📌 项目地址：n8n-io/n8n | ⭐ 204,973 颗星 | 🔧 TypeScript | 📜 未标注
📌 项目地址：n8n-io/n8n | ⭐ 204,973 | 🔧 TypeScript
先泼冷水：它不是开源项目
n8n 的 star 数在 GitHub 排得上号，但很多推荐文章没说清一件事：它不是开源的。
n8n 走的是 fair-code 路线，许可证叫 Sustainable Use License。源码公开、可以自托管、可以自己写节点扩展，这三条都没问题。限制在于：你不能拿 n8n 本身包装成产品去卖，也不能用它做 SaaS 转售。公司内部随便用，想“套壳创业”就得发邮件（license@n8n.io）买企业授权。
接受这个前提，再往下看它值不值得用。
它解决什么问题
Zapier 这类 SaaS 工具有三个老毛病：按任务量计费，流程一复杂费用就失控；数据放在别人服务器上，合规审查过不去；缺个集成就只能等官方加。
n8n 换了个思路：自己部署，跑多少任务都不额外掏钱；数据留在自己机器上；缺什么集成，写代码补上。它的可视化画布里可以嵌 JavaScript 和 Python 代码节点，npm 包也能装。业务人员拖拽搭流程，工程师在关键节点写代码兜底，两拨人能在同一个项目里干活。
AI 是现在的重点方向。用 OpenAI、Anthropic、Google 或者开源模型搭多步骤 Agent 都行，换模型供应商不用改架构。我觉得最有价值的一点是人工审批节点：模型生成内容后流程自动暂停，等人确认了再继续。AI 干活、人把关，这种流程在纯 SaaS 工具里很难做到。
生态数字
两个数：1500 多个集成，9000 多个工作流模板（n8n.io/workflows）。集成的意义在于，你的 AI 工作流可以直接挂到现有的 CRM、数据库、通讯工具上，不用先造轮子。
企业侧有角色权限和审计日志，官方明确表示可用于敏感数据。
五分钟跑起来
前提是装好 Docker。最省事的一条命令：
curl -fsSL https://get.n8n.io | sh
想手动控制的，用标准 Docker 部署：
docker volume create n8n_data
docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n
跑起来后浏览器打开 http://localhost:5678 进编辑器。
提醒一句：第二条命令里的 n8n_data 卷挂载在 /home/node/.n8n，你的凭证和工作流数据都存在这里。生产环境要做持久化和备份，容器一删就什么都没了。
和同类工具怎么选
- Zapier / Make：上手更快，但按量计费、数据在第三方。n8n 自托管没有任务量费用，复杂逻辑交给代码节点。
- Airflow / Prefect：代码优先，给数据工程团队用的，学习曲线陡。n8n 可视化优先，业务人员也能上手。
- Dify / LangFlow：专注 AI 应用本身。n8n 的差别在于打通传统系统的深度，AI 流程直接接到已有业务系统上。
我的判断
三个问题自测：流程里需要 AI 吗？数据必须自己拿着吗？流程复杂到无代码工具搞不定、又不想从零写代码吗？占两条以上，就值得装一个试试。
遇到问题去 community.n8n.io，里面有专门的教程板块。文档在 docs.n8n.io，AI 和 LangChain 部分单独有指南（docs.n8n.io/advanced-ai）。