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 [0:00]
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 [2:26]
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 [6:32]
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 [8:30]
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 [34:29]
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 [44:40]
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) [51:28]
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 [1:16:42]
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 [1:24:55]
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) [1:41:56]
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) [1:56:48]
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。