- 综合排序
- 最热优先
- 最新优先
- 来自专栏Lcry个人博客
docker 部署 n8n 及汉化教程
n8n 的核心功能 完全开源免费：n8n 采用 MIT 开源许可，源代码托管于 GitHub，用户可自由查看、修改与部署。 可视化工作流编排：通过直观的拖拽式界面构建多步骤自动化流程，降低技术门槛。 开源地址 Github：点此跳转 部署教程 安装要求最低配置：1C2G，建议 2C4G 使用体验更好。 %402.1.4/editor-ui.tar.gz tar zxvf editor-ui.tar.gz 3、编写docker-compose文件 # 切换到 n8n 部署目录 cd .. # 写部署内容 /n8n_data:/home/node/.n8n EOF 4、启动 docker-compose up -d 访问 访问 http://服务器端口:5678 ，然后直接注册账号进行使用。 n8n，最近慢慢将自己近几年 AI 相关使用心得以及部署基础设施分享出来，慢慢沉淀下来，也希望大家也能通过 AI 实实在在提高效率以及感受 AI 带来的乐趣与便捷。
1.3K13编辑于 2026-01-09 - 来自专栏『学习与分享之旅』
手把手部署n8n
n8n 是当前非常热门的开源 AI 工作流平台，在 GitHub 上已获得超过九万颗 star。通过 n8n，用户可以拖拽节点，轻松搭建复杂的 AI 工作流。 n8n 以高自由度和可靠性著称，被誉为“德国工匠打造的工作流乐高”。本文将手把手带你完成本地部署。 首先，访问 n8n 的 GitHub 首页：https://github.com/n8n-io/n8n 需要特别关注其开源协议 License。 在 GitHub 首页的快速开始部分，n8n 提供了 Node.js 和 Docker 两种部署方式。本文先介绍 Node.js 部署，Docker 部署将在后续文章中单独讲解。 至此，已成功进入 n8n 主界面。
4K30编辑于 2025-05-15 - 来自专栏前端必修课
手把手部署n8n
n8n 以高自由度和可靠性著称，被誉为“德国工匠打造的工作流乐高”。本文将手把手带你完成本地部署。 首先，访问 n8n 的 GitHub 首页：https://github.com/n8n-io/n8n 需要特别关注其开源协议 License。 根据 n8n 的 License，允许个人或公司内部将其作为 AI 工作流使用，但禁止基于 n8n 提供对外商业服务。 如有对外商业服务需求，建议选择另一款开源 AI 工作流工具 Dify。 在 GitHub 首页的快速开始部分，n8n 提供了 Node.js 和 Docker 两种部署方式。本文先介绍 Node.js 部署，Docker 部署将在后续文章中单独讲解。 至此，已成功进入 n8n 主界面。
1.9K10编辑于 2025-05-17 n8n汉化部署一篇搞定
制作汉化打包dockerfile需要注意的点是下面选择具体的汉化依赖需要和源镜像版本匹配不然打包之后运行访问不FROM docker.n8n.io/n8nio/n8n:latestUSER rootWORKDIR editor-ui.tar.gz && \ rm editor-ui.tar.gz# 修改权限，确保可以删除RUN chmod -R u+w /usr/local/lib/node_modules/n8n /node_modules/n8n-editor-ui/dist && \ rm -rf /usr/local/lib/node_modules/n8n/node_modules/n8n-editor-ui /dist && \ mv dist /usr/local/lib/node_modules/n8n/node_modules/n8n-editor-ui/dist# 切回非root用户（官方镜像默认是 .重命名标签之后推送私服部署docker tag n8n-chinese harbor.torchv.com/tools/n8n-chinesedocker login harbor.torchv.comdocker
2.1K10编辑于 2025-07-03- 来自专栏AIGC大模型应用
手把手部署 n8n：Docker Desktop 本地安装 + n8n Cloud 开通
complete7ebb9aff85fe: Pull complete218829d6d7f2: Pull complete9cd9f54f6da2: Pull completee628b015b66d: Pull complete4f4fb700ef54 run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n n8nio/n8n:nightlyjavaedge@JavaEdgedeMac-mini soft % docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n n8nio/n8n:nightlyNo encryption 初始页：2 云端部署不会本地部署，也可用Saas版，14天免费试用。 最后初始页和本地部署一样。
2.4K00编辑于 2026-01-16 - 来自专栏快乐阿超
n8n
运行n8n容器： docker run -d --name n8n -p 5678:5678 n8nio/n8n 通过这个命令，n8n将在后台运行并监听在本地的5678端口，你可以通过浏览器访问http 如果你希望将n8n的数据持久化，可以使用以下命令： docker run -d --name n8n -p 5678:5678 \ -v ~/.n8n:/home/node/.n8n \ n8nio /n8n 这样，你的工作流和配置信息将保存在本地的~/.n8n目录下。 如果n8n没有提供你所需要的节点，你还可以使用HTTP请求节点调用任何API接口，或者编写自定义的JavaScript代码来扩展n8n的功能。 n8n也可以与其他系统进行深度集成。 你可以在Spring Boot应用中通过HTTP请求触发n8n工作流，或者在n8n中调用Spring Boot提供的REST API服务来处理数据。
3.1K10编辑于 2024-12-29 - 来自专栏.NET 全栈开发专栏
Datawhale工作流自动化平台n8n入门教程（一）：n8n简介与平台部署
相比之下，n8n在处理复杂自动化工作流、支持海外主流平台对接方面具有明显优势，特别适合对部署灵活性和功能定制化有高要求的用户。 n8n部署方案全解析 n8n提供了多种部署方式，每种方式都有其独特的优势和适用场景。让我们详细了解各种部署方案： 1. \ docker.n8n.io/n8nio/n8n 步骤4：访问服务 浏览器访问：http://127.0.0.1:5678/ 注意事项： 网络环境可能导致部分集成不可用 回调功能会有限制 Caddyfile）： n8n.example.com { reverse_proxy localhost:5678 } 重启服务： sudo systemctl restart caddy 4. 通过本文的介绍，相信您已经对n8n有了全面的了解，并能够根据自己的需求选择合适的部署方案。 在下一篇教程中，我们将深入探讨n8n的基本概念和界面操作，带您真正开始自动化工作流的构建之旅。
2.8K10编辑于 2025-08-22 - 来自专栏AI绘画
手把手教你用codebuddy部署n8n调用AI绘画
AI绘画转发后端·n8n工作流实践前言我的AI绘画小程序需要对接多家厂商的API。 随着厂商和模型的增多，后端转发代码出现了以下问题：请求方式不统一（同步/异步）参数差异大（不同厂商的签名、模型ID等）维护成本高（每新增一家厂商都要改代码）为了解决这些痛点，我尝试使用n8n工作流来统一转发请求 我已经执行了docker挂载卷和n8n容器的生成展开代码语言：TXTAI代码解释sudodockervolumecreaten8n_data展开代码语言：TXTAI代码解释sudodockerrun-it 2.配置模型这里我用的是硅基流动的key，邀请码fTKOkjDc随便配置一个免费的模型试试，直接显示了欢迎n8n是因为agent里面配置了系统提示词，可以自己修改。 调用文生图api首先找到要对接的模式api规范n8n可以直接调用http请求，所以找到http的规范示例，可以看到这个模型是异步的，一步生成，一步查询结果。
67890编辑于 2025-11-04 - 来自专栏悠扬前奏的博客
Tomcat-4.部署
在Tomcat服务器上，部署Web应用有多种方法： 静态部署，在启动Tomcat之前安装Web 应用 动态部署，使用Tomcat的Manager应用直接操纵已经部署好的Web应用（依赖于auto-deplyment 4. 在启动Tomcat时部署 将Web应用静态的部署到Tomcat中，再启动Tomcat，这种情况下应用部署的位置有appBase目录决定，每台主机都指定了一个这样的位置。 Tomcat启动时部署，步骤如下： 部署上下文描述文件 部署没有被任何上下文描述文件引用过的展开的Web应用。 7.使用客户端部署器进行部署 客户端部署器（TCD）的行为包括： 验证并编译web应用 将资源压缩成war文件 将web应用部署到用于生产或开发环境的Tomcat服务器上 TCD需要用到Ant，包含了一个 默认为myapp path：应用已部署的上下文路径，默认为/myapp url：tomcat中管理器应用的绝对地址，用于部署和结束部署应用。
84530发布于 2019-05-28 - 来自专栏AI
从 0 到 1 玩转 N8N——初识 N8N（入门必看）
核心特性完全开源免费：n8n 采用 MIT 开源许可，源代码托管于 GitHub)))，用户可自由查看、修改与部署。可视化工作流编排：通过直观的拖拽式界面构建多步骤自动化流程，降低技术门槛。 部署方式灵活：既可本地部署（Docker、本地 Node.js 环境），也可自托管于私有云/公有云，或使用其官方SaaS 云服务（含 14 天试用）。 怎么用 n8n?首先先解决 “怎么用 n8n” 的基础问题，n8n一般有 3 种部署方式：在线使用（[https://n8n.io/\）注意的是只有14天的试用时间，过期了可以换个邮箱注册新的账号。] (https://n8n.io)本地部署适合想先试手的新手，不用额外花钱，电脑上操作几步就能启动（[https://github.com/n8n-io/n8n）。] 步骤 4：转换为文本文件添加下一个节点Convert to File（保存为文件），选择text文件。
8.5K12编辑于 2025-12-26 - 来自专栏灵墨AI探索室
n8n 快速入门
今天，我将为大家介绍一个当前非常流行的可视化智能体搭建平台——n8n。 n8n的核心特点之一是高度可定制，它提供了灵活的工作流程构建功能，并允许您创建自定义节点，满足各种独特的业务需求。无论是简单的数据传输任务，还是复杂的工作流，n8n都能通过其丰富的配置选项轻松实现。 如果您希望将基础设施的管理交给专业团队，n8n还提供了Cloud托管选项，您可以通过云端托管服务轻松享受n8n的功能，无需担心服务器的配置与维护。 n8n还注重隐私和安全，通过自托管部署，您可以完全掌控数据的流动与存储，确保您的业务流程在保护隐私和数据安全的前提下顺畅运行。无论是个人项目还是企业级应用，n8n都能为您提供高度可靠的自动化解决方案。 从快速部署到便捷的数据库和MCP配置，n8n为我们提供了一个简单而高效的方式来处理复杂的自动化任务。无论是个人项目还是企业级应用，n8n都将成为你智能自动化旅程中的得力助手。
2.7K21编辑于 2025-04-27 n8n整合ffmpeg
模型: vmaf_4k_v0.6.1, vmaf_4k_rb_v0.6.2 等浮点模型: vmaf_float 系列Netflix 模型: 多种 Netflix 训练模型快速开始前提条件Docker n8n-with-ffmpeg:1.122.5-YYYYMMDDhhmmss）备份当前的 docker-compose.yml 文件更新 docker-compose.yml 中的镜像引用验证配置文件语法提供部署和清理指导 -c:v libx264 -c:a aac output.mp4# 提取音频ffmpeg -i input.mp4 -vn -acodec copy output.aac# 调整视频分辨率ffmpeg 使用 VMAF 进行视频质量评估# 使用 VMAF 模型比较两个视频的质量ffmpeg -i reference.mp4 -i distorted.mp4 -lavfi "libvmaf=model_path # 项目说明文档便捷脚本使用指南本项目提供了三个实用的 shell 脚本，用于简化容器管理操作： build-image.sh - 智能构建脚本这是最强大的脚本，自动化了整个镜像构建和部署流程
43910编辑于 2025-12-19- 来自专栏AI SPPECH
n8n 可视化自动化平台详解：连接AI与业务流程的桥梁
1 n8n的诞生背景与发展历程 2 核心架构与技术原理 3 安装与配置指南 4 基础使用教程：构建第一个工作流 5 AI模型集成方法 6 高级功能与最佳实践 7 企业级部署与安全管理 8 行业应用案例分析 支持的模型类型： 文本分类 文本生成 图像分类 目标检测 语音识别 5.3 自定义AI模型集成 对于企业内部开发或私有部署的AI模型，n8n提供了灵活的HTTP Request节点进行集成： 配置步骤 7.1 多环境部署策略 n8n支持多环境部署，确保开发、测试和生产环境的隔离： 部署架构： 环境 配置 访问控制 开发环境 本地Docker或直接安装 开发团队内部访问 测试环境 独立Docker Compose 部署 测试团队和QA人员访问 生产环境 Kubernetes集群部署 严格的API网关和防火墙控制 环境隔离方法： 使用不同的数据库实例存储环境特定数据 通过环境变量控制配置参数 实现配置版本控制和自动部署管道 解决方案：使用n8n构建智能客服自动化系统，集成OpenAI的GPT-4模型。
1.4K30编辑于 2025-11-13 - 来自专栏AI绘画
手把手教你部署n8n调用AI绘画2-图生图
手把手教你部署n8n调用AI绘画2-图生图前言：继续n8n的AI绘画调用，今天实操下图生图调用规范：有单图编辑和多图融合两种。 请选择要上传的图片文件","formFields":{"values":[{"fieldLabel":"image","fieldType":"file"}]},"options":{}},"id":"4c968eab }},"type":"n8n-nodes-base.extractFromFile","typeVersion":1,"position":[-32,240],"id":"19ec8b2c-3405-4c73 ExtractfromFile":{"main":[[]]}},"pinData":{},"meta":{"templateCredsSetupCompleted":true,"instanceId":"9e19c4a0e46c313e8cb3b13ca072eed689811720461aaa35ed7907659eed9ba5 图一人物在图三戴着图二手链执行完可以看到图片生成成功了总结：1.上传和解析都很慢，因为用的免费服务器，建议读者可以本地安装docker部署测试，成功以后再部署服务器2.我是演示调用所以使用表单形式
44910编辑于 2025-11-24 - 来自专栏菩提树下的杨过
webrtc笔记(4): kurento 部署
: DISTRO="xenial" # KMS for Ubuntu 16.04 (Xenial) DISTRO="bionic" # KMS for Ubuntu 18.04 (Bionic) 4、 执行时，terminal终端中，按顺序把上面4行，都复制进去就行（注：1个字符都不要少） 6、安装kurento media server apt-get update \ && apt-get install 另外，如果不想麻烦，只是想快速搭建一个kurento环境，也可以直接用docker部署。
2.4K30发布于 2019-07-15 - 来自专栏云开发
我用云托管+n8n 搭建了一个强大的 AI 工作流引擎
但是，n8n部署在哪里最合适呢？自建服务器运维麻烦，官方云版本又可能在功能和成本上有所限制。 今天，我们将介绍一种近乎完美的方案：使用腾讯云开发云托管（CloudBase Run）来部署 n8n。 4.Secondary LLM 节点:快速回答简单问题，可以选择成本低速度快的模型。 5.Webhook 响应:最后，将处理好的答案通过 Webhook 返回给提问者。 第 3 步：设计并配置 n8n Workflow 现在，让我们打开 n8n 的画布，开始像搭乐高一样构建我们的工作流。 1.访问部署好的 n8n 服务域名，完成初始化设置。 4.配置 Webhook 节点: 点击 Webhook 节点，在右侧配置面板中复制 Test URL 下的 Webhook URL。这就是你的 <your-webhook-url>。 7.激活 Workflow:点击右上角的 Active 开关，让工作流生效 第 4 步：部署并测试我们的智能体 1.进入第 2 步下载的函数型智能体代码目录，打开 .env 文件，将上一步获取的 <your-webhook-url
1.9K11编辑于 2025-07-03 AI自动化神器N8N，保姆级安装教程，小白也能5分钟搞定（建议收藏）
今天把完整的部署教程分享给你，保证小白也能看懂。什么是N8N？简单说，N8N是一个自动化工作流工具。你可以用它连接各种应用和服务。让它们自动帮你干活。 这些重复性的工作，交给N8N就行了。你只需要搭建一次工作流，后面就能一直自动运行。N8N有两种部署方式一种是官方云服务，一种是本地部署。下面分别讲讲。方式一：官方服务如果你只是想快速体验，不想折腾。 ：找到N8N镜像1、打开Docker Desktop页面2、左侧点击"Docker Hub"3、搜索栏输入"n8n"，回车4、找到官方镜像（通常是n8nio/n8n）5、点击进入步骤三：一键运行N8N容器这是整个安装过程中最关键 验证步骤：1、打开任意一个浏览器2、地址栏输入：http://localhost:5678如果出现N8N登录界面，说明部署成功了。第一次进入会提示你注册管理员账号。注册后就可以开始使用N8N了。 写在最后N8N的部署其实并不复杂，只要跟着步骤来，小白也能轻松搞定。掌握了这个工具，你就拥有了一个24小时不间断工作的自动化助手。无论是处理重复性工作，还是搭建复杂的业务流程，N8N都能帮你实现。
2.9K21编辑于 2025-11-17OpenClaw + n8n 实战：如何构建“零信任”自动化工作流？
部署方式：使用主密钥（CMK）加密数据库密码与第三方 API Key，n8n 通过 SDK 调用 KMS 接口解密。 成本：前 20,000 次调用免费，足以覆盖绝大多数中小型自动化业务。 3. 4. 审计监控：全链路留痕 启用云审计功能，记录 SSH 登录、API 调用及文件修改。 实战案例：Reddit 舆情摘要服务 以部署 OpenClaw 抓取 Reddit 每日热门讨论并生成摘要为例，展示完整的安全拓扑。 部署架构 腾讯云轻量服务器（上海区） ├── OpenClaw（容器 A，内网 IP 172.17.0.2） ├── n8n（容器 B，内网 IP 172.17.0.3） └── 防火墙策略： 服务器成本：2核 4G 80GB SSD 配置，年费 ¥112，涵盖了所有计算与流量开销。 进阶：AI 驱动的异常检测 对于高价值工作流，可以进一步引入智能化审计。
94130编辑于 2026-03-06- 来自专栏数据库干货铺
Redis4 Cluster部署
Redis5版本前（redis3.x及redis4.x）cluster部署较麻烦，因部署过程中涉及的依赖软件版本要求较苛刻，因此记录一下redis4.0.14版本redis cluster的部署过程。 1 Redis各节点部署 使用源码安装各节点，不过与非cluster方式不同的是，配置文件中需启动cluster相关的配置。 编译过程可参考分分钟搞定Redis编译安装 因本次为伪分布式部署，生产环境部署时建议至少3台机器部署（其中每台机器1主1从） ip port 192.168.56.101 7000 192.168.56.101 S: 905dc9de7e074c282aab44b4ed5680a2020bcf4c 192.168.56.101:7005 replicates 43fa53cec1ae164f784e5d439aaf80ee2f7e35af 192.168.56.101:7001 slots:5461-10922 (5462 slots) master 1 additional replica(s) S: 905dc9de7e074c282aab44b4ed5680a2020bcf4c
1.1K40编辑于 2022-03-07 OpenClaw + n8n 深度集成实战：低代码打造 2026 企业级 AI Agent 指南
全程零代码，平均搭建时间从 2 周缩短至 4 小时。 全员 AI 化：LangChain 面向 Python 开发者，而 n8n 的可视化界面让产品经理也能调整工作流参数。 成本控制：相比 Zapier 企业版高昂的账单，n8n 社区版支持私有化部署。配合高性价比的云服务器，能以极低的成本跑起企业级自动化流程。 部署方案选型：从测试到生产 选方案得看场景。 推荐配置：2核 4G 80GB SSD（满足 OpenClaw + n8n 并发需求）。 镜像选择：直接选择「应用镜像」中的 Docker CE，省去手动安装 Docker 的繁琐步骤。 Step 3：网络与安全配置 部署后无法访问？90% 的情况是防火墙没开。 实测数据： 这套跑在 2核 4G 服务器上的系统，将平均响应时间从 8 分钟压缩至 15 秒，自动拦截了 82% 的重复性咨询。
1.7K21编辑于 2026-03-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号