n8n 是什麼?21.1 萬星開源 AI 工作流神器完整教學:Docker 免費自架與零帳單自動化實戰

n8n 是 GitHub 突破 21.1 萬星的開源工作流自動化引擎,支援 AI Agent、MCP 協議與本地 Ollama 模型。本文詳解 Docker 免費自架步驟、與 Zapier/Make 費用比較、台灣企業串接場景與實戰避坑指南,助你擺脫高昂訂閱帳單。

Share
n8n 21.1 萬星開源 AI 工作流自動化平台官方介紹圖,展示視覺化節點編輯器與 AI Agent 串接介面
n8n 官方視覺化工作流介面與開源自動化架構(圖片來源:GitHub n8n-io/n8n) 圖片來源:GitHub n8n-io/n8n。

每個月收到 Zapier 或 Make 的帳單,看著「執行次數(Tasks / Operations)」動輒飆破預算,卻只是為了讓 Gmail、Notion 與 Slack 自動同步,這種痛點幾乎每個導入自動化的團隊都遇過。

n8n 正是目前全球開發者與企業用來取代高價 SaaS 自動化平台的首選解答。它在 GitHub 上的專案 n8n-io/n8n 已經突破 21.1 萬顆星,核心定位是一套採用 Fair-code 授權的工作流自動化引擎。

只要透過 Self-host(自行架設,也就是把程式裝在自己的電腦或租用的雲端主機上),你就不需要為每一個觸發動作或資料節點按次付費。無論一條工作流每天跑一萬次,還是串接三十個步驟,伺服器算力就是你唯一的成本。

更關鍵的是,n8n 已經從早期的「API 搬運工」全面進化為 AI 原生編排中樞。它內建 AI Agent(能自主規劃步驟與呼叫工具的人工智慧代理) 節點、LangChain 框架元件,以及最新的 MCP(Model Context Protocol,模型上下文協議,讓 AI 模型用統一標準安全讀取外部資料庫與工具的介面)。

對台灣的中小企業、接案工作室或個人開發者來說,你可以直接把 n8n 接上本機的 Ollama 離線模型,或是串接 OpenAI、Claude、Gemini API,把繁瑣的報表整理、客服分流與新聞監測全部自動化,同時把機敏資料留在自己手裡。

n8n 21.1 萬星開源 AI 工作流自動化平台官方介紹圖,展示視覺化節點編輯器與 AI Agent 串接介面
n8n 官方視覺化工作流介面與開源自動化架構(圖片來源:GitHub n8n-io/n8n) 圖片來源:GitHub n8n-io/n8n。
官方發表與操作展示影片。

n8n 核心架構與運作原理:為什麼能兼顧無程式碼與工程彈性?

許多人第一次打開 n8n,會以為它只是另一個「把方塊連起來」的視覺化工具。實際上,n8n 在底層架構的設計上,刻意打破了傳統 No-code 工具「簡單但卡死」的僵局。

節點式資料流與 JSON 傳遞

n8n 的每一條工作流(Workflow)都由「觸發器(Trigger)」與「動作節點(Action Node)」組成。觸發器負責監聽事件,例如「每天早上八點排程」、「收到新 Email」,或是透過 Webhook(一種讓外部系統在事件發生時,主動推播資料給特定網址的即時通知機制) 接收表單與 LINE Bot 訊息。

所有節點之間傳遞的資料,底層全部採用標準的 JSON 陣列格式。這代表你在任何一個步驟,都能清楚看見上一關吐出來的欄位名稱與數值,直接用滑鼠拖拉映射,不需要猜測變數長什麼樣子。

視覺化拖拉結合 Code 節點

純無程式碼工具最怕遇到「官方沒做這個格式轉換」的窘境,往往為了處理一個日期格式或拆解字串,就被迫多塞四五個計算節點,順便多燒掉四五倍的執行額度。

n8n 直接在畫布裡內建了 JavaScript 與 Python 的 Code 節點。當你需要清洗複雜的發票明細、做正規表示式比對,或計算台灣營業稅四捨五入時,寫幾行腳本就能一次解決,既有視覺化流程的易讀性,又保留了工程師級別的精準控制力。

AI Agent 與 MCP 工具調用層

在傳統工作流裡,條件判斷只能寫死 If / Else。n8n 導入 LangChain 生態與 AI Agent 節點後,你可以把「記憶體(Memory)」、「大型語言模型(Chat Model)」以及「外部工具(Tools)」直接掛在 Agent 節點下方。

當客戶訊息進來時,AI Agent 會自己決定要先查 Google Sheets 的庫存表、再呼叫內部 MCP 伺服器查詢訂單狀態,最後才撰寫回覆草稿。這種動態決策能力,讓原本只能處理固定規則的自動化流程,真正具備了處理模糊語意與跨系統任務的能力。

延伸閱讀:OpenAI Cookbook 7.7 萬星官方實戰食譜庫:RAG、Function Calling 與微調程式碼範例免費拿

n8n vs. Zapier vs. Make:2026 年功能與費用門檻完整比較

在決定要不要花時間學 n8n 之前,先看清楚它與市場上兩大商業 SaaS 平台 Zapier、Make 的實際差異。下表整理了三者在授權模式、計費邏輯、AI 整合深度與資料隱私上的核心對比:

比較維度 n8n(Self-host 自架版) n8n Cloud(官方雲端版) Make(原 Integromat) Zapier
開源與授權 Fair-code 授權,原始碼公開可自架 官方託管服務 閉源商業 SaaS 閉源商業 SaaS
計費單位 免費(僅付主機費),不限執行次數 按「整條工作流執行次數」計費 按「每個節點(Operation)」計費 按「每個步驟(Task)」計費
多步驟複雜流程成本 100 個節點也算 0 元額度 不管幾個節點都算 1 次執行 100 個節點就扣 100 次額度 100 個步驟就扣 100 次額度
內建服務整合數 400+ 原生節點 + HTTP / MCP 萬用擴充 400+ 原生節點 + HTTP / MCP 1,800+ 商業 SaaS 整合 7,000+ 商業 SaaS 整合
AI Agent 與本地模型 原生支援 LangChain、MCP、Ollama 離線模型 原生支援主流雲端 LLM 與 MCP 支援 OpenAI 等 API 呼叫,無本地模型 支援 AI 步驟,高階功能需綁定付費方案
程式擴充彈性 內建 JS / Python 編輯器,可裝 npm 套件 內建 JS / Python 編輯器 僅有限的公式函數,不支援自訂腳本 支援簡易 Code 步驟,受限於沙盒環境
資料隱私與合規 資料完全留在本機或企業內網 資料經過官方雲端節點 資料經過 Make 歐洲/美國伺服器 資料經過 Zapier 美國伺服器

從上表可以得出非常明確的選擇結論:如果你的需求包含「高頻率輪詢」、「多步驟迴圈處理(例如一次跑 500 筆訂單)」或「敏感客戶資料必須留在企業內網」,自架 n8n 的性價比完勝商業平台;相對地,若團隊完全沒有人碰過伺服器維護,且只需要每週同步幾十筆冷門 SaaS 表單,Zapier 的免維運優勢依然成立。

零基礎安裝教學:用 Docker 5 分鐘在本機或 VPS 免費架設 n8n

架設 n8n 最穩定的方式,是透過 Docker(一種把應用程式連同執行環境打包成獨立「貨櫃」的容器技術,能確保在 Windows、Mac 或 Linux 主機上跑起來結果完全一致)。只要你的電腦或租用的 VPS(虛擬私有伺服器,每月約新台幣 150~300 元即可租到 2vCPU / 4GB RAM 規格)裝好 Docker,按照以下四個步驟就能上線。

步驟一:建立持久化資料夾

n8n 的工作流設定、API 金鑰加密憑證與執行紀錄都存放在內部資料庫中。為了避免以後更新版本時資料全部消失,必須先在主機建立一個對應的儲存目錄:

mkdir -p ~/.n8n

步驟二:使用 Docker 指令啟動 n8n

在終端機貼上以下指令,即可拉取官方映像檔並於背景啟動服務(這裡預設將台灣時區 Asia/Taipei 寫入環境變數,確保所有排程觸發器不會慢八小時):

docker run -d --restart unless-stopped \
  --name n8n \
  -p 5678:5678 \
  -e GENERIC_TIMEZONE="Asia/Taipei" \
  -e TZ="Asia/Taipei" \
  -v ~/.n8n:/home/node/.n8n \
  docker.n8n.io/n8nio/n8n

啟動後,打開瀏覽器輸入 http://localhost:5678,就能看到帳號初始化畫面。設定好管理員信箱與密碼後,即可進入空白畫布開始拖拉節點。

步驟三:進階生產環境建議(Docker Compose + 反向代理)

如果你打算讓外部的 LINE Messaging API、Slack 或 Google 表單透過 Webhook 主動呼叫你的 n8n,只開 localhost 是收不到訊號的。

正式對外服務時,建議改用 docker-compose.yml 管理,並搭配 Caddy、Nginx 或 Cloudflare Tunnel 綁定自己的網域名稱與 HTTPS 加密憑證。同時務必設定 WEBHOOK_URL=https://你的網域/ 環境變數,否則外部平台在驗證回呼網址時會發生握手失敗。

步驟四:接上本機 Ollama 打造免費 AI 節點

若你在同一台電腦或 Mac 上已經安裝了 Ollama,想讓 n8n 免費呼叫本機模型(如 Llama、Qwen 或 Gemma),在 n8n 的 Ollama Credential 設定頁面裡,千萬不要填 http://localhost:11434。

因為 n8n 跑在 Docker 容器內部,容器裡的 localhost 指的是容器自己而不是你的宿主機。正確做法是將 Base URL 改填為 http://host.docker.internal:11434,測試連線亮起綠燈後,就能零 API 費用驅動 AI 工作流。

延伸閱讀:Mac mini M4 16GB / 24GB / 48GB 本地跑 AI 實測:Ollama 與 MLX 速度差多少、能順跑幾 B 模型?

台灣讀者最實用的 4 大 n8n AI 自動化場景

學會安裝只是起點,真正讓 n8n 在日常工作中產生十倍回報的,是以下四種在台灣職場與接案環境極高頻的自動化組合:

  1. 每日新聞與競品情報摘要機器人:設定每天早上 07:30 排程,透過 RSS 或 HTTP Request 抓取指定科技媒體與競爭對手官網更新,交由 AI 節點自動過濾廣告與無關雜訊、整理成 3 點繁體中文重點摘要,最後推播到公司 Slack 頻道或個人 LINE Notify/Telegram。
  2. 發票與報價單 PDF 自動入帳:監聽指定 Gmail 信箱或 Google Drive 資料夾,一旦廠商寄來 PDF 報價單或電子發票,先抽取文字內容,交由 LLM 萃取出「統編、品項、未稅金額、稅額、到期日」的固定 JSON 欄位,直接寫入 Google Sheets 或 Notion 帳務資料庫。
  3. 結合企業知識庫的智慧客服草稿員:當客戶透過官網表單或客服信箱發問時,先由 n8n 觸發向量資料庫檢索產品說明書,再讓 AI Agent 根據檢索到的真實條文撰寫禮貌且精準的回覆草稿,存進信箱草稿匣等待人工確認送出,大幅降低幻覺風險。
  4. MCP 跨系統資料庫查詢助理:透過 n8n 的 MCP Server / Client 節點,把公司內部的 PostgreSQL 訂單庫與 CRM 系統封裝成標準工具,讓主管直接在聊天視窗用自然語言問「上週台北區客訴率最高的品項是什麼」,系統自動轉譯查詢並回傳圖表數據。

硬體與費用門檻評估:自架真的完全免費嗎?

雖然軟體本身免費,但實際維運還是要算清楚硬體與 API 的邊際成本:

  • 純工作流搬運(不跑本地模型):n8n 本身非常輕量,1 核 CPU、2GB 記憶體的環境就能順暢跑起數十條排程與 Webhook。如果用家裡閒置的舊筆電、樹莓派,或是租一台月費新台幣 150 元左右的入門級 VPS,就能承擔中小團隊 90% 的自動化流量。
  • 高併發與重度文件解析:當你需要同時處理數百頁 PDF 解析、大量圖片轉檔,建議記憶體拉高到 4GB~8GB,並將預設的 SQLite 資料庫替換為 PostgreSQL,避免多條工作流同時寫入時發生資料庫鎖死(Database Locked)。
  • AI 推論費用:若串接 OpenAI、Anthropic Claude 或 Google Gemini API,費用取決於 Token 用量,一般文字摘要與分類每月往往不到新台幣 100~300 元;若想徹底歸零且確保機敏文件不出門,則建議搭配至少 16GB 統一記憶體的 Mac 或 12GB VRAM 以上的顯示卡來跑本地量化模型。

實戰避坑指南:新手上線前必看的 5 個地雷

根據社群與生產環境的常見災情,上線前務必檢查這五個設定細節:

  1. 忘記設資料保留期限(Execution Pruning):n8n 預設會保留每一筆執行紀錄的完整 JSON 內容。如果一條排程每分鐘跑一次,幾週內就會把主機硬碟塞爆導致整個系統當機。請務必在環境變數加上 EXECUTIONS_DATA_PRUNE=true 與 EXECUTIONS_DATA_MAX_AGE=168(只保留 7 天紀錄)。
  2. Webhook 在測試與正式網址間搞混:n8n 的 Webhook 節點有「Test URL(測試網址)」與「Production URL(正式網址)」兩個分頁。測試時必須點選畫布上的 Listen for test event 才能收到資料;上線後記得把工作流右上角開關切為 Active,並將外部系統的網址換成 Production URL。
  3. 迴圈抓資料沒有設延遲(Rate Limit 封鎖):一次撈出 500 筆資料直接往 Notion 或 Gmail API 灌過去,幾乎必吃 429 Too Many Requests 錯誤。請善用 Split In Batches(分批處理)搭配 Wait 節點,每批間隔 1~2 秒。
  4. 密碼與 API 金鑰寫死在節點裡:千萬不要把 Bearer Token 直接貼在 HTTP Request 節點的 Header 文字框中,否則匯出工作流 JSON 分享給別人時金鑰會跟著外洩。一律使用左側選單的 Credentials 管理員加密儲存。
  5. 升級容器前沒備份 N8N_ENCRYPTION_KEY:~/.n8n/config 裡藏著加密金鑰。換主機搬遷時如果只搬資料庫卻遺失加密金鑰,所有已經設定好的 Google、Slack 連線憑證都會失效無法解密。

官方影音與實戰導讀

如果你想直接看操作畫面跟著做一次,n8n 官方 YouTube 頻道發布了最新的快速入門實戰教學,完整示範如何從零建立你的第一個具備記憶與工具呼叫能力的 AI Agent:

影片重點導讀: - 00:00 – 03:15:快速認識 n8n 畫布介面、觸發器設定與 JSON 資料結構預覽。 - 03:16 – 08:40:掛載 AI Agent 節點,示範如何連結 Chat Model 與對話記憶體(Window Buffer Memory)。 - 08:41 – 14:20:為 Agent 裝上真實工具(包含搜尋與 Google 服務),並示範如何透過系統提示詞(System Prompt)限制 AI 不要亂編資料,最後完成端到端測試。

常見問題(FAQ)

Q1:n8n 的 Fair-code 授權是什麼意思?企業免費自架會不會違法?

Fair-code 不是傳統 OSI 定義的純開源,而是 n8n 採用的「可持續使用授權(Sustainable Use License)」。簡單來說,只要你是企業內部自己使用、幫客戶代維運特定專案,或個人自動化,都可以免費自架且無任何商業限制;唯一被禁止的行為,是把 n8n 直接改包裝成一個「對外販售的 SaaS 自動化平台(White-label)」去跟官方搶商業客戶。

Q2:不會寫程式的人,學得會 n8n 嗎?

完全可以。日常 80% 的串接(例如收到表單寄信、定時整理試算表、呼叫 ChatGPT 摘要)都只需要用滑鼠拖拉節點與點選欄位即可完成。只有當你要做非常客製化的陣列重組時,才需要動用 Code 節點——而現在你甚至可以直接請 Claude 或 ChatGPT 幫你寫好那幾行 JavaScript 貼進去。

Q3:我的電腦關機了,n8n 排程還會跑嗎?

不會。自架版 n8n 就像一個網站伺服器,必須保持主機開機與網路暢通,排程和 Webhook 才會持續運作。如果希望 24 小時不間斷執行,建議部署在公司 NAS、家裡長期開機的 Mac mini,或是租用一台便宜的雲端 VPS。

Q4:n8n 跟 Dify 差在哪裡?兩個都需要裝嗎?

兩者分工非常明確:n8n 強項在「跨軟體自動化連線」,適合處理幾百種外部服務的觸發、排程與資料搬運;Dify 強項在「打造 AI 應用本身」,適合精細切分 RAG 知識庫文件、測試不同 Prompt 版本與上架對話網頁。實務上很多團隊會把兩者串在一起:用 Dify 管好企業知識庫 API,再由 n8n 在外部負責收信、排程與觸發通知。

資料來源

Read more