正版全新
-
作者:
刘阳圆
-
出版社:
清华大学出版社
-
ISBN:
9787302728733
-
出版时间:
2022-12
-
作者:
刘阳圆
-
出版社:
清华大学出版社
-
ISBN:
9787302728733
售价
￥
69.60
7.0折
定价
￥99.00
品相
全新
上书时间2026-11-07
卖家超过10天未登录
-
-
商品描述：
-
【书 名】 n8n从入门到实践
【书 号】 9787302728733
【出 版 社】 清华大学出版社
【作 者】 刘阳圆
【出版日期】 2026-11-01
【开 本】 16开
【定 价】 99.00元
【编辑推荐】
《n8n从入门到实践》是一本全面、实用的低代码自动化学习指南，填补了国内n8n学习资源的空白。书中从基础概念到进阶应用，详细讲解了n8n的工作流设计、节点配置、数据处理等关键技术，并结合智能客服、电商运营、量化投资等实际场景，展示了n8n在各行业中的应用。语言通俗易懂，适合没有编程基础的读者。书中还提供了丰富的实战案例和可复用的代码，帮助读者快速上手并应用到实际工作中。《n8n从入门到实践》是企业数字化转型和低代码开发者的必备指南，帮助读者提升工作效率，迈向自动化时代。
【内容简介】
《n8n从入门到实践》是一本针对零基础读者、面向真实业务的n8n与AI工作流实战指南，聚焦利用自动化解决实际工作痛点，帮助读者摆脱重复、低效的工作，快速搭建专属的智能化工作体系。
《n8n从入门到实践》共15章，分为基础篇（第1~6章）与实战篇（第7~15章），内容层层递进、易学易用。基础篇系统讲解AI自动化的核心逻辑，手把手指导读者搭建n8n运行环境，详解节点、触发器、数据流、变量、安全凭据等核心知识，同时介绍高质量AI提示词的编写技巧，为后续自动化实操打下扎实基础。实战篇精选9个真实业务项目，涵盖飞书智能客服、Reddit商机挖掘、小红书文案提取与知识图文生成、量化投资分析、全平台热搜舆情分析、公众号热点聚合与草稿生成、Seedance批量短视频制作，以及n8n与OpenClaw安全集成等场景。
全书案例均配有完整的设计思路、分步操作教程与排错方案，并附赠工作流文件、代码、提示词及示例数据，可直接导入复用。《n8n从入门到实践》适合运营、产品、开发等各类职场从业者阅读，是普通人学习和应用AI自动化、提高工作效率的实用工具书。
【目录】
目 录
第1部分 基础篇
第1章 n8n概述2
1.1 欢迎来到智能体时代：自动化是你的新超能力2
1.1.1 低代码平台：智能自动化的流程基础3
1.1.2 AI大模型：让自动化具备智能体能力3
1.2 认识工作流与智能体：它们是你的左膀右臂4
1.2.1 工作流：稳定的流程执行器4
1.2.2 智能体：具备工具调用能力的AI助手4
1.2.3 二者如何配合4
1.2.4 小结5
1.3 选择n8n：构建AI Agent的执行控制层5
1.3.1 掌握自动化平台完整技术自主权5
1.3.2 n8n具备的特性6
1.3.3 主流自动化与Agent平台的定位差异6
1.3.4 深入解析三类典型竞品7
1.4 n8n的核心设计理念与关键特性7
1.4.1 可视化编排界面8
1.4.2 丰富的第三方应用集成9
1.4.3 原生AI Agent能力的支持9
1.4.4 人机协作审批10
1.4.5 按需编写JavaScript/Python脚本10
1.4.6 私有化部署与沙箱安全隔离11
1.4.7 执行数据记录与可视化调试12
1.4.8 Publish与自动保存12
1.4.9 团队协作与工作流版本管理13
1.5 n8n的理念与生态13
1.5.1 开放与商业的平衡13
1.5.2 生态资源14
1.5.3 小结14
1.6 n8n的技术架构：深入了解底层设计14
1.6.1 核心技术栈与组成14
1.6.2 执行模式：默认模式与队列模式14
1.6.3 部署建议：以Docker Compose为主线15
1.6.4 小结15
1.7 社区、模板与学习路径15
1.7.1 模板的价值15
1.7.2 社区节点的使用原则15
1.7.3 小结16
1.8 企业应用场景概览16
第2章 n8n环境搭建17
2.1 n8n的版本区别17
2.2 Cloud版本部署18
2.2.1 适用场景18
2.2.2 基本使用流程18
2.2.3 套餐与使用建议20
2.3 Community社区版本部署21
2.3.1 部署前的准备21
2.3.2 创建项目目录21
2.3.3 编写docker-compose.yml22
2.3.4 启动n8n23
2.3.5 访问n8n并创建管理员账号23
2.3.6 验证PostgreSQL和pgvector24
2.3.7 常用管理命令24
2.3.8 常见问题排查25
2.3.9 更新与备份25
2.3.10 其他部署方式26
2.4 配置中文界面26
2.4.1 使用浏览器翻译插件（推荐）26
2.4.2 使用社区中文Docker镜像27
2.4.3 不推荐在本书主线中手动替换容器文件28
2.4.4 方案对比与选择建议28
2.5 变量配置28
2.5.1 为什么需要环境变量29
2.5.2 常用环境变量速查29
2.5.3 使用.env管理配置29
2.6 权限路径与数据存储30
2.6.1 .n8n目录里保存什么30
2.6.2 /files路径怎么用30
2.6.3 备份哪些内容31
2.6.4 常见权限问题31
2.7 n8n快速开发入门32
2.7.1 第*个工作流：定时网站监控32
2.7.2 第*个AI Agent：AI聊天助手33
2.7.3 调试习惯35
第3章 n8n核心概念36
3.1 变量与表达式36
3.1.1 固定值与表达式36
3.1.2 表达式语法基础38
3.2 数据流逻辑40
3.2.1 核心数据结构：JSON与Binary41
3.2.2 Item与列表List42
3.2.3 隐式循环机制42
3.3 凭据与安全43
3.3.1 凭据管理机制43
3.3.2 环境变量与敏感数据保护49
3.4 模块化思维49
3.4.1 节点分类49
3.4.2 模板的复用价值50
3.4.3 自定义组件：从Code到Sub-workflow52
3.4.4 模块化设计的*佳实践53
3.5 任务调度与执行54
3.5.1 定时任务与Cron表达式54
3.5.2 生产模式与开发模式55
3.5.3 时区与并发控制57
3.5.4 小结58
第4章 画布与工作流管理59
4.1 画布操作指南59
4.1.1 界面布局与导航59
4.1.2 节点的添加、连接与布局优化60
4.1.3 快捷键与高效技巧61
4.2 工作流生命周期管理62
4.2.1 工作流的创建、保存、备份与导入导出62
4.2.2 标签与分类管理63
4.2.3 发布与取消发布63
4.3 调试与监控64
4.3.1 执行历史详解64
4.3.2 单步调试与Pin Data65
4.3.3 错误排查、重试、数据保留与错误监控66
第5章 节点与触发器深度解析68
5.1 常用节点详解68
5.1.1 数据处理节点68
5.1.2 逻辑控制节点69
5.1.3 HTTP Request节点70
5.1.4 Code节点71
5.1.5 流程控制节点71
5.1.6 *佳实践：提升可读性72
5.2 触发器深度解析72
5.2.1 Webhook：连接万物的即时入口72
5.2.2 Webhook安全与鉴权74
5.2.3 轮询触发器：主动拉取的策略75
5.2.4 Error Trigger：全局错误处理的安全网75
5.2.5 触发器应用案例76
5.3 数据持久化76
5.3.1 Data Table的概念与优势76
5.3.2 节点资源与常用操作77
5.3.3 典型应用场景77
5.3.4 注意事项与进阶建议78
第6章 编写与优化提示词80
6.1 n8n视角下的提示词分类80
6.1.1 n8n中的提示词特点80
6.1.2 n8n中的Context80
6.1.3 提示词的分类体系81
6.2 编写高质量提示词的4种方法81
6.2.1 角色扮演法81
6.2.2 细节法81
6.2.3 示例法82
6.2.4 推理法82
6.3 结构化提示词83
6.3.1 RC-CF框架83
6.3.2 常用结构化格式83
6.3.3 n8n实践：构建结构化提示词84
6.4 n8n中的提示词模式84
6.4.1 Fixed模式84
6.4.2 Expression模式84
6.4.3 调试提示词85
6.4.4 动态提示词的高级用法85
6.5 系统提示词与用户提示词85
6.5.1 系统提示词：定义角色与边界85
6.5.2 用户提示词：传递任务与动态数据86
6.5.3 两者如何协作86
6.6 使用AI优化提示词86
6.6.1 让大模型重写提示词86
6.6.2 Meta-Prompting：生成多个候选版本87
6.6.3 Evaluator-Optimizer模式87
6.7 实践：打造一个“夸夸助手”87
6.7.1 场景设计与工作流概览87
6.7.2 配置系统提示词88
6.7.3 配置用户提示词89
6.7.4 运行与测试89
6.7.5 进阶思路：加入随机风格90
6.8 本章小结90
第2部分 实战篇
第7章 实战案例：智能客服92
7.1 工作流设计思路92
7.1.1 要实现的功能92
7.1.2 技术选型92
7.1.3 本章学习路径93
7.2 创建知识库文档导入工作流93
7.2.1 准备工作93
7.2.2 工作流整体架构93
7.2.3 创建工作流与表单入口94
7.2.4 配置Postgres PGVector Store94
7.2.5 配置Data Loader与Text Splitter95
7.2.6 配置Embeddings节点96
7.2.7 测试知识库文档导入工作流96
7.3 创建客服问答工作流与配置核心AI模块98
7.3.1 创建工作流并添加Chat Trigger98
7.3.2 添加AI Agent节点98
7.3.3 测试客服问答工作流101
7.4 创建飞书应用104
7.4.1 创建企业自建应用104
7.4.2 添加机器人能力105
7.4.3 配置消息权限105
7.4.4 配置事件订阅106
7.4.5 发布版本106
7.4.6 保存应用凭证107
7.4.7 邀请机器人加入会话108
7.5 配置飞书消息触发器与回复109
7.5.1 安装飞书社区节点109
7.5.2 创建飞书版客服工作流110
7.5.3 复用AI Agent核心逻辑110
7.5.4 配置AI Agent输入111
7.5.5 配置飞书用户会话标识112
7.5.6 添加Lark Reply节点112
7.5.7 测试完整链路113
7.6 复盘与小结114
7.6.1 本章核心收获114
7.6.2 后续优化方向115
第8章 实战案例：挖掘Reddit商机116
8.1 工作流设计思路116
8.1.1 为什么从Reddit挖掘商机116
8.1.2 要实现的功能116
8.1.3 工作流整体架构117
8.1.4 技术选型说明118
8.1.5 准备工作118
8.2 创建数据表与安装Apify节点118
8.2.1 Data Table的作用118
8.2.2 创建两张核心数据表119
8.2.3 安装Apify社区节点120
8.2.4 配置Apify凭据121
8.3 构建数据采集和字段预处理模块121
8.3.1 添加Schedule Trigger节点122
8.3.2 使用HTTP Request获取RSS122
8.3.3 使用XML节点解析数据123
8.3.4 使用Merge节点合并数据124
8.3.5 使用Code节点提取关键字段124
8.3.6 完整测试125
8.4 构建内容抓取和存储与去重模块126
8.4.1 转换URL格式126
8.4.2 配置Apify节点获取评论127
8.4.3 使用Data Table存储抓取结果128
8.4.4 过滤已经分析过的数据129
8.5 构建AI智能分析和结果存储与通知模块130
8.5.1 添加AI Agent与输出解析器131
8.5.2 设计分析提示词132
8.5.3 记录分析结果133
8.5.4 过滤有价值内容134
8.5.5 合并原始数据与分析结果135
8.5.6 格式化通知内容136
8.6 复盘与小结137
8.6.1 本章核心收获137
8.6.2 后续优化方向137
第9章 实战案例：小红书文案提取与仿写138
9.1 工作流设计思路138
9.1.1 要解决的问题138
9.1.2 效果展示138
9.1.3 工作流整体架构139
9.1.4 准备工作140
9.2 安装XHS-Downloader环境140
9.2.1 为什么需要XHS-Downloader140
9.2.2 准备目录结构140
9.2.3 编写XHS-Downloader的docker-compose.yml文件141
9.2.4 给n8n增加共享卷141
9.2.5 启动并验证服务141
9.3 配置链接输入与数据获取阶段相关节点142
9.3.1 Form Trigger：创建任务提交入口142
9.3.2 Code节点：提取干净链接144
9.3.3 HTTP Request：获取笔记详情并下载视频145
9.3.4 测试与排查146
9.4 配置Gemini提取视频文案节点146
9.4.1 Read File(s) From Disk节点：读取视频文件146
9.4.2 Google Gemini节点：音频转文字147
9.4.3 测试与排查148
9.5 打造“超级内容增长专家”AI内容创作节点148
9.5.1 创作节点的提示词设计148
9.5.2 添加AI Agent并连接模型149
9.5.3 配置系统提示词和用户提示词149
9.5.4 配置Options并测试151
9.6 配置Webhook通知节点152
9.6.1 为什么使用Webhook152
9.6.2 获取飞书Webhook地址152
9.6.3 添加HTTP Request节点154
9.6.4 使用卡片消息美化结果155
9.7 复盘与小结156
9.7.1 本章核心收获156
9.7.2 后续优化方向156
第10章 实战案例：小红书知识图文流水线157
10.1 工作流设计思路157
10.1.1 自动化知识卡片创作157
10.1.2 *终效果158
10.1.3 工作流整体架构158
10.1.4 技术选型说明159
10.2 安装xiaohongshu-mcp159
10.2.1 认识xiaohongshu-mcp与MCP159
10.2.2 下载与安装160
10.2.3 扫码登录161
10.2.4 启动MCP服务161
10.2.5 验证服务162
10.2.6 Docker部署（可选）163
10.3 配置AI Agent生成图片提示词节点163
10.3.1 从主题到图片提示词的数据流163
10.3.2 提交创作主题164
10.3.3 图片提示词生成164
10.3.4 提示词结构化输出166
10.3.5 拆分提示词列表168
10.3.6 测试提示词生成169
10.4 配置Nano Banana Pro生成图片节点170
10.4.1 生成图片170
10.4.2 写入图片到磁盘171
10.4.3 组装发布基础数据172
10.4.4 测试与排查173
10.5 配置AI Agent文案生成与数据组装节点173
10.5.1 文案生成的设计思路173
10.5.2 配置文案生成节点173
10.5.3 配置文案模型与结构化输出175
10.5.4 组装*终发布数据175
10.5.5 测试文案生成效果176
10.6 使用xiaohongshu-mcp自动发帖177
10.6.1 为什么使用AI Agent + MCP Client Tool模式177
10.6.2 自动发布小红书177
10.6.3 配置小红书MCP工具178
10.6.4 配置发布模型179
10.6.5 检查连接与日志180
10.7 完善消息通知181
10.7.1 整理通知消息182
10.7.2 发送到飞书Webhook183
10.7.3 配置错误处理183
10.8 完整流程测试与发布184
10.8.1 端到端测试流程184
10.8.2 激活工作流185
10.8.3 批量创作技巧186
10.9 复盘与小结187
10.9.1 本章核心收获187
10.9.2 后续优化方向187
第11章 实战案例：量化投资工作流188
11.1 工作流设计思路188
11.1.1 为什么要进行投资量化分析188
11.1.2 要构建的工作流188
11.1.3 工作流整体架构189
11.1.4 技术选型说明190
11.1.5 环境准备190
11.2 配置Data Table190
11.2.1 两张Data Table的作用190
11.2.2 创建dt_关注公司清单191
11.2.3 创建dt_快讯分析结果192
11.2.4 去重字段news_hash192
11.2.5 验证清单193
11.3 配置添加关注公司工作流193
11.3.1 接收添加公司请求193
11.3.2 解析股票信息194
11.3.3 配置DeepSeek模型195
11.3.4 配置股票结构化输出195
11.3.5 写入关注公司表196
11.3.6 返回处理结果198
11.3.7 完整测试198
11.4 部署aktools199
11.4.1 为什么使用aktools199
11.4.2 Docker部署199
11.4.3 验证部署200
11.4.4 在n8n中调用201
11.4.5 数据源和访问路径说明201
11.4.6 常用运维命令201
11.5 配置快讯抓取节点202
11.5.1 添加Schedule Trigger节点202
11.5.2 使用HTTP Request抓取华尔街快讯203
11.5.3 使用Code节点标准化快讯数据203
11.5.4 使用Data Table筛选未处理快讯204
11.5.5 使用IF节点判断是否有新快讯205
11.5.6 使用Data Table Get获取关注公司清单206
11.5.7 使用Code节点拼接关注公司提示词207
11.5.8 使用Merge节点合并输入207
11.5.9 使用NoOp节点处理无新快讯情况208
11.5.10 数据采集层完整节点连接209
11.6 配置AI Agent判断新闻相关性209
11.6.1 配置快讯相关性分析Agent209
11.6.2 配置模型与结构化输出211
11.6.3 提取*高相关公司213
11.6.4 结构化输出排查214
11.7 通过aktools获取日线交易数据214
11.7.1 数据获取层开始前的节点状态214
11.7.2 准备行情请求参数215
11.7.3 获取A股行情216
11.8 计算技术指标和进行量化分析217
11.8.1 技术指标科普小贴士218
11.8.2 计算技术指标218
11.8.3 合并分析上下文220
11.8.4 综合投资分析221
11.8.5 DeepSeek综合分析模型222
11.8.6 综合分析结构化输出222
11.8.7 常见问题与解决方案224
11.9 记录分析结果并发送通知225
11.9.1 入库字段规范化225
11.9.2 写入分析结果226
11.9.3 飞书卡片通知227
11.9.4 通知和复盘建议228
11.10 复盘与小结228
11.10.1 本章核心收获228
11.10.2 后续优化方向228
第
![]()
孔网啦啦啦啦啦纺织女工火锅店第三课
开播时间：09月02日 10:30
即将开播，去预约
直播中，去观看
占位居中
