n8n-workflow-patterns

# n8n 工作流模式 构建 n8n 工作流的成熟架构模式。 --- ## 5 大核心模式 基于对真实工作流使用情况的分析： 1. **[Webhook 处理](webhook_processing.md)** (最常见) - 接收 HTTP 请求 → 处理 → 输出 - 模式：Webhook → 验证 → 转换 → 响应/通知 2. **[HTTP API 集成](http_api_integration.md)** - 从 REST API 获取 → 转换 → 存储/使用 - 模式：触发器 → HTTP 请求 → 转换 → 动作 → 错误处理程序 3. **[数据库操作](database_operations.md)** - 读取/写入/同步数据库数据 - 模式：计划 → 查询 → 转换 → 写入 → 验证 4. **[AI 智能体工作流](ai_agent_workflow.md)** - 具备工具和记忆的 AI 智能体 - 模式：触发器 → AI 智能体 (模型 + 工具 + 记忆) → 输出 5. **[定时任务](scheduled_tasks.md)** - 循环自动化工作流 - 模式：计划 → 获取 → 处理 → 交付 → 日志 --- ## 模式选择指南 ### 何时使用每种模式： **Webhook 处理** - 用于： - 从外部系统接收数据 - 构建集成（Slack 命令、表单提交、GitHub Webhook） - 需要对事件进行即时响应 - 示例：“接收 Stripe 支付 Webhook → 更新数据库 → 发送确认” **HTTP API 集成** - 用于： - 从外部 API 获取数据 - 与第三方服务同步 - 构建数据管道 - 示例：“获取 GitHub 问题 → 转换 → 创建 Jira 工单” **数据库操作** - 用于： - 数据库之间同步 - 按计划运行数据库查询 - ETL 工作流 - 示例：“读取 Postgres 记录 → 转换 → 写入 MySQL” **AI 智能体工作流** - 用于： - 构建对话式 AI - 需要具备工具访问权限的 AI - 多步推理任务 - 示例：“与可以搜索文档、查询数据库、发送邮件的 AI 对话” **定时任务** - 用于： - 循环报告或摘要 - 定期数据获取 - 维护任务 - 示例：“每日：获取分析数据 → 生成报告 → 邮件发送给团队” --- ## 常见工作流组件 所有模式共享这些构建块： ### 1. 触发器 - **Webhook** - HTTP 端点（即时） - **Schedule** - 基于 Cron 的定时（周期性） - **Manual** - 点击执行（测试） - **Polling** - 检查变更（间隔） ### 2. 数据源 - **HTTP Request** - REST API - **数据库节点** - Postgres, MySQL, MongoDB - **服务节点** - Slack, Google Sheets 等 - **代码** - 自定义 JavaScript/Py