n8n工作流实战：3个案例把AI塞进日常
上周三凌晨两点，我盯着飞书群里机器人自动推送的RSS总结，突然意识到——过去三个月，我手动干了至少200小时这种重复劳动。每天早上打开20多个AI资讯源，逐篇复制到ChatGPT，再手动整理成摘要发到群里。
用n8n搭了自动化流水线后，整个流程压缩到每天8分钟（检查+微调），成本从每月300块降到12块。
本文是一篇实操指南，预计15-30分钟完成全部操作。
核心操作
安装
npm install -g n8n
n8n start
浏览器打开 http://localhost:5678。需要 Node.js 18+。Windows 建议用 WSL2。生产环境别用 SQLite，上 MySQL 或 PostgreSQL。
接入灿海星图
添加「OpenAI」节点（支持任何兼容 OpenAI 的 API）：
- Base URL：
https://www.lumaocean.com/v1 - API Key：
sk-你的Key - Model：按任务选择
可以添加多个 OpenAI 节点，每个指向不同模型。API Key 别直接写在节点里，用 n8n 的 Credentials 管理存成变量。
工作流1：RSS监控+AI总结+飞书推送
[Schedule 每天8:00] → [RSS Read 5个AI源] → [OpenAI 总结] → [飞书 Webhook]
DeepSeek-V4-Flash 群消息推送
Prompt：总结以下文章核心要点，每条不超过50字，总共不超过10条。每篇文章独立总结，用分隔符分开。
真实数据：跑了3个月，处理约2000篇文章。DeepSeek-V4-Flash单次总结成本0.003元（输入2000token+输出500token），5个源每天成本0.015元。对比之前用GPT手动总结，成本从每天10元降到0.015元[¹]。
一个踩坑：DeepSeek偶尔把两篇不同文章的内容合并成一条总结。在 Prompt 里加"每篇文章独立总结"解决。
工作流2：GitHub Issue自动分析
[GitHub Trigger] → [OpenAI 分析] → [IF 分支] → [GitHub 更新]
新Issue事件 GPT-5.6 按类型路由 加标签+分配
AI 判断：Bug/Feature/Question + 紧急度（高/中/低）+ 建议负责人。
真实数据：开源项目日均5-8个Issue。人工处理时间从40分钟降到8分钟（主要是审核AI判断）。误判率约8%，70%是漏报（"中紧急"判成"低紧急"）[¹]。
踩坑：GPT-5.6最初把"如何安装"也判为"高紧急度"。Prompt 里改成"只有涉及生产环境崩溃、数据丢失、安全漏洞的才判为高紧急度"后，准确率从60%到92%。
工作流3：邮件分类+草拟回复
[Email Trigger] → [OpenAI 分类] → [OpenAI 草拟回复] → [Gmail Draft]
新邮件 MiniMax-abab6.5s Claude Sonnet 4 存草稿等审核
真实数据：公司日均约120封邮件。MiniMax分类准确率94%（500封测试样本），成本约0.001元/封。Claude草拟成本约0.008元/封。每天总成本约1.08元。对比之前人工处理（助理1.5小时/天，时薪50元），成本从75元降到1元[¹]。
草稿质量抽查（100封）：直接可用65%，需要小改30%，完全重写5%。涉及合同、报价、法律条款的邮件不让AI碰。
模型选择原则
| 环节 | 模型 | 成本 | 原因 |
|---|---|---|---|
| 简单分类 | MiniMax-abab6.5s | 0.001元/次 | 极速极便宜 |
| 内容总结 | DeepSeek-V4-Flash | 每次调用成本极低 | 中文总结好 |
| 深度分析 | Claude Sonnet 4 | 0.02元/次 | 质量高 |
| 代码生成 | GPT-5.6 | 0.05元/次 | 代码能力强 |
能用便宜的绝不用贵的。MiniMax做分类1000封成本1元准确率94%，GPT同级任务50元准确率97%——3%换50倍成本，不值。
常见疑问
Q1：n8n的OpenAI节点只能填一个模型名，怎么在一个工作流里混用多个模型？
一个工作流里放多个OpenAI节点，每个独立配置Base URL和Model。节点A叫"分类器"填MiniMax，节点B叫"分析师"填Claude。任务来了先走A分类，根据结果路由到B或C。
Q2：邮件分类的正则前置过滤不会被绕过去吗？
会。正则只当粗筛不替代AI分类。命中了推广关键词的邮件标记为"疑似推广"，仍然走AI分类，但Prompt里多一条提醒信号。如果AI结果和正则矛盾，保留AI结果——有的正经商务邮件也会无意踩到关键词。
Q3：n8n工作流崩了怎么快速恢复？
先查日志n8n audit --last-100看哪个节点挂的——大部分是API超时或节点内存溢出。解决后重启服务即可。建议开n8n定时备份功能，把工作流JSON每天同步到Git仓库。
我为什么不用Zapier/Make
Zapier和Make的AI节点要么绑定了特定模型（GPT only），要么AI节点的单次调用延迟高到不可用。n8n开源自部署，AI节点用标准OpenAI协议——换模型、调参数、加工具调用都自己完全控制。还有成本：n8n社区版免费，Zapier的AI相关功能要$30+/月。
数据来源：[¹] 作者基于n8n+灿海星图的生产环境实测数据（2026.3-2026.6）；n8n GitHub仓库 (github.com/n8n-io/n8n)；灿海星图模型定价页。