驟、處理多少資料無關。執行分兩種模式：在編輯器裡按下執行的手動執行（Manual），以及工作流發布後自動跑的生產執行（Production）。

Cloud 還是自架：方案、版本與每月執行數

官網把選擇拆成兩層：先決定雲端還是自架，再決定方案或版本。n8n Cloud 這邊是 Starter、Pro 與 Enterprise；自架這邊是免費的 Community edition、同樣免費但要註冊的 Registered Community edition，再往上是付費的 Business 與 Enterprise。方案頁上的 Business 卡片標的是自架，不是 Cloud 方案。

想先試用，官方文件寫 n8n Cloud 的免費試用是 14 天、可以用到 Pro 等級的功能。方案頁的常見問題列出試用期上限：1000 次執行、5 個同時執行、180 秒的執行逾時與 1 個團隊專案，另附 800 點 AI Assistant credits、100 點 AI credits 與 20 點 AI Builder credits。Cloud 試用不需信用卡，Business 方案才需要。

Community edition 幾乎就是完整的 n8n。官方列出的差別是沒有自訂變數、環境、外部密鑰、二進位資料外部儲存、日誌串流、multi-main 模式、專案、SSO、工作流與憑證共用，以及 Git 版本控管；一般日誌與佇列模式則是內建的。用電子郵件註冊換一把免費授權金鑰後，會多出資料夾、編輯器內除錯與自訂執行資料三項，這一層叫 Registered Community edition。

不想碰伺服器的話，也有不必自架的同類服務，計費單位和 n8n 的「一次執行」不同，值得先比較。

Zapier 與 Make 的 AI 自動化：計費方式與 AI 功能對照

授權：Sustainable Use License 的三條限制

n8n 的 GitHub 倉庫走 fair-code 模式。官方授權檔寫明：master 分支上檔名不含 .ee. 的原始碼適用 Sustainable Use License 第 1.0 版，含 .ee. 的檔案要另外持有 n8n Enterprise License，master 以外的分支不授權。這份授權給你免費使用、修改、製作衍生作品與再散布的權利，但附三條限制。

• 只能為你自己的內部商業用途、非商業用途或個人用途使用或修改這套軟體。
• 只有在免費且為非商業目的的前提下，才可以散布或提供給別人。
• 不可以更動、移除或遮蔽軟體裡任何授權、著作權或其他聲明；使用授權方的商標受相關法律規範。

官方文件把「內部商業用途」講得更白：除非你賣的產品、服務或模組的價值幾乎全部來自 n8n 的功能，否則都算允許。文件舉的不允許例子是把 n8n 換皮賣給客戶、架好 n8n 再收費讓別人使用；允許的例子包括同步自家公司掌握的資料、替自家產品做一個 n8n 節點、提供 n8n 顧問服務、在公司內部伺服器架設與維護 n8n。條文另外寫到，違規使用會讓授權自動終止，但收到通知後 30 天內停止違規，授權會回溯恢復。

自架安裝：一行指令，npm 版本要退場了

官方文件現在建議全新安裝用一行指令，前提是先裝好 Docker 與 docker compose v2 外掛。它會檢查 Docker、在目前的目錄建一個 n8n 資料夾、寫好設定檔、拉映像檔並啟動；跑完用瀏覽器打開本機的 5678 埠就是編輯器。

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

同一頁也附了日常最常用的兩行：停止與升級。

docker compose -f ./n8n/compose.yml down
curl -fsSL https://get.n8n.io | sh -s -- --upgrade

如果你看到的舊教學寫 npx n8n 或 npm install n8n -g，要留意 npm 安裝的說明頁已標為「從 n8n 3.0 起淘汰」，而一行安裝那一頁寫 n8n 3.0 預定 2026 年 10 月推出，之後只透過 Docker 發行。現在仍要用 npm 的話，文件寫 Node.js 版本要落在 20.19 到 24.x 之間，而且明講只適合本機開發測試，不適合正式環境。

npx n8n
npm install n8n -g

第一個 AI 工作流：觸發、AI Agent、工具與記憶、輸出

n8n 的 AI 功能是用叢集節點組起來的：一個 root node 加上掛在它下面的 sub-node。AI Agent 就是那個 root node，至少要接一個 chat model 節點，再接工具；官方文件明講 AI Agent 一定要連上至少一個工具 sub-node。文件也提醒，代理類型設定從 1.82.0 起淘汰，現在所有 AI Agent 節點都以 Tools Agent 的方式運作。

1. 放一個觸發節點：表單用 n8n Form Trigger，外部系統呼叫用 Webhook，定時用 Schedule Trigger，聊天視窗用 Chat Trigger。
2. 接上 AI Agent 節點，在系統提示詞寫清楚任務範圍與不能做的事。
3. 在 AI Agent 的 Chat Model 接點掛一個 chat model 節點，選好憑證。
4. 在 Memory 接點掛記憶節點，最容易上手的是 Simple Memory。
5. 在 Tool 接點掛工具節點，讓代理能查資料或動手。
6. 最後接輸出節點，把結果送出去。
7. 先用測試資料手動執行，逐一檢查每個節點的輸入輸出，確認沒問題再發布成生產工作流。

chat model 節點依供應商命名，官方文件目前列出的包括 OpenAI Chat Model、Anthropic Chat Model、Google Gemini Chat Model、Google Vertex Chat Model、Ollama Chat Model、OpenRouter Chat Model、Groq Chat Model、Mistral Cloud Chat Model、DeepSeek Chat Model 與 xAI Grok Chat Model 等，完整清單以文件的 sub-nodes 目錄為準。想跑在自己機器上就選 Ollama Chat Model。

記憶節點負責把同一段對話的前文留住。官方文件說最容易上手的是 Simple Memory，它保存目前工作階段一段長度可調的聊天記錄；要存久一點可換成 Redis Chat Memory、Postgres Chat Memory 或 MongoDB Chat Memory。工具除了 Wikipedia、SerpApi 這類現成節點，文件點名三個：Call n8n Workflow Tool（把另一條工作流當工具）、Custom Code Tool 與 HTTP Request Tool。

閱讀完整文字說明

流程由左至右分成三段。左邊是觸發節點，可選 n8n Form Trigger、Webhook、Schedule Trigger 或 Chat Trigger，工作流從這裡開始。中間是 AI Agent 節點，它決定要呼叫哪個工具、用什麼順序，官方文件規定至少要接一個工具 sub-node。AI Agent 下方掛著三組 sub-node：模型（chat model）可選 OpenAI Chat Model、Anthropic Chat Model、Google Gemini Chat Model 或本機的 Ollama Chat Model；記憶（memory）最容易上手的是 Simple Memory，也可換成 Redis、Postgres 或 MongoDB 的 Chat Memory 存久一點；工具（tools）包含 Call n8n Workflow Tool、Custom Code Tool、HTTP Request Tool，以及連外部伺服器的 MCP Client Tool。右邊是輸出節點，寄信用 Gmail、通知用 Slack、寫紀錄用 Google Sheets，LINE 則用 HTTP Request 節點。圖下方提醒：金鑰一律建成憑證，不要打在節點欄位裡；AI 節點讀到的外部內容當成不可信輸入，先用測試資料手動執行、看過執行紀錄再發布。

輸出端用的是一般節點：寄信用 Gmail、通知用 Slack、寫紀錄用 Google Sheets。要接 LINE 的人注意，官方文件寫 Line 節點從 n8n 1.64.0 起淘汰，因為 LINE Notify 已在 2025 年 4 月 1 日結束服務；要串 LINE 官方帳號，用 HTTP Request 節點自己呼叫 API。

AI 代理（AI Agent）是什麼：從回答問題到完成任務

用 AI 幫你做 LINE 機器人：從零到上線

接 MCP：n8n 可以當客戶端，也可以當伺服器

要讓 n8n 的代理用別人做好的工具，就用 MCP Client Tool 節點。填入 MCP 伺服器的 SSE 端點與驗證方式（Bearer、單一標頭、多組標頭或 OAuth2），再決定開放給代理哪些工具：全部、只選幾個，或全部但排除幾個。節點面板另內建一份 MCP 伺服器登錄，裡面有的服務點選登入即可，n8n 會自動建憑證。

反過來，MCP Server Trigger 節點讓 n8n 自己變成 MCP 伺服器，把工作流當工具開放給外部的 AI 應用。它支援 SSE 與 streamable HTTP 兩種傳輸，官方文件明講目前不支援 stdio；節點有測試與正式兩組 MCP 網址，驗證可選不驗證、Bearer 或標頭。文件也附了在 Claude Desktop 設定檔裡透過 mcp-remote 轉接的寫法。

{
  "mcpServers": {
    "n8n": {
      "command": "npx",
      "args": [
        "mcp-remote",
        "<MCP_URL>",
        "--header",
        "Authorization: Bearer ${AUTH_TOKEN}"
      ],
      "env": {
        "AUTH_TOKEN": "<MCP_BEARER_TOKEN>"
      }
    }
  }
}

該用內建節點還是 MCP 伺服器當工具，官方文件有一段對照：內建節點可以把參數固定住、只留幾格讓模型填，控制較緊；MCP 伺服器給代理的空間大，代價是控制力較低、每次呼叫吃掉的上下文視窗較多。

模型上下文協定（MCP）是什麼：連接工具與資料的共同介面

MCP 伺服器實用清單：檔案、Google、Notion、瀏覽器

費用怎麼算：執行數與模型 token 是兩本帳

第一本帳是執行數。官方文件說只有生產執行才算進方案配額，算法還要看觸發節點的種類：Schedule Trigger 每次觸發就算一次，不管跑出什麼結果；輪詢類節點只有抓到新資料才算；Webhook 則是每個成功啟動觸發的進站請求算一次，連內容是空的也算，但在工作流開始前就失敗的畸形請求不算。

• 在編輯器裡建置或測試時的手動執行。
• 用 Execute Sub-workflow 節點叫起來的子工作流，只算最上層那一次。
• 被設定為錯誤工作流的那條工作流自己的執行。
• 輪詢時沒有抓到新資料的那幾次。
• 在工作流開始前就被擋掉的畸形或被拒絕的請求。

第二本帳是模型的錢。AI Agent 呼叫的是你自己接上去的模型供應商，那邊照 token 另外計費，和 n8n 的執行數互不相干。n8n Cloud 另有 Gateway credits，讓 Starter 與 Pro 方案在支援的節點上改用預付點數、不必自己申請 API 金鑰，官方文件寫它從 n8n 2.36.0 起提供，Enterprise 與自架版沒有。方案頁上的 AI credits 則是 AI Assistant（預覽版）的每月額度，Starter 每月 2300 點、Pro 依方案大小是 5700 或 13700 點，不能加購也不能累積到下個月。

OpenRouter：一把金鑰用遍各家模型

安全：金鑰放憑證，外部內容一律當成不可信

金鑰不要打在節點的參數欄位裡，要建成憑證（credentials）。官方文件說憑證是被保管起來的驗證資訊，存檔時 n8n 會先測一次連不連得上。很多網頁 API 的憑證還有一個 Allowed HTTP Request Domains 欄位，限制這把憑證在 HTTP Request 節點裡可以打去哪些網域：全部、指定網域清單，或完全禁止，用來防止金鑰被送到不該去的地方。

只要 AI 節點會讀到外部內容，不管是網頁、電子郵件還是別人送進來的表單，那些內容都要當成不可信的輸入，要防的是提示詞注入。先把權限縮到最小：能唯讀就不要給寫入、工具只開用得到的那幾個、先在測試帳號與測試資料上跑，再回頭看執行紀錄確認代理做了什麼。n8n 也有兩個對應的節點：Guardrails 可以在送進模型前或拿到輸出後檢查越獄、NSFW、個資、密鑰與離題；工具的人工審核（human-in-the-loop）則讓工作流在代理要動用某個工具前先停住，由人按核准或拒絕，適合寄信、改資料、刪資料這種不可逆的動作。

提示詞注入（Prompt Injection）是什麼

• 教學
• 效率工作
• AI 工作應用