GitHub 上有 19.6 万 stars 的 n8n 是目前最活跃的开源工作流自动化平台。它用可视化 DAG（有向无环图）替代传统脚本胶水代码，内置 400 多个集成节点，覆盖 HTTP 请求、数据库、AI API、文件系统、邮件服务等常见操作。

白物集内容管线每天有 8 个定时任务在运行：早报生成、新闻采集、热点深度文、建站系列、数据备份、健康自检。每条管线都由 shell 脚本或 Python 脚本手工编排，每个步骤的结果传递靠临时文件或 JSON 文件——这就是 n8n 可以直接替代的场景。

---

核心功能亮点

1. 400+ 集成节点，无需写胶水代码

n8n 的节点库覆盖了绝大多数开发者需要的服务。HTTP Request 节点几乎可以对接任何 REST API，配合 Webhook 节点可以实现事件驱动的触发。AI 节点（OpenAI、Anthropic、LangChain 集成）可直接在工作流中调用大模型，不需要额外部署推理服务。

n8n 的 Credentials 管理系统统一管理所有 API 密钥，不再散落在 .env 文件和 shell 脚本中。

2. 代码节点 + 可视化转译

n8n 不是纯低代码工具——当可视化节点不能满足需求时，Code 节点（n8n Code / Python / JavaScript）可以嵌入自定义逻辑，访问工作流上下文中的全部数据。n8n 还提供「可视化 ↔ 代码双向转译」功能：拖出来的工作流可以导出为 JSON 定义文件，也可以用代码直接定义工作流后导入。

这意味着团队中不熟悉低代码的开发者也可以用代码协作，而不是被排除在自动化流程之外。

3. 子工作流 + 错误处理管线

n8n 支持将工作流作为子流程嵌套调用，适合编排复杂业务逻辑。错误处理链（Error Workflow）可以单独定义一个工作流来处理所有执行失败的场景——发送通知、记录日志、重试——主工作流保持干净。

这个设计思路和白物集内容管线的分层理念一致：主管线只管成功路径，异常由专门的监控层兜底。

---

白物集项目中的应用场景

白物集内容管线目前是这样运作的：

新闻源采集 → 知识卡片入库 → 热点聚类 → 深度文章生成 → POST API → 线上验证

每一步都用独立的 shell 脚本或 Python 脚本实现，由 systemd timer 或 Hermes cron 调度。脚本之间通过临时文件传递状态——/tmp/cards.json → /tmp/payload.json → 以此类推。

用 n8n 替代后，整个管线可以建模为一个工作流：

Schedule Trigger → HTTP Request（采集新闻源）
  → Code（解析结构）
  → HTTP Request（POST 知识卡片 API）
  → Webhook（等待热点聚类完成）
  → Code（调用 DeepSeek API 生成文章）
  → HTTP Request（POST 文章入库）
  → HTTP Request（验证线上可访问）
  → Email / Webhook（通知完成）

一个工作流替代 5 个独立脚本和 3 个 cron 条目。改变某一步的输入输出时，不需要翻找多个文件修改中间数据格式，在可视化画布上拖一条线即可。

白物集项目中有两个适合切入 n8n 的场景：

场景 1：新闻卡片采集管线

目前 07:00 的新闻卡片采集由 Hermes agent cron 执行——agent 加载 skill 后用 web 工具抓取新闻网站，解析后 curl POST 到 API。迁移到 n8n 后，Schedule Trigger 按时间触发 → HTTP Request 采集 RSS/网页 → Code 节点解析 → 直接 POST API。agent 不需要介入，节省一次 Hermes 调用。

场景 2：多通道内容分发

文章 POST 入库后，还需要分发到公众号、知乎、想法等渠道。目前这一步尚未自动化。n8n 的工作流可以在文章入库后自动触发分发流水线：读取新文章 → 适配各平台格式 → 调用对应 API 发布。

---

适用场景与不适用场景

适合： - 定时数据采集与处理管线 - API 编排与集成（连接多个 SaaS 服务） - 内容生产流水线（采集 → 处理 → 发布） - 有条件逻辑的通知和告警系统 - 需要可视化监控和重试的生产流程

不适合： - 毫秒级实时处理（n8n 有调度延迟） - 海量数据处理（百万级记录——用 Airflow 或专用 ETL 工具） - 需要复杂事务管理的业务系统 - 团队中没有能力维护自托管服务的场景（直接用 n8n Cloud）

---

快速上手

1. 部署 n8n

n8n 官方推荐 Docker 部署，一条命令启动：

docker run -d \
  --name n8n \
  -p 5678:5678 \
  -v ~/.n8n:/home/node/.n8n \
  n8nio/n8n

打开 http://localhost:5678 即可进入可视化编辑器。

2. 创建第一个工作流：定时监控

拖入 Schedule Trigger → 设置 cron 表达式 0 7 * * * → 拖入 HTTP Request 节点 → 配置目标 URL → 拖入 Code 节点 → 写一段解析逻辑 → 拖入 HTTP Request 节点 POST 结果到 API。

3. 配置凭证

在 n8n 的 Credentials 菜单中统一管理 API 密钥（OpenAI key、Supabase key、自定义 API key）。工作流中使用时直接选择凭证名称，密钥值不暴露在工作流定义文件中。

4. 激活并监控

点击工作流编辑器的 Active 开关。n8n 提供 Execution 日志面板，记录每次运行的时间、输入输出、报错堆栈。失败的执行可以一键重试。

5. 版本控制

n8n 工作流可以导出为 JSON 文件，放入 Git 仓库管理。团队成员 pull 最新定义后导入即可同步自动化流程。

---

n8n 不是低代码玩具——它是一套与代码深度兼容的工作流引擎。对于白物集这样依赖多条自动化管线的项目，迁移到 n8n 意味着更少的脚本文件、更清晰的执行链路、更可靠的重试机制。下一篇文章会聊另一个会出现在每一台开发者机器上的工具。