自動化工作流：用 n8n 自架你的 AI 中控大腦

這篇是「Make 自動化工作流教學」的姊妹篇：如果說 Make 比較像 SaaS 版的自動化工具，那 n8n 就像一個可以完全長在你自己伺服器上的「開源自動化作業系統」。

一、為什麼要學 n8n？（Make 學會之後的下一步）

如果你已經跟著「用 Make 串接 5 個 AI 工具」那篇走過一輪，你大概已經感受到：
自動化真的會上癮。

但你很快也會遇到幾個問題：

• Make／Zapier 的 operations / tasks 成本 隨著規模成長越來越高
• 有些客戶（尤其是 B2B、金融、醫療）會問你：
  「資料真的不會出公司嗎？可以放在我們自己的伺服器上嗎？」
• 某些進階需求需要自訂 Node、接內網系統，SaaS 類工具不一定支援

這時候，開源自動化平台 n8n 就派上用場了：

• 可以自架（Docker、一鍵部署到 VPS）
• Workflow 概念與 Make 類似（Node、Trigger、分支）
• 內建大量節點（Gmail、Slack、HTTP、Webhook、ChatGPT 等）
• 付費雲端版也有，但核心是開源專案

簡單一句話：

Make 適合「快速上線、按量付費」；n8n 適合「長期深度使用、自己掌控基礎設施」。

本篇會假設你已經懂 Make 的基礎概念，直接從「差異」、「安裝」、「實戰」開講。

---

二、Make vs n8n：何時選哪一個？

2.1 表格總覽

2.2 實際選擇建議

• 剛起步、只有少數流程 → 先用 Make
• 已經有固定 5–10 條以上的核心自動化、或打算做代理商服務 → 開始評估 n8n
• 需要完全在客戶內網跑，或有嚴格合規要求（例如金融、醫療、政府） → 強烈建議 n8n

---

三、n8n 的安裝與部署（給代理商的實用版本）

如果你是個人使用，只想先玩玩，可以從 n8n 雲端版開始；
如果你打算之後「幫客戶部署」，建議直接從 Docker 版本開始練習。

3.1 雲端版（最快上手）

1. 前往 https://app.n8n.cloud/ 註冊帳號
2. 選擇 Free / Trial 方案（會有 workflow 數量與執行次數限制）
3. 登入後就會看到「Workflows」列表，與 Make 的 Scenario 非常類似

雲端版好處是：不用管伺服器、SSL、資料庫，但成本會隨著執行次數上升，而且資料在 n8n 官方雲端。

3.2 Docker 版（代理商／專案實戰推薦）

以下是適用於一般 VPS（例如 DigitalOcean、Linode、Hetzner）的標準部署方式：

docker volume create n8n_data

docker run -d \
  --name n8n \
  -p 5678:5678 \
  -e N8N_BASIC_AUTH_ACTIVE=true \
  -e N8N_BASIC_AUTH_USER=admin \
  -e N8N_BASIC_AUTH_PASSWORD=super-secure-password \
  -e N8N_HOST=n8n.your-domain.com \
  -e N8N_PORT=5678 \
  -e N8N_PROTOCOL=https \
  -v n8n_data:/home/node/.n8n \
  n8nio/n8n

接著你可以用 Nginx / Caddy 做反向代理與 SSL。
實戰代理商專案時，可以把這一段包成 Ansible / Terraform script，一鍵幫客戶布署。

---

四、n8n 的核心概念：Workflows、Nodes、Credentials

和 Make 類似，n8n 也有幾個你一定要熟的概念：

4.1 介面快速導覽

• 左上角：Workflows 列表、Credentials 管理
• 中央畫布：Nodes 拖拉區域，線條表示資料流向
• 右側面板：顯示目前 Node 的設定、執行結果（Input / Output）
• 下方「Executions」：歷史執行紀錄，可點進去看每個 Node 的詳情

---

五、第一個 n8n Workflow：每日自動寄出激勵 Email

這個例子對應到 Make 文章裡的「Hello World」，你可以並排比較兩邊的概念。

5.1 目標

• 每天早上 9 點，自動寄一封「今天要加油」的 Email 給自己

5.2 Step-by-step

1. 在 n8n 建立新 Workflow → 命名為「Daily Motivation」
2. 新增第一個 Node：搜尋 Cron → 選擇 Cron Trigger
   • Mode: Every Day
   • Hour: 9，Minute: 0
3. 新增第二個 Node：搜尋 Gmail 或 Email（取決於你要用哪個寄信服務）
   • 如果用 Gmail：
     • Node: Gmail → Operation: Send
     • Credentials：先建立 OAuth 憑證（照畫面指示授權）
   • 填入：
     • To: 你的 Email
     • Subject: 今天也要加油 💪 - {{$now}}
     • Text: 今天是 {{$now}}，記得保持節奏，不用完美，只要比昨天前進一點點就好。
4. 把 Cron Node 的輸出拉線到 Gmail Node
5. 點右上角「Activate」啟動工作流

完成之後，你就有了第一條 n8n 自動化。

---

六、實戰案例 1：Gmail + OpenAI + Notion + Slack 的 AI 客服系統（n8n 版）

這個案例是把 Make 文章中的客服系統，完整翻譯成 n8n 的版本。

6.1 流程圖概念

Gmail Trigger (New Email)
  ↓
OpenAI Node（分析情緒與類別）
  ↓
IF Node（是否為投訴）
  ├─ 是 → Slack（主管通知）
  └─ 否 → OpenAI（生成回覆草稿）
          ↓
          Notion（建立記錄頁面）
          ↓
          Slack（通知客服團隊）

6.2 關鍵 Nodes 設定

(1) Gmail Trigger

• Node: Gmail → Trigger
• Operation: Watch Emails 或使用 IMAP Trigger（視你選擇的節點而定）
• Filter：只處理標記特定 label 的郵件（例如 support）

(2) OpenAI：分析郵件

• Node: HTTP（如果還沒有專用 ChatGPT Node，使用 HTTP POST 到 OpenAI API）
• URL: https://api.openai.com/v1/chat/completions
• Headers：
  • Authorization: Bearer YOUR_OPENAI_API_KEY
  • Content-Type: application/json
• Body（RAW / JSON）：

{
  "model": "gpt-4o-mini",
  "messages": [
    {
      "role": "system",
      "content": "你是一位專業客服經理，請分析客戶郵件情緒與類別，只回傳 JSON。"
    },
    {
      "role": "user",
      "content": "郵件內容：{{$json[\"snippet\"]}}"
    }
  ],
  "response_format": {
    "type": "json_schema",
    "json_schema": {
      "name": "analysis",
      "schema": {
        "type": "object",
        "properties": {
          "sentiment": { "type": "string" },
          "category": { "type": "string" },
          "urgency": { "type": "string" },
          "summary": { "type": "string" }
        },
        "required": ["sentiment", "category", "urgency", "summary"]
      }
    }
  }
}

上面 {{$json["snippet"]}} 是 n8n 的 Expression，代表 Gmail Node 的輸出（郵件摘要／內容）。

(3) IF Node：投訴 vs 一般問題

• Node: IF
• Condition：{{ $json["category"] }} == "投訴"

(4) Slack 通知主管

• Node: Slack → Operation: Post Message
• Channel: #customer-complaints
• Text：

⚠️ 有新的投訴來信

客戶：{{$json["from"]}}
情緒：{{$json["sentiment"]}}
摘要：{{$json["summary"]}}

(5) OpenAI：生成回覆草稿

第二個 HTTP Node（或 n8n 的 OpenAI 官方 Node），Prompt 類似 Make 版本，就不重複貼長文。
重點是使用 Expression 把前一個分析結果與 Gmail 原文塞進去。

(6) Notion 記錄與 Slack 通知

• Notion Node：Create Page → 映射標題、原文、分析結果、回覆草稿
• Slack Node：貼出 Notion 連結與回覆草稿，讓客服審核

---

七、實戰案例 2：n8n + Webhook + Notion CRM + 發信服務（潛客自動跟進）

這個案例對應 Make 文章中的「潛客開發」案例。

7.1 需求場景

訪客在你的網站留下 Email →
自動寫入 Notion CRM →
3 天後若未成單，自動發送一封教育型 Email。

7.2 Workflow 概觀

1. Webhook Trigger（網站表單）
2. Notion Node：建立 Lead
3. Wait Node：等待 3 天
4. HTTP / DB Query：確認是否已轉換成客戶
5. IF Node：若尚未轉換 → 發送 Email

7.3 和 Make 的差異

• 在 n8n 中，你可以用 自訂資料庫（例如 PostgreSQL 或其他託管資料庫）直接查詢狀態
• 若你本來就有 PostgreSQL 或其他內部資料庫，這裡通常會比 Make 更好整合

---

八、實戰案例 3：n8n + Git + Docker：為企業客戶布署可維護的自動化平台

這個比較偏「代理商／顧問」視角。

8.1 架構示意

Client's VPS
  ├─ Docker (n8n + PostgreSQL)
  ├─ Traefik / Nginx (SSL, reverse proxy)
  └─ Git repository（版本控管與部署紀錄）

你可以：

• 把 n8n 的 workflows 匯出成 JSON，放進 Git repository
• 寫一個簡單的 CLI script，協助在 staging / production 之間同步 workflows
• 與客戶約定「變更流程」：所有重大變更先在 staging 測試，再推到 production

這類導入服務，單案就可以開價 $10K–$30K 以上（可參考 ai-agency-guide.mdx 的定價思路）。

---

九、錯誤處理、監控與安全（n8n 版重點）

9.1 錯誤處理

• 利用 n8n 的 Error Workflow 功能，集中處理所有 workflow 的錯誤
• 你可以在 Settings 中指定一條「Error Handler Workflow」：
  • 將錯誤內容（workflow 名稱、節點、錯誤訊息、payload）發到 Slack
  • 或寫入 Notion「Error Logs」資料庫

9.2 監控與日誌

• n8n 支援把執行紀錄寫到外部 DB / Log system（例如 Grafana + Loki）
• 接企業專案時，可以搭一個小型 dashboard 給客戶看「自動化健康狀態」

9.3 安全建議

• 使用 Basic Auth 或 OIDC 保護 n8n UI
• 為每個客戶／專案建立獨立的 Credentials（不要共用 API key）
• 定期旋轉 Secrets，並在 Git 中只存環境變數名稱，不存實際值
• 如處理個資（PII），盡量在自家伺服器上完成，AI API 僅傳遞必要資訊

---

十、成本與商業模式：n8n 怎麼幫你賺錢？

10.1 成本結構（自架版）

如果你用 Make 做同樣規模的自動化，每月 operations 達到幾十萬次時，SaaS 成本會開始明顯上升；此時把核心高頻流程搬到 n8n，可以顯著降低長期成本。

10.2 代理商常見收費模式

• 導入專案費：一次性 $5K–$30K，含架構設計、佈署、3–5 條核心 workflow
• 月維護費（retainer）：$500–$5,000/月，含：
  • 監控與錯誤排查
  • 新需求的細微調整
  • 每月一次 review call
• 教育訓練：為客戶團隊做「n8n 工作坊」，按天收費

你可以把這篇 n8n 教學 + Make 教學，一起包成「自動化顧問服務」的教學素材。

---

結論：n8n 是你 AI 代理商武器庫裡的重型武器

當你只想快一點把想法跑起來，Make 已經非常夠用；
但當你開始接近企業級需求、需要把自動化當成「長期資產」來經營時，n8n 會是一個值得投資的技術籃子。

你可以這樣安排自己的學習路線：

1. 用 Make 把 2–3 條個人工作流跑順
2. 挑一條最核心、最穩定的流程，用 n8n 重寫一遍
3. 逐步把高頻、成本高的流程搬到 n8n
4. 為未來的企業客戶（尤其是需要內部佈署的）預先累積 n8n 經驗

長期來看，懂 Make + 懂 n8n 的人，會比只懂其中一個的人更有議價空間。
而你現在已經有了這篇完整的入門＋實戰指南，可以開始把 n8n 變成你的 AI 中控大腦。

延伸閱讀：把 n8n 能力接到更多變現場景

• 如果你還沒建立 SaaS 型自動化基礎，先看：自動化工作流：用 Make 串接 5 個 AI 工具
• 如果你想把自動化能力包成顧問服務，可以看：AI 代理商完全指南：從個人到 10 人團隊
• 如果你要提升流程裡的提示詞品質，也值得搭配：AI Prompt 百科全書：從基礎到 2026 最新技巧