n8n实践课程资源库：从工作流自动化到AI Agent完整构建指南

UNAERP 2026年n8n入门课程完整资料，包含课堂构建的工作流、Docker部署指南、补充资源以及最终项目——具备聊天、记忆和工具能力的AI Agent。

curso-n8n-unaerp-2026 是巴西UNAERP大学于2026年开设的n8n实践入门课程资源库。课程全名为"Introdução ao n8n: automação de workflows e agents de AI na prática"（n8n入门：工作流自动化与AI代理实践），旨在帮助学生和从业者掌握现代自动化工具的使用，并理解如何将AI能力集成到工作流中。

该资源库的价值在于它不仅提供理论知识，更包含了完整的实践材料：课堂中逐步构建的工作流示例、Docker环境搭建指南、补充学习资源，以及一个综合性的期末项目——一个具备聊天交互、记忆能力和工具调用的完整AI Agent。

n8n（发音为"n-eight-n"）是一款开源的工作流自动化工具，采用可视化的节点编排方式，让用户无需编写大量代码即可构建复杂的自动化流程。其核心特点包括：

• 可视化编辑器：通过拖拽节点和连接线构建工作流
• 400+集成节点：覆盖主流SaaS服务和数据库
• 自托管支持：可在本地或私有服务器部署，保障数据隐私
• AI原生支持：内置LangChain集成，支持构建AI Agent
• 代码节点：在需要时可通过JavaScript/Python编写自定义逻辑

与Zapier、Make等商业自动化平台相比，n8n的优势在于：

1. 开源免费：社区版完全免费，无任务数量限制
2. 数据主权：自托管意味着敏感数据不会离开自有基础设施
3. 灵活扩展：开源代码允许深度定制和二次开发
4. 活跃社区：丰富的社区节点和模板资源

该资源库按照学习进度组织，适合循序渐进的自学或教学使用。

课程首先提供了完整的Docker部署方案，这是快速开始n8n学习的最佳方式：

# 典型的n8n Docker Compose配置
services:
  n8n:
    image: n8nio/n8n:latest
    ports:
      - "5678:5678"
    environment:
      - N8N_BASIC_AUTH_ACTIVE=true
      - N8N_BASIC_AUTH_USER=admin
      - N8N_BASIC_AUTH_PASSWORD=password
    volumes:
      - ~/.n8n:/home/node/.n8n

使用Docker的优势：

• 环境一致性：所有学生使用相同的运行环境
• 快速启动：几分钟内完成部署，无需处理依赖冲突
• 易于重置：出现问题时可快速销毁重建
• 生产接近：Docker也是生产环境的推荐部署方式

课程包含多个在课堂上逐步构建的工作流，涵盖n8n的核心功能：

基础自动化工作流

• 定时任务：使用Cron节点定期执行操作
• 数据转换：使用Set、Code节点处理和转换数据
• 条件分支：使用IF、Switch节点实现逻辑判断
• 循环处理：使用Split In Batches处理批量数据

外部服务集成

• 邮件自动化：读取Gmail、发送邮件通知
• 表格处理：Google Sheets数据的读写操作
• 消息推送：Slack、Discord、Telegram消息发送
• API调用：HTTP Request节点与任意REST API交互

错误处理与监控

• 错误分支：为节点配置Error Output处理异常情况
• 重试机制：设置自动重试策略应对临时故障
• 执行日志：利用n8n的执行历史追踪问题

课程的核心亮点是对AI Agent构建的系统性讲解。

AI节点概览

n8n通过LangChain集成提供了丰富的AI能力：

• LLM节点：连接OpenAI、Anthropic、本地模型等
• 向量存储：Pinecone、Supabase、Chroma等向量数据库
• 文档加载器：从PDF、网页、数据库加载知识
• 文本分割器：处理长文档的切块策略
• 嵌入模型：文本向量化的模型选择

期末项目：完整AI Agent

课程的综合性项目是一个功能完备的AI Agent，具备以下特性：

聊天交互能力

• 基于Chat Trigger节点接收用户输入
• 支持多轮对话的上下文维护
• 可配置的系统提示词设定Agent角色

记忆机制

• 使用Window Buffer Memory或Vector Store Memory
• 支持对话历史的存储和检索
• 可配置的上下文窗口长度

工具调用

• 集成计算器、搜索引擎、API调用等工具
• 使用Agent节点实现ReAct或Plan-and-Execute模式
• 工具执行结果的解析和呈现

这个项目的完整代码和配置都在资源库中提供，学习者可以导入后逐步分析其结构，理解各组件如何协同工作。