当所有人都在卷 LLM API 调用的代码量时，n8n 已经在 GitHub 上成为连接 AI 与企业既有系统的「事实级」自动化底座，并在最新 2.34 系列里把 AI Agent 直接搬进了可视化画布。
一句话定位
它是面向工程师的可视化工作流引擎，把 1500+ 集成、AI Agent 节点、HTTP / 代码节点同框编排，既能 npx 跑本地也能 Docker / Kubernetes 自托管，从原型到生产一条链路走完。
技术栈
- 前端：Vue 3 + TypeScript + Vite + Pinia
- 后端：Node.js 20 LTS + TypeScript + Express
- 队列：BullMQ（Redis 后端）
- 数据库：PostgreSQL 13+（生产推荐）/ SQLite（demo）
- AI：原生 OpenAI、Anthropic、Google Gemini、Ollama 节点 + LangChain 模板
- 协议：MCP Client / Server、REST、Webhook
- 许可：Sustainable Use License（自托管可商用，托管 SaaS 受限）
核心功能
可视化画布 + 1500+ 集成 拖拽节点连边即可搭流程，节点覆盖 Slack、Notion、Salesforce、Postgres、Hugging Face 等 1500+ 系统。
AI Agent 原生支持 LangChain 节点、AI Tool、记忆、MCP Server 一应俱全，配合 OpenAI / Anthropic / Ollama 任意切换模型。
JavaScript / Python 代码节点 任意节点可内嵌代码片段，可直接 import npm 包，对程序员友好。
Sub-workflow 与 Human-in-the-loop 子流程可复用、暂停 / 恢复 / 审批节点支持，把流程拆到粒度合适。
企业级观测与权限 执行历史、调试器、审计日志、RBAC、SSO / SAML、变量加密，AI 流程有完整可追溯性。
npx 起步 / Docker 自托管 一行 npx n8n 起 demo，docker run 起生产，企业版支持 Kubernetes 与多实例。
对比 Zapier、Make 与 Activepieces
| 维度 | n8n | Zapier | Make | Activepieces |
|---|---|---|---|---|
| 开源 | Sustainable Use（可自托管） | 闭源 | 闭源 | MIT |
| AI Agent | 原生 LangChain 节点 + MCP | 需 OpenAI 插件 | 原生 AI 节点 | 原生 AI + MCP |
| 集成数量 | 1500+ | 7000+ | 1500+ | 500+ |
| 节点代码 | JS / Python + npm import | 仅简单 JS | 仅简单 JS | TS / npm import |
| 多租户 RBAC | 完善 | 完善 | 完善 | 中等 |
| 中文文档 | 社区翻译活跃 | 完整 | 完整 | 一般 |
| 上手成本 | 中 | 低 | 中 | 中 |
差异化在于「可自托管 + 可写代码 + AI 原生 + MCP 双向」的组合，让它在 ToB 工程团队里替代 Zapier 的同时承担 AI Agent 编排层的职责。
客观短板
- 协议为 Sustainable Use License：直接用 n8n 提供对外托管 SaaS 受限，企业级 SaaS 需谈商业授权。
- 内置 AI 节点偏 LangChain 视角：要做复杂 Agent 拓扑仍需自写 Python 节点。
- 自托管需要运维 Redis + Postgres + 队列监控，单机故障需自行兜底。
- 高频任务（>1000 exec/min）需多实例 + 队列调优，文档相对零散。
- 节点生态虽然 1500+，但部分国产 SaaS（飞书、钉钉深度集成）仍依赖社区节点。
- 调试器虽强，但复杂分支排错仍要靠执行历史，门槛高于纯代码。
适合谁，不适合谁
适合：要把 AI 能力塞进企业既有 SaaS 链路的全栈 / 后端工程师；自托管偏好强的中型团队技术中台；做 AI Agent PoC 又不想写胶水代码的产品 / 解决方案架构师；运维、数据、内容运营团队的提效工具建设者；想用 MCP 把外部工具接给 Claude / Cursor / 自研 Agent 的 AI 工程师。
不适合：纯运营 / 行政的非技术用户（Power Automate / Zapier 更轻）；以消费级高并发出号为商业模式（直接用 Temporal / 自研更划算）；强 ToC 前端交互产品（画布偏向工具链，不是面向终端用户的 UI）；需要 7×24 商业 SLA 又不愿付费企业版的关键业务。
普通开发者能学到什么
- 可视化编辑器的状态机建模：节点 / 连边 / 数据流的 JSON Schema 表达
- 队列驱动的异步执行模型：BullMQ + Redis 在长任务场景的标准用法
- AI Agent 与外部工具的协议抽象：MCP Client / Server 设计
- TypeScript 单体仓的多包管理：前后端共享类型、构建、测试的工程范本
- 节点即包：每个集成是独立 npm 包，动态加载、热更新、版本隔离
- 表达式引擎与表达式沙箱：可视化场景下 $json / $now 等上下文的安全求值
独立开发者价值
上手成本中等，会 JavaScript + 一点 API 概念，一周可以搭出 MVP。两点显著优势：第一，1500+ 集成大幅减少对接多家 SaaS 的胶水代码，独立开发者一个人就能撑起一个 SaaS 业务的中后台；第二，AI Agent + MCP 双向支持，意味着可以基于 n8n 包一层「行业 AI 自动化模板」做垂直 SaaS，比如电商选品自动化、本地服务线索清洗等。
二次开发空间大，节点可自定义、表达式可扩展、UI 主题可改，可以做出完全属于自己品牌的自动化产品。
变现路径有三条：一是做行业自动化模板售卖，单套 200-2000 元，复购率高于纯课程；二是给中小企业做集成实施外包，按流程节点数报价 3-15 万；三是自托管版套一层品牌做 SaaS 订阅，月费 99-999 元。
合规上，自托管 + 自用 + 不直接对外转售 n8n 本身属于协议允许范围；做实施服务、模板销售、二次封装产品都可走通，只要不直接与官方 n8n Cloud 抢同质市场。
中文友好度
- 文档：官方中文翻译覆盖核心模块，AI、表达式、MCP 章节有专门中文入口
- 社区：国内用户论坛、飞书 / 微信群数千人，腾讯云、阿里云、华为云均有镜像
- Issue：中英文均响应，企业版工单 1 工作日内，社区 Issue 1-3 天
- 访问：GitHub 仓库、官方文档、模板站国内均可直连，npx 与 Docker 镜像国内拉取稳定
总结
n8n 不是又一个 Zapier 平替，它把可视化工作流、AI Agent、可写代码、自托管这四件事压进了同一张画布。
如果你正面对「AI 能力如何嵌入企业既有系统」这个问题，n8n 值得花一个周末跑一遍 demo，而不是从零造一个调度器。
GitHub: https://github.com/n8n-io/n8n