n8n

从零开始学习n8n-一文读懂n8n如果你接触过自动化、集成、低代码、AI应用，可能已经听过 n8n 这个名字。那么，n8n 到底是干嘛的？适合谁用？能用来解决哪些问题？这篇文章会带你快速了解它的原理、核心功能和适用场景，帮助你判断它是否适合你。

使用 Python 中的强化学习最大化简单 RAG 性能本篇文章：Maximizing Simple RAG Performance Using RL in Python适合对强化学习和信息检索有兴趣的读者，亮点在于通过自定义的强化学习奖励系统，将简单的检索增强生成（RAG）模型的检索质量从53%提升至84%。作者详细介绍了如何从零开始实现该模型，且代码清晰易懂。

Ai尚研修-贾莲

全链路自主构建智慧科研写作系统——融合LLM语义理解、多智能体任务协同与n8n自动化工作流构建随着多智能体协同架构、大语言模型（LLM）与自动化工具链的快速发展，科研工作正从“人工主导”向“智能赋能”加速转型。本教程深度融合LLM（ChatGPT/DeepSeek等）、多智能体系统（LangChain）及n8n自动化流水线，直击科研学者三大核心痛点——文献检索耗时、写作流程割裂、成果打磨低效，打造“全链路智能写作解决方案”。技术特色上，本次教程构建“多Agent协同+自动化”双引擎，通过LangChain设计规划、写作、校对Agent集群，实现论文结构自动生成与内容协同创作；依托n8n搭建”RA

《n8n基础教学》第一节：如何使用编辑器UI界面在本课中，你将学习如何操作编辑器界面。我们将浏览画布，向您展示每个图标的含义，以及在 n8n 中构建工作流程时在哪里可以找到您需要的东西。

【n8n】如何跟着AI学习n8n【03】：HTTPRequest节点、Webhook节点、SMTP节点、mysql节点n8n的系统性学习，对各知识点地毯式学习🔍~定制n8n的AI老师，有AI老师制定学习大纲，参考之前的文档（本系列n8n学习大纲，也在这里）：

【n8n】mysql凭证设置，及注意问题凭证设置信息：主机不能用127.0.0.1，或者localhost，必须用host.docker.internal，因n8n部署在docker的容器里，容器里的localhost是其容器内部的重装系统，其所在的主机，需要通过host.docker.internal访问，如果你的n8n不是这种情况，自行判断。

【n8n】如何跟着AI学习n8n【02.5】：第一部分总练习n8n的系统性学习，对各知识点地毯式学习🔍~定制n8n的AI老师，有AI老师制定学习大纲，参考之前的文档（本系列n8n学习大纲，也在这里）：

上下文工程指南经过 DAIR.AI Academy几年前，许多人，包括顶级AI研究人员都声称，提示工程已经过时了。显然，他们大错特错。实际上，提示工程现在比以往任何时候都更加重要，重要到它现在被重新命名为"上下文工程"。是的，又一个时髦的术语，用来描述为LLM有效执行任务而提供必要指令和相关背景信息的重要过程。

玩转n8n工作流教程（一）：Windows系统本地部署n8n自动化工作流（n8n中文汉化）在Windows系统下使用 Docker 本地部署N8N中文版的具体操作，进行了详尽阐述，玩转n8n工作流教程系列内容旨在手把手助力从0开始一步一步深入学习n8n工作流。想研究n8n工作流自动化的小伙伴们可以加个关注一起学起来。后续也会持续分享n8n自动化工作流各种玩法和N8N工作流模板。

救救孩子把

如何在n8n中突破Python库限制，实现持久化虚拟环境自由调用n8n的Code节点虽然支持Python脚本执行，但由于运行在受限的沙盒环境，无法直接加载像 pandas、requests 这样的第三方库，这使得复杂的数据处理和业务逻辑实现受到很大限制。本文将分享一种实用的持久化解决方案，借助 Docker 容器挂载和虚拟环境技术，让你在 n8n 内自由安装并调用任何 Python 库，并保证容器升级也不会丢失已安装环境。

Docker慢慢学docker run -p 8888:5678 n8nio/n8ndocker pull zookeeper

n8n：解锁自动化工作流的无限可能在当今快节奏的数字时代，无论是企业还是个人，都渴望提高工作效率，减少重复性任务的繁琐操作。而 n8n，这个强大的开源自动化工具，就像一位智能的数字助手，悄然走进了许多人的工作和生活，成为提升生产力的得力帮手。

中杯可乐多加冰

采用Bright Data+n8n+AI打造自动化新闻助手：每天5分钟实现内容日更在信息爆炸的时代，作为科技领域的内容创作者，我每天都要花费2-3小时手动收集行业新闻、撰写摘要并发布到各个社群。直到我发现Bright Data+n8n+AI这套"黄金组合"，才真正实现了从"人工搬运"到"智能自动化"的转变。现在，我的AI新闻助手每天自动完成以下工作：

Lilith的AI学习日记

n8n 中文系列教程_25.在n8n中调用外部Python库在n8n中使用Python处理复杂任务时，内置的Code节点由于运行在沙盒环境中，无法直接调用外部Python库（如pandas、requests等），限制了工作流的扩展能力。本文将介绍一种持久化解决方案：通过Docker挂载目录+虚拟环境，实现在n8n中自由安装并调用任意Python库，同时确保容器升级后环境不丢失。无论是数据分析、API交互还是机器学习，均可通过此方法无缝集成到自动化流程中。

手把手部署n8nn8n 是当前非常热门的开源 AI 工作流平台，在 GitHub 上已获得超过九万颗 star。通过 n8n，用户可以拖拽节点，轻松搭建复杂的 AI 工作流。每个节点都支持上千种插件，可灵活集成各类外部系统，实现数据在不同系统间的自由流转。

n8n工作流自动化平台的实操：生成统计图的两种方式牵涉节点：Postgres、Code、QuickChart、Edit Fields、HTTP Request

n8n工作流自动化平台的实操：Cannot find module ‘iconv-lite‘1.在可视化界面，执行const iconv = require('iconv-lite');，报Cannot find module 'iconv-lite' [line 2]错误；

n8n工作流自动化平台的实操：解决中文乱码通过ftp读取中文内容的文件，会存在乱码，如下图：1.详见《安装 iconv-lite》2.在code节点，写如下代码：

Lilith的AI学习日记

n8n 中文系列教程_17. 为什么我的n8n数据库越来越大？解决方案全解析你是否发现n8n的数据库越来越大，导致性能明显下降？这是因为n8n默认会存储所有工作流的执行日志，长期积累会使SQLite数据库膨胀，影响运行效率。本文将详细分析问题原因，并提供4个关键环境变量配置，帮助你自动清理历史数据、优化数据库性能。此外，针对高频使用场景，我们还会推荐更稳定的PostgreSQL迁移方案，确保你的n8n长期高效运行！

【AI平台】n8n入门5：创建MCP服务，及vscode调用MCP测试用n8n搭建一个MCP服务，然后用开发环境的MCP测试工具，测试调用一下。例子简单，只为了解原理。在开发环境，安装测试mcp服务的工具，vscode和Trae操作类似，而且在一个机器上的话，安装的插件公用，就是vscode安装好了，Trae也就能用了。