简要总结
本视频是 n8n 入门系列的第一集，旨在帮助初学者掌握 n8n 的基础知识，构建个人 AI 助手。视频内容涵盖 n8n 的核心概念、界面导览、常用技巧，以及如何将大型语言模型 (LLM) 和 AI Agent 融入工作流中，实现表单自动化、客制化邮件生成、AI 会议研究助理等功能。
- 介绍 n8n 的核心概念和优势，包括开源、低代码、自动化平台等。
- 比较 n8n 与 Zapier、Make.com 等平台的差异，突出 n8n 的成本优势和可扩展性。
- 讲解 n8n 的基本操作和常用技巧，例如工作流命名、节点操作、JSON 数据处理等。
- 演示如何整合 LLM 和 AI Agent，实现更高级的自动化功能，例如客制化邮件生成和 AI 会议研究助理。
为什么要学 n8n？痛点与机会
n8n 是一个开源、低代码的自动化平台，通过工作流提高效率、节省时间和成本，改进资料处理，串联不同来源的资料，提升客户体验，并具有很高的可扩展性。学习 n8n 可以让非专业开发人员也能建立 AI 自动化流程，无需编写程式码，利用 1000 多种内建整合组件，以及 API、Webhooks 和自定义程式码进行扩充，成本低且具有无限可能，能够第一时间接触到 AI 自动化。
n8n vs Zapier vs Make.com 比较分析
Zapier 成本高，但连接器种类多；Make.com 成熟，但任务数量可能不足。n8n 部署在云端成本低，甚至可以架设在自己的电脑中，拥有 1000 多种连接器和客制化连接器，虽然学习难度较高，但通过本视频可以快速上手。
n8n 核心概念：工作流、节点、执行
工作流像菜谱，节点像菜谱中的步骤和成分，执行像订单来时执行菜谱。n8n 中有四种节点：触发型节点（触发工作流）、命令执行节点（执行命令）、资料传输节点（处理资料）、逻辑节点（if/else、switch）。
n8n 介面导览与 Template 使用
n8n 界面包含工作流、认证、执行记录和模板。验证 Community Edition 可以开启 24 小时工作流记录、错误显示和执行搜寻等重要功能。可以通过 Render 或复制 JSON 文件的方式使用模板，并介绍 n8n 的官方文档和社群论坛。
【技巧 1-20】n8n 必学技巧与最佳实践 (命名、节点操作...)](https://www.youtube.com/watch?v=vvqhzbp4J5A&t=758s)
本章节介绍 n8n 的 20 个实用技巧，包括：
- 工作流命名： 确保命名清晰，方便搜寻和整理。
- 工作区应用： 熟悉编辑视窗和执行视窗，使用 Tab 键新增节点。
- 触发节点： 介绍手动触发、定时触发、Webhook 触发、表单触发等不同类型的触发节点。
- 执行节点： 介绍 Google Sheets、Email、Webhook 等常用执行节点。
- 资料传输节点： 介绍 Set、Merge 等常用资料处理节点。
- 逻辑节点： 介绍 If、Loop 等常用逻辑节点。
- Google Sheet 认证： 讲解如何设定 Google Cloud OAuth，让 n8n 连接 Google 服务。
- JSON 数据处理： 介绍 JSON 的概念和读取方法，以及 Schema、Table 等不同显示方式。
- 动态抓取资料： 介绍如何使用 Expression 动态呼叫资料，并避免 Key 名称出现空格。
- 资料 Pinning： 介绍如何 Pin 资料，节省运算成本。
- 节点重试： 介绍如何设定节点失败时重新尝试。
- 节点命名： 介绍如何命名节点，方便维护工作流。
- 工作流维护： 介绍如何使用 Note 记录工作流，方便理解和维护。
【关键】Google Cloud OAuth 设定 (让 n8n 连接 Google 服务)](https://www.youtube.com/watch?v=vvqhzbp4J5A&t=1283s)
为了让 n8n 能够连接 Google 服务，需要在 Google Cloud 中进行 OAuth 设定。首先，复制 n8n 提供的 URL，然后在 Google Cloud 中建立专案，进入 API 和服务，设定 OAuth 同意画面，建立 OAuth 用户端 ID，将复制的 URL 贴入，并启用 Google Sheets API 和 Google Drive API。最后，将用户端 ID 和密码填入 n8n 中，完成认证。
【核心】深入理解 JSON：读懂自动化的语言](https://www.youtube.com/watch?v=vvqhzbp4J5A&t=1616s)
JSON (JavaScript Object Notation) 是一种轻量级的数据交换格式，在工作流节点之间传递数据。JSON 物件以大括号 {} 包含键值对 (key:value)，键值对中的值用双引号括起来。多个 JSON 物件可以组成 JSON 物件列表，用中括号 [] 表示，并用逗号分隔。Schema 是一种资料结构的规范，类似于包裹的说明书，描述了 JSON 物件中每个键的名称和资料类型。
实战：动态抓取与处理 Google Sheets 资料
本章节演示如何动态抓取 Google Sheets 资料，并进行处理。首先，使用 Google Sheets 触发节点读取 Google Sheets 中的资料，然后使用 Set 节点新增或修改资料。通过拖曳或手动输入 Expression 的方式动态呼叫资料，并注意 Key 名称中空格的处理。
实战：资料 Pinning 与节点重试技巧
为了节省运算成本，可以使用 Pinning 功能将资料暂存在节点中。如果节点执行失败，可以设定 Retry on Fail 功能，让节点重新尝试执行。节点的命名对于后续维护非常重要，建议使用 "Get/Post + 资料名称 + Filter" 的命名方式。
建立第一个工作流：表单自动化 (Form → Sheet → Gmail)
本章节演示如何建立一个表单自动化工作流，实现以下功能：
- 客户填写表单。
- 资料写入 Google Sheets。
- 根据预算进行分流：
- 低于 200 美元：拒绝。
- 200-1000 美元：发送追踪信件。
- 1000 美元以上：发送接洽信件。
- 发送团队通知信。
使用 n8n 的 Form Trigger 节点建立表单，设定姓名、Email、预算、需求等字段。使用 Google Sheets 节点将资料写入 Google Sheets，并使用 If 节点根据预算进行分流。使用 Email 节点发送追踪信件和接洽信件，并使用 Merge 节点将不同分流的资料合并，发送团队通知信。
AI Agent vs LLM 概念解析
LLM (大型语言模型) 是一种处理输入值并预测下一个字词的模型，而 AI Agent 则是一种可以根据所遇内容和状况做决策、调整策略的代理。非 AI Agent 的工作流是线性的，而 AI Agent 的工作流是循环的，可以迭代优化。
Level 2：整合大型语言模型 (LLM) - 客制化 Email 生成
本章节演示如何将 LLM 整合到工作流中，实现客制化邮件生成。使用 OpenAI 的 API 或 Open Router 连接 LLM，并使用 Prompt 提示 LLM 生成追踪信件或接洽信件。通过调整 Prompt，可以控制 LLM 的输出格式和内容。
Level 3：进阶 AI Agent 与 RAG (检索增強生成)
本章节介绍 RAG (检索增强生成) 的概念，以及如何使用 RAG 赋予 AI Agent 记忆体，让它可以读取公司提供的服务项目等信息。RAG 通过将大量文本资料分割成小段，并转换为向量储存，实现快速检索和生成。
实战：设定向量资料库 (Vector Store - Pinecone)
本章节演示如何设定向量资料库，使用 Pinecone 储存向量资料。首先，注册 Pinecone 账号，建立 Index，并获取 API Key。然后，在 n8n 中使用 Google Drive 节点读取文件，使用 Text Splitter 节点将文本分割成小段，使用 OpenAI Embedding 节点将文本转换为向量，最后使用 Pinecone 节点将向量储存到 Pinecone 中。
