上回咱刚整完腾讯开源的知识库 WeKnora（维娜拉）：腾讯开源知识库WeKnora搭建：很像IMA本地RAG开源版本，手把手教你本地搭建，想怎么折腾都行！，是不是感觉像极了 IMA 的本地 RAG 版？
本地搭建、能自定义、能接大模型，完全开放，想咋折腾就咋折腾。
那这回，咱就继续把“AI 自动化的另一半”补上——
今天来本地部署一个开源的 AI 工作流开发平台：n8n。
你可以把它理解成是 dify、扣子平台 的本地开源版。
只不过这玩意儿不是用来“聊天”，而是帮你干活的。
它能做什么呢？一句话：
自动化执行各种流程，把数据采集、处理、调用大模型全串起来。
咱这次要实现一个特别实用的目标：
先用 n8n 把外部的数据自动采集下来，
再在流程里做结构化处理，
最后把干净的数据自动写入本地知识库 WeKnora。
整个过程像流水线一样自动跑完：
接着再往上走一步：
把 WeKnora 作为知识源，
调用本地大模型来做智能问答、分析、生成。
这时候流程就变成了：
这么一串下来，
你就已经完成了一个 AI 应用的全本地化闭环——
从知识采集、存储、到智能生成，全都在自己的电脑上跑。
如果你再顺手把大模型（比如 Qwen、DeepSeek等）也本地部署上，
那就更完美了。
到这一步，你的系统就不再依赖任何云端服务，
完全是自己的“AI 私有工厂”：
知识库、本地模型、智能体编排，全链路闭环。
01
———
先认识一下 n8n：它是干啥的？
n8n 的全名是 “nodemation”（Node + Automation），
是一个开源、可自托管的AI自动化工作流平台。
官网定位特别清楚：
“让任何人都能轻松构建自动化流程，并完全掌控自己的数据。”
说人话就是：
n8n 是一个能在你本地跑的“数字助理”，
它能接各种 API、处理各种数据、调各种工具，
帮你自动干活。
它的几大特点，简单列下：
🧩 图形化流程编辑器：拖节点、拉线条、点几下就能跑流程；
⚙️ 代码可扩展：支持写 JS/Python 逻辑，想怎么玩都行；
🔐 自托管可控：支持本地部署，数据全留在你自己电脑；
🌐 连接能力强：官网有 1200+ 集成节点（HTTP、Mail、Slack、GPT、数据库、飞书……），几乎“能联网的都能连”；
🤖 AI 支持：能和各种大模型平台（OpenAI、Claude、Gemini、通义千问等）连接，构建 AI 自动化流程；
🔄 复杂逻辑支持：分支、循环、条件判断，都能可视化配置；
🌱 社区和模板丰富：有大量现成工作流模板，改一改就能用。
一句话：n8n 是你的“自动化中枢”，能帮你连、能帮你算、还能帮你干。
02
———
n8n 能干什么？能用在什么地方呢？
别看它名字怪，但用途非常接地气：
📬 信息采集：自动抓微信公众号文章、微博热帖、RSS 内容。
📊 数据清洗：拿到数据后自动去噪、拆字段、标准化。
🧠 AI 调用：接大模型做总结、翻译、问答。
🏗️ 智能工作流：每天定时跑一遍，把数据整理后发邮件/存库。
📈 内部自动化：新员工入职 → 自动创建邮箱/钉钉群 → 发送欢迎包。
🔔 报警通知：服务器 CPU 超标 → 自动发消息到飞书群。
尤其是对我们这种“AI + 知识管理”的场景，
n8n 就是那个负责“干体力活”的小助手：
它帮你自动把内容采集、清洗好，再丢进知识库。
03
———
n8n 能干什么？好在哪呢？
别看它名字怪，但用途非常接地气：
📬 信息采集：自动抓微信公众号文章、微博热帖、RSS 内容。
📊 数据清洗：拿到数据后自动去噪、拆字段、标准化。
🧠 AI 调用：接大模型做总结、翻译、问答。
🏗️ 智能工作流：每天定时跑一遍，把数据整理后发邮件/存库。
📈 内部自动化：新员工入职 → 自动创建邮箱/钉钉群 → 发送欢迎包。
🔔 报警通知：服务器 CPU 超标 → 自动发消息到飞书群。
尤其是对我们这种“AI + 知识管理”的场景，
n8n 就是那个负责“干体力活”的小助手：
它帮你自动把内容采集、清洗好，再丢进知识库。
它的优势主要有这几点：
1️⃣ 本地部署，不依赖云
数据全在你电脑上，安全又合规；公司内部也能闭环使用。
2️⃣ 免费 + 开源
不用像 Zapier 那样按任务收费，用多少都行，想改逻辑也行。
3️⃣ 自由度高
既能图形化操作，也能插 JS/Python 脚本，想多复杂都行。
4️⃣ 生态全
各种第三方节点、AI 模块都有，接入飞书、企业微信、公众号、数据库、小红书都行。
5️⃣ 非常适合做 AI 工作流
你能让它串起“采集→处理→AI生成→发布”这一整链。
一句话总结：
“别人自动化靠订阅服务，你靠自己那台电脑。”
04
———
在 Windows 上部署 n8n（详细实操）
现在咱正式上手，让它在本地跑起来。
1️⃣ 为什么用 Docker？
因为 Docker 装起来干净、省心、可移植。
n8n 官方也推荐用 Docker Compose 部署。
（你要是直接装 Node.js 版本也行，但环境容易乱。）
2️⃣ 安装 Docker Desktop
👉 打开官网：https://www.docker.com/products/docker-desktop/
下载 .exe 安装包。
安装时记得勾上：
✅ “Use WSL 2 instead of Hyper-V”
安装完重启电脑
验证是否成功：
输出正常即 OK。
3️⃣ 创建 n8n 部署目录
在 D 盘建个目录：
在WSL终端里执行，如下语句：
docker volume create n8n_datadocker run -it --rm \--name n8n \-p 5678:5678 \-e GENERIC_TIMEZONE=Asia/Shanghai \-e TZ=Asia/Shanghai \-e N8N_ENFORCE_SETTINGS_FILE_PERMISSIONS=true \-e N8N_RUNNERS_ENABLED=true \-e N8N_BASIC_AUTH_ACTIVE=true \-e N8N_BASIC_AUTH_USER=admin \-e N8N_BASIC_AUTH_PASSWORD=yourpassword \-v n8n_data:/home/node/.n8n \docker.n8n.io/n8nio/n8n
docker volume create n8n_datadocker run -it --rm \--name n8n \-p 5678:5678 \-e GENERIC_TIMEZONE=Asia/Shanghai \-e TZ=Asia/Shanghai \-e N8N_ENFORCE_SETTINGS_FILE_PERMISSIONS=true \-e N8N_RUNNERS_ENABLED=true \-e DB_TYPE=postgresdb \-e DB_POSTGRESDB_DATABASE=<POSTGRES_DATABASE> \-e DB_POSTGRESDB_HOST=<POSTGRES_HOST> \-e DB_POSTGRESDB_PORT=<POSTGRES_PORT> \-e DB_POSTGRESDB_USER=<POSTGRES_USER> \-e DB_POSTGRESDB_SCHEMA=<POSTGRES_SCHEMA> \-e DB_POSTGRESDB_PASSWORD=<POSTGRES_PASSWORD> \-v n8n_data:/home/node/.n8n \docker.n8n.io/n8nio/n8n
执行完上面的docker run命令，其实n8n就启动了，第一次有可能会慢，因为会先下载n8n的镜像。
当然我们也可以直接在docker desktop上，直接拉取镜像和启动n8n：
直接Pull就可以了。
然后直接就点击运行箭头就运行起来了：
5️⃣ 打开浏览器访问：
输入你设置的账号密码（admin / yourpassword）。
看到可视化界面，说明部署成功 🎉
05
———
第一次使用的简单测试
先来个 Hello 测试，验证流程能跑。
1️⃣ 点左上角 “New Workflow”
2️⃣ 添加一个节点：Set
设置一个字段
name = n8n 初体验
3️⃣ 再加一个节点：Function
粘贴下面这段小代码：
return items.map(item => { return { json: { message: `Hello, ${item.json.name}! 部署成功 🎉` }};});4️⃣ 点击右上角 “Execute Workflow”
控制台输出：
说明工作流跑通了！👏
06
———
一些小贴士和注意事项
✅ 1. 端口别冲突
如果 5678 被其他程序占了，改成 8080:5678。
✅ 2. 数据别丢n8n_data 文件夹千万别删，它保存了所有流程。
✅ 3. 更新很简单
更新 n8n 只要执行：
就会自动下载最新版。
✅ 4. 开机自动启动
Docker Desktop 打开后，会自动加载上次运行的容器，不用手动点。
07
———
部署完能干嘛？
到这里，你的电脑已经多了一台“自动化机器”。
你可以让它干这些活儿：
自动抓公众号 / RSS / 网站内容；
清洗数据；
写入数据库或知识库；
调用大模型生成摘要；
自动发报告 / 邮件；
定时任务、数据备份、报警提醒。
再配合 WeKnora，用 n8n 把采集的数据自动入库，
再配上大模型，就能做到：
完完全全的 AI 自动化闭环。
总结一句话：
Docker 是发动机，
n8n 是变速箱，
WeKnora 是油箱。
这三样一组合，
你的 AI 工厂就能全本地化运转了。
