劝退：n8n等 AI工作流不要学了，没有用

注意，不是那种生成一行几个节点的“玩具”，而是工业级别的复杂工作流。

例如下图 Reddit 平台的 DJi 舆情监控工作流，就是我用 AI 生成的：

我发誓没有n8n 工作流 教程新建一个节点，包括里面的备注说明全是 AI 自己生成的，而且整个流程 90% 的节点可用，剩下的可能花不到 10 分钟调整一下就 ok 了！！！

还有一个更劲爆的消息就是 n8n 官方下场做这种 AI 生成工作流了，很快我们就能在 n8n 里完成自动工作流的生成。

这是个很重大的二战转折点。所以你理解为什么我起这个标题了吧？

但官方生成的效果如何、以及什么时候才能用得上我们不知道。

接下来，可以先看下我探索出来的 AI 生成 n8n 工作流的最佳实践。

开始前，先吐槽一下网上很多博主推荐的

它确实很不错，能自动去搜索最新的节点、n8n 规则，但也只限于拿来做玩具、生成简单流程。

不信？我们来试试。

想直接看我终极方案的可以直接跳到文章下半部分。

项目地址：github.com/czlonkowski…

以下是配置 MCP 的模板：

其中， 需要到 n8n 控制台的设置-n8n API 的位置

按如下操作来获取。

这里我用 Trae 来试下，添加 MCP 后，让他创建一个文章开头那样的 Reddit 舆情监控流程：

简单的流程我就不测了哈，意义不大，感兴趣可以自己去试下。

整个过程它会不断的去查找节点，干的事还是蛮多的，然后在你 n8n 空间中创建一个工作流

回到 n8n 工作台刷新一下就有了：

但点进去看才知道有多离谱：

1 是没有用 n8n 中的 Reddit 的节点，光想通过 code 和 http 请求获取 Reddit 的数据，想屁吃呢？

2 是后面 OpenAI 分析啥都没定义啊

3 是运行一下 code 啥的都报错

总而言之就是 80% 的节点无法直接用，跑不起来。

思考一下，为什么会这样呢？

的逻辑是根据用户需求去 n8n 库里查找节点，然后再按自己的逻辑去把节点连起来。

问题恰恰就在整个过程都是 AI 自己的判断，并没有业务逻辑

它可能会是最理性的，用最短路径来完成。

但实际上业务逻辑是很多合并、循环之类的操作，才能完成复杂需求。

所以最佳方案是让 AI 去学习已有的复杂工作流的逻辑，来模仿完成新的需求。

也就是把「提示工程」转成「上下文工程」

所以现在的问题就变成了，如何让 AI 根据你的需求，自动找到合适的几个 n8n 工作流， 然后参考他们来搭建你的工作流需求？

这是核心逻辑。

来看下我是怎么做的。

让 AI 去搜索网上已有的工作流 json，尤其是官方的模板库里面有 6000 多个模板，绝对有跟你需求接近的几个。

请你帮我到官方模板库（n8n.io/workflows/）… 推特 、YouTube 等地方查找最合适的、现成的 n8n 工作流模板给我参考，给我找 10 个，都要附上来源链接。

不得不说，ChatGPT5 Thinking 的搜索能力是我用过最强的。

但打开这些官方的模板才发现，有点麻烦，需要点两次复制 json 内容，再到本地手动新建 json 文件才行。

所以第二步，我们让 claude code 出手

参考我之前的案例：

用 Playwright 去完成这个无脑的操作：

此时，Claude Code 会自动调用浏览器，完成任务

于是你就得到了多个跟你需求类似的 n8n 工作流 json 文件。

最后，还是在 Claude Code 里，参考以下提示词，让 AI 生成工作流文件即可：

最终给我新建一个 n8n 工作流 json 文件，其中，注意 AI 相关任务通过 AI Agent 的节点搭配 openai 的 model 来完成。

静候一会，就看到文件夹新增好了 json，并且提醒我们要去做一些节点的配置。

接着把 json 文件导入 n8n：

我敲！！！这真的不是 magic 吗？？

生成的工作流已经跟我想象中的非常接近了，要知道，从第一步到现在才过去 15 分钟

如果我手动操作的话，下面第二步这么多个 Reddit 节点都要花不少时间。

而且都给我写好了每一步的备注了，太感人了。

但它到底能不能用？

我们逐步来看下

第一步

没什么问题，我们要求写的就是按周监控。

第 2 步

卧槽！！我发誓，我一步都没改，只是双击 Reddit 节点做认证，然后全！跑！通！了！

每个节点都有设置好对应哪个 subreddit、什么关键词

不过问题也是有的，但不在技术，而在业务，就是可以看到有几个节点是没有结果的

不是报错了，而是对应社区的关键词可能不对，并没有搜索出结果

所以问题是在前面的方案没生成好，后续可以让 ai 再去调研一下哪些社区搭配什么关键词比较合适。

问题不大，继续走。

第三步也跑通了你敢信？

AI Agent 节点，提示词都给写好了

美中不足的是，最后用的是 节点来把 AI 的结果做解析

实际上在 AI Agent 下用 就可以了。

但问题不大，毕竟 code 都写好能正常解析了，我就原谅它了。

最后两步一起看：

的部分需要自己新建好对应的文档加好列才行

不想麻烦的，可以搭配 AI 浏览器 例如 Comet，自动帮我们搭建好

对了，Comet 的教程在路上了，感兴趣的可以评论区催更

运行节点就能给丝滑存进去了：

比较头大的问题是在发邮件的 Gmail 节点 上

节点配置是错的，算是这个 AI 生成工作流的败笔

不过说实话，手动配置一下邮件内容啥的，问题也不是很大。

至此，整个工作流就跑通了。

经常会有朋友问我：

现在都能用 AI 生成工作流了，是不是学习没有必要了？

很多工作流的场景，Claude code 这种 Agentic Code 都能完成，是不是没必要搞 n8n 了？

最近，n8n 向英伟达在内的知名机构融资 1.8 亿美金，估值飙升到了 25 亿。

答案很明显了，AI 需要一个稳定、可靠的底层框架来执行任务，而 n8n 正是这个框架的最佳选择之一。

得益于 AI 发展，现在 n8n 大部分繁琐可以自动化，但永远有最后一公里需要人去探索和打磨。

所以，我们不再需要学习的，是过去那种逐个节点拖拽、配置、连线的“体力活”。

而我们必须开始学习的，是一种全新的、更高维度的业务架构能力。

对了，这个方案是我自己探索下来效率最高的！

如果你能找到比这个更好的方案，欢迎评论区挑战！！我们一起用 AI 把复杂繁琐的动手搭建过程给干掉！