【n8n教程】：执行工作流——从手动测试到生产自动化

undsky_2025-12-21 8:53

【n8n教程】：执行工作流------从手动测试到生产自动化

n8n 工作流执行是 n8n 自动化的心脏。无论你是在开发阶段调试工作流，还是让它在生产环境中自动运行，理解执行的方式至关重要。本教程将带你从零开始，深入掌握 n8n 的各种执行模式、调试技巧，以及如何管理和优化工作流执行。

第一部分：执行基础概念

什么是执行（Execution）？

执行就是工作流的一次运行。每次工作流从开始到结束的完整流程，n8n 都会记录下来。你可以查看每次执行的详细信息，包括数据流、错误信息、执行时长等。

n8n 提供了两种执行模式：

1. 手动执行（Manual Execution）
  • 使用场景：开发和测试时使用
  • 触发方式：点击"Execute Workflow"按钮手动运行
  • 特点 ：
    • 只在你明确点击按钮时才执行
    • 非常适合逐步测试工作流逻辑
    • 可以测试条件分支、数据格式变化、循环行为等
    • 支持数据钉住（Pinning），可以"冻结"某个节点的输出数据
2. 生产执行（Production Execution）
  • 使用场景：真实生产环境，自动化处理
  • 触发方式：配置触发器（任何非手动触发的触发器），然后将工作流设置为"Active"
  • 特点 ：
    • 根据触发条件自动运行（如定时触发、事件触发等）
    • 执行过程不显示在编辑器中
    • 所有执行数据记录在"Executions"选项卡中
    • 忽略所有钉住的数据

第二部分：执行列表详解

工作流级别的执行列表

在工作流中选择 Executions 选项卡，你可以看到该工作流的所有执行记录。

如何筛选执行？
  1. 点击 Filters 按钮
  2. 按以下条件筛选：
    • Status（状态）：Failed（失败）、Running（运行中）、Success（成功）、Waiting（等待）
    • Execution start（执行开始时间）：查看特定时间段的执行
    • Saved custom data（自定义数据）：按你在工作流中添加的自定义数据筛选

全局执行列表

在 n8n 首页点击 Executions 选项卡，你可以看到整个 n8n 实例所有工作流的执行记录。这对于监控所有自动化任务非常有用。

第三部分：手动、部分和生产执行的区别

手动执行（Manual Execution）

核心特性：让你在开发过程中快速迭代测试

复制代码 
优点：
✅ 完整的工作流运行
✅ 实时查看数据流
✅ 支持修改输入数据进行测试
✅ 支持数据钉住功能

使用场景示例：

  • 新增了一个节点，需要测试它是否正确处理数据
  • 修改了条件逻辑，需要用不同的输入数据进行测试
  • 想快速验证 API 连接是否工作正常

部分执行（Partial Execution）

核心特性：只运行工作流的一部分，而不是整个流程

如何使用：

  1. 选择你想执行的节点
  2. 打开其详细视图
  3. 点击 Execute step 按钮
  4. n8n 将执行该节点及其所有前置节点（用以填充该节点的输入数据）

为什么要用部分执行？

  • 效率：不用每次都重新调用外部 API
  • 快速迭代：快速测试某个节点的逻辑变化
  • 成本：避免不必要的 API 调用

常见错误及解决方案：

  1. "目标节点未连接任何触发器"

    • 原因：部分执行需要一个触发器来模拟工作流何时运行
    • 解决：添加一个手动触发器到你的工作流

  2. "请执行整个工作流，而不是单个节点（现有执行数据过大）"

    • 原因：工作流分支过多，超过了部分执行允许的消息大小
    • 解决：使用 Limit 节点限制输出数据量

生产执行（Production Execution）

核心特性：在真实场景中自动运行

配置步骤：

  1. 添加一个触发器节点（例如：Schedule、Webhook、On File Event 等）
  2. 将工作流的状态设置为 Active
  3. 工作流现在会根据触发条件自动执行

重要提示：

  • 生产执行忽略所有钉住的数据
  • 所有执行都被记录在 Executions 选项卡中
  • 可以使用"Debug in editor"功能调试失败的生产执行

第四部分：重要概念------脏节点（Dirty Nodes）

什么是脏节点？

脏节点 是指那些曾经成功执行过，但现在输出数据被认为"过期"或"不可靠"的节点。在画布上，脏节点会显示一个黄色三角形而不是绿色勾号。

n8n 为什么标记节点为脏？

以下操作会导致节点被标记为脏：

  • 插入或删除节点：后续节点会被标记为脏
  • 修改节点参数：该节点被标记为脏
  • 添加新连接：目标节点被标记为脏
  • 停用节点：后续节点被标记为脏
  • 取消钉住数据：该节点被标记为脏
  • 修改钉住数据：后续节点被标记为脏

如何解决脏节点？

方法很简单------重新执行该节点！

你可以：

  1. 点击 Execute step 按钮执行该节点
  2. 或执行整个工作流
  3. 脏状态会自动清除

第五部分：数据钉住（Data Pinning）

什么是数据钉住？

数据钉住让你可以"冻结"某个节点的输出数据。在后续执行中，n8n 会跳过该节点的执行，直接使用钉住的数据继续流程。

为什么要用数据钉住？

复制代码 
场景1：你在测试一个从 API 获取的大量数据
✅ 第一次执行 API 调用获取数据
✅ 钉住这个数据
✅ 后续执行直接用钉住的数据，不再调用 API
✅ 快速测试后续节点的逻辑，节省时间和 API 配额

场景2：测试复杂的条件分支
✅ 钉住某个中间节点的数据
✅ 快速测试不同的分支逻辑
✅ 无需每次都重新执行前面的所有节点

如何钉住数据？

  1. 在工作流编辑器中选择一个节点
  2. 查看右侧面板的输出数据
  3. 点击 Pin data 按钮
  4. 数据被钉住后，会看到一个图钉图标

重要：生产环境忽略钉住数据

当工作流处于 Active （生产环境）时，所有钉住的数据都会被忽略。只有在手动执行和开发时，钉住的数据才会起作用。

第六部分：调试与重新运行过去的执行

调试失败的生产执行

n8n 提供了强大的调试功能，让你可以在编辑器中重新运行过去的失败执行。

步骤：
  1. 在工作流中打开 Executions 选项卡
  2. 找到你想调试的失败执行
  3. 点击 Debug in editor 按钮
  4. n8n 会：
    • 将该执行的数据加载到当前工作流
    • 在第一个节点钉住这些数据
    • 让你在编辑器中重新运行工作流
  5. 修改工作流逻辑来修复问题
  6. 再次执行测试修复是否有效

重新运行成功的执行

有时你想用之前成功的执行数据来验证新的逻辑：

  1. 在 Executions 列表中选择一个成功的执行
  2. 点击 Copy to editor
  3. 数据会被加载到你的编辑器中
  4. 现在你可以修改工作流并用这些真实数据进行测试

重试失败的执行

有两种重试方式：

方式1：用当前保存的工作流重试

  • 使用当前版本的工作流逻辑
  • 使用原始执行的数据
  • 场景：你已修复工作流，想用相同的输入数据验证修复

方式2：用原始工作流重试

  • 使用原始的工作流版本
  • 使用原始执行的数据
  • 场景：你想重新运行看是否偶然成功（例如处理临时的 API 问题）

第七部分：自定义执行数据

什么是自定义执行数据？

你可以在工作流运行时添加自定义元数据，n8n 会将其记录下来。这些数据可以用于：

  • 筛选执行列表
  • 在工作流中查询和使用

如何添加自定义执行数据？

使用 Code 节点：

javascript 复制代码 
// 添加单条自定义数据
$input.first().item.json.customData = {
  'project': 'marketing_campaign',
  'priority': 'high'
};

// 或者使用专门的方法
$input.first().item.json.$executionData = {
  'project': 'marketing_campaign',
  'priority': 'high'
};

限制条件

  • 键名称最大长度：50 个字符
  • 值的最大长度：255 个字符
  • 最多可添加：10 个自定义数据项
  • 所有值必须是字符串

如何查询自定义数据？

在工作流中使用 Code 节点访问：

javascript 复制代码 
// 获取整个自定义数据对象
const customData = $input.first().item.json.$executionData;

// 获取特定值
const project = customData.project;

在执行列表中使用

在筛选功能中：

  1. 点击 Filters
  2. 选择 Saved custom data
  3. 输入键和值来筛选
  4. 例如：筛选所有 priority 为 high 的执行

第八部分：调试工具（Debug Feature）

何时使用调试功能？

调试功能特别有用于：

  • 生产故障排查：一个自动化工作流在生产中失败了
  • 数据流检查：想查看数据在每个节点是如何变化的
  • 条件逻辑验证：验证条件判断是否正确
  • API 响应分析：检查外部 API 返回的是什么

调试流程

  1. 找到失败的执行
  2. 点击 Debug in editor
  3. 工作流会进入"调试模式"
  4. 你可以：
    • 看到每个节点的输出
    • 修改节点配置
    • 单步执行（使用 Execute step）
    • 修改钉住的数据来测试不同场景

调试技巧

复制代码 
💡 技巧1：使用 Sticky Note 节点添加注释
✅ 在工作流中记录关键逻辑
✅ 其他人（或未来的自己）可以快速理解

💡 技巧2：分段钉住数据
✅ 在关键节点后钉住数据
✅ 快速定位问题所在

💡 技巧3：使用 Limit 节点
✅ 在测试时限制数据量
✅ 快速执行，节省时间

第九部分：实战案例------完整可执行工作流

案例介绍

我们将创建一个**"天气数据收集器"**工作流，演示以下概念：

  • 手动执行测试
  • 部分执行使用
  • 自定义执行数据
  • 生产执行配置

工作流说明

这个工作流会：

  1. 定期获取指定城市的天气数据
  2. 添加自定义标签（城市、优先级）
  3. 根据温度条件触发不同的处理逻辑
  4. 记录执行详情

工作流 JSON 代码

将以下代码复制到你的 n8n 中（菜单 → Import from Clipboard）：

json 复制代码 
{
  "name": "Weather Data Collection Workflow",
  "nodes": [
    {
      "parameters": {
        "trigger": "every",
        "unit": "minutes",
        "value": 30
      },
      "id": "1",
      "name": "Schedule Trigger",
      "type": "n8n-nodes-base.scheduleTrigger",
      "typeVersion": 1,
      "position": [250, 300]
    },
    {
      "parameters": {
        "method": "GET",
        "url": "https://api.open-meteo.com/v1/forecast?latitude=31.2304&longitude=120.5954&current=temperature_2m,relative_humidity_2m,weather_code",
        "responseFormat": "json"
      },
      "id": "2",
      "name": "Get Weather Data",
      "type": "n8n-nodes-base.httpRequest",
      "typeVersion": 4.1,
      "position": [450, 300],
      "credentials": {}
    },
    {
      "parameters": {
        "mode": "runOnceForAllItems",
        "jsCode": "return [\n  {\n    ...item.json,\n    temperature: item.json.current.temperature_2m,\n    humidity: item.json.current.relative_humidity_2m,\n    city: 'Suzhou',\n    priority: item.json.current.temperature_2m > 30 ? 'high' : 'normal'\n  }\n]"
      },
      "id": "3",
      "name": "Process Data",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
      "position": [650, 300]
    },
    {
      "parameters": {
        "conditions": {
          "nodeVersion": 2.1,
          "conditions": [
            {
              "value1": "={{ $json.temperature }}",
              "value2": 30,
              "operator": "gt"
            }
          ]
        }
      },
      "id": "4",
      "name": "Temperature Check",
      "type": "n8n-nodes-base.if",
      "typeVersion": 2,
      "position": [850, 200]
    },
    {
      "parameters": {
        "mode": "runOnceForAllItems",
        "jsCode": "// 设置自定义执行数据\n$input.first().item.json.$executionData = {\n  'city': 'Suzhou',\n  'alert_type': 'high_temp'\n};\nreturn $input.getAll()"
      },
      "id": "5",
      "name": "Set Custom Data - High Temp",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
      "position": [1050, 100]
    },
    {
      "parameters": {
        "mode": "runOnceForAllItems",
        "jsCode": "// 设置自定义执行数据\n$input.first().item.json.$executionData = {\n  'city': 'Suzhou',\n  'alert_type': 'normal_temp'\n};\nreturn $input.getAll()"
      },
      "id": "6",
      "name": "Set Custom Data - Normal",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
      "position": [1050, 300]
    }
  ],
  "connections": {
    "Schedule Trigger": {
      "main": [
        [
          {
            "node": "Get Weather Data",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Get Weather Data": {
      "main": [
        [
          {
            "node": "Process Data",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Process Data": {
      "main": [
        [
          {
            "node": "Temperature Check",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Temperature Check": {
      "main": [
        [
          {
            "node": "Set Custom Data - High Temp",
            "type": "main",
            "index": 0
          }
        ],
        [
          {
            "node": "Set Custom Data - Normal",
            "type": "main",
            "index": 0
          }
        ]
      ]
    }
  },
  "active": false,
  "settings": {},
  "id": "12",
  "meta": {
    "instanceId": "7d69e7b7a28c89e2d4e5f8c9a1b2c3d4"
  }
}

使用这个工作流的步骤

  1. 导入工作流

    • 复制上面的 JSON 代码
    • 在 n8n 中点击"Create Workflow"
    • 选择"Import from Clipboard"
    • 粘贴 JSON 代码，点击导入

  2. 测试工作流（手动执行）

    • 点击"Execute Workflow"按钮
    • 观察数据流过每个节点
    • 查看 Process Data 节点的输出，确认温度和湿度正确解析

  3. 测试单个节点（部分执行）

    • 选择"Get Weather Data"节点
    • 点击"Execute step"
    • 查看 API 返回的原始数据
    • 无需重新请求 API，快速迭代测试

  4. 查看执行历史

    • 点击"Executions"选项卡
    • 过滤查看不同的执行
    • 点击某个执行，查看自定义数据标记

  5. 激活生产模式

    • 确保工作流配置正确
    • 点击工作流名称旁边的"Active"开关
    • 工作流现在会每 30 分钟自动运行一次
    • 在 Executions 选项卡中实时监控执行

工作流详解

节点 作用 执行模式
Schedule Trigger 每 30 分钟触发一次 触发器
Get Weather Data 调用开放天气 API HTTP 请求
Process Data 提取并转换数据 Code 节点
Temperature Check 根据温度分支处理 IF 条件
Set Custom Data 添加自定义标签 Code 节点

快速参考表

功能 使用场景 快捷键/方式
手动执行 开发测试 点击"Execute Workflow"按钮
部分执行 快速测试单个节点 选择节点 → 点击"Execute step"
数据钉住 冻结节点输出 点击"Pin data"按钮
调试执行 排查生产故障 Executions → 点击"Debug in editor"
重试执行 重新运行失败任务 Executions → 点击"Retry execution"
自定义数据 标记和筛选执行 在 Code 节点中设置 $executionData
脏节点清理 清除过期数据标记 执行该节点或整个工作流

常见问题解答

Q1：手动执行和生产执行的数据会混在一起吗？

A：不会。n8n 会分别记录所有执行，但在 Executions 列表中都能看到。你可以通过时间戳和其他信息区分。

Q2：钉住的数据在生产环境中不会被使用，这是为什么？

A：为了确保生产稳定性。生产环境必须始终从真实的触发条件开始执行，而不是依赖你在开发时钉住的测试数据。

Q3：如何快速找到失败的执行？

A：使用 Filters 功能：

  1. 打开 Executions 选项卡
  2. 点击 Filters
  3. 选择 Status = Failed
  4. 可选：添加时间范围过滤

Q4：能否在工作流中访问当前的执行 ID？

A ：可以的，使用特殊变量 $execution.id。例如在 Code 节点中：

javascript 复制代码 
const executionId = $execution.id;

Q5：脏节点会影响生产执行吗？

A：不会。脏节点标记是针对开发环境的。生产执行按照当前保存的工作流配置完整运行，不受脏节点标记影响。

官方文档
n8n 系列教程

相关推荐
牛客企业服务3 小时前
牛客AI面试蓝领案例：破解制造业招聘效率困局
人工智能·面试·职场和发展
oscar9993 小时前
深度学习测试题与解析
人工智能·深度学习·测试题
小oo呆3 小时前
【自然语言处理与大模型】LangChainV1.0入门指南：核心组件Models
人工智能·自然语言处理
Ama_tor3 小时前
AI-agent|从人工智能代理角度再延伸至扣子编程
人工智能
北冥有一鲲3 小时前
LangChain 框架前世今生：从“万能接口”到“AI 应用全家桶”
人工智能·chatgpt·langchain
MuseDAM_cc3 小时前
企业素材找不到？DAM 3 步解决资产分散
大数据·人工智能
AI即插即用3 小时前
即插即用系列 | 2025 RestorMixer：融合 CNN、Mamba 与 Transformer 的高效图像复原的集大成者！
人工智能·深度学习·神经网络·目标检测·计算机视觉·cnn·transformer
hay_lee3 小时前
LLaDA2.0：蚂蚁开源业内首个 100B 扩散语言模型
人工智能·语言模型·自然语言处理·llada2.0
upper20203 小时前
数据挖掘10
人工智能·数据挖掘
热门推荐
01GitHub 镜像站点02UV安装并设置国内源03Linux下V2Ray安装配置指南04BongoCat - 跨平台键盘猫动画工具05在VSCode配置Java开发环境的保姆级教程（适配各类AI编程IDE）06jdk21下载、安装（Windows、Linux、macOS）07安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）08sqli-labs靶场通关笔记：第18-19关 HTTP头部注入09Open-AutoGLM Windows 安装部署教程10RedissonClient的配置解析