最近一直在对比不同低代码AIAgent 平台，林林总总完成了 coze、dify、Ragflow的安装和应用案例跑通。在B 站上，看到很多 UP 主非常推崇一个叫 n8n 的 AIAgent 开源平台，在 GitHub上的收藏量高达 7.1 万。
顿时，我来了兴趣，想好好对比看看，究竟这个跟其他几个平台的差异在哪里。
简单研究了一番，大概有这些区别。
1-平台的历史久远。
在 LLM 大模型出来之前，就已经存在的低代码自动化工作流平台。里面的节点和逻辑编排对于非程序员而言，极度友好。
因为存在的时间足够长，所以，在用户需求的满足度和插件的丰富度上，已经跟 coze、Dify、Ragflow 因为 LLM 大模型出现后，才出现的 AIAgent 平台比，是资深老前辈。
2-插件丰富，社区很活跃
在用 Dfiy 和 Ragflow 的时候，最讨厌的就是有一个想法想实现，插件不支持，就得自己撸代码节点。或者，把代码封装成 api，再部署服务，执行调用。麻烦的不行。
然而，老前辈 n8n 内置的官方节点就有 400+ 个（如 Slack、GitHub、AWS、数据库等）。就不要说社区贡献节点覆盖更多小众工具。
n8n 提供了多种插件类型，每种插件都有其特定的功能和用途：
总结下来，有这些：
1. 高级 AI：用于构建能够自主执行任务的智能代理，如自动总结文档内容或搜索信息。
2. APP操作集成：允许用户在各种应用和服务中执行特定操作，例如在 Google Sheets 中更新数据或在 Telegram 中发送消息。不过这部分基本都是国外的 APP。这一点国内的小伙伴比较吃亏。
我数了一下，光Telegram 的子节点，就有30+个。
3. 数据转换：提供数据处理功能，包括数据的转换、过滤和操作，以便在流程中使用。感觉基本把 excel 上的常见按钮，都给我们做成节点了。难怪都说 n8n 能做非常精细的自动化工作流。
4. 流程：用于控制工作流的逻辑，如创建分支、合并数据流或设置循环。
5. 核心：提供基础功能，如运行代码、发送 HTTP 请求和设置webhook，这些是构建自动化流程的核心组件。
6. 人工参与：在自动化流程中引入人工干预，例如在流程的某个步骤需要人工审批或输入。这点其他拖拉拽式小辈coze、dify 和 ragflow还做不到。我只有在代码式智能体编排框架 Crew.ai 上用过。对于没办法完全依赖流程的场景中，引入人工干预尤其宝贵。
3-自动化工作流多，参考（抄抄抄）就更方便了。
自己从 0 开始搭建最容易崩溃，对于新手而言，最快上手和使用的方法，绝对是站在巨人的肩膀上。如果能找到类似的工作流，然后改改再用，就最好不过了。
正因为 n8n 的历史悠久，社区活跃，所以，光官网上就有 1500+个工作流模板可以参考。
当然，对标使用的第一步是安装部署。
那么，如何安装呢？
老样子，我们又得请出我们熟悉的老伙计，Docker。
接下来，是在 MacBook 上通过 Docker 安装 n8n 的详细步骤：
1. 首先，确保你已经安装了 Docker Desktop for Mac，然后，打开 Docker，确保Docker已经在你的电脑上运行。
2. 打开终端（Terminal），执行以下命令拉取 n8n 的官方 Docker 镜像：
docker pull n8nio/n8n
当你看到如下信息则代表，n8n的 Docker 镜像已经拉取完成。
Status: Downloaded newer image for n8nio/n8n:latest
docker.io/n8nio/n8n:latest
3. 创建一个持久化数据卷，以保存 n8n 的配置和数据：
docker volume create n8n_data
4. 运行 n8n 容器：
docker run -d \
--name n8n \
-p 5678:5678 \
-v n8n_data:/home/node/.n8n \
-e WEBHOOK_URL=http://localhost:5678 \
n8nio/n8n
这个命令的参数解释：
- -d：后台运行
- --name n8n：容器命名为 n8n
- -p 5678:5678：映射端口
- -v n8n_data:/home/node/.n8n：挂载数据卷
- -e WEBHOOK_URL：设置 webhook 地址
5. 打开浏览器，访问 http://localhost:5678 即可开始使用 n8n 6. 第一次使用 n8n 平台，需要注册一个账号。完成注册后，才能正常使用。
7. 登录后，就可以进行工作流配置等相关工作了。
