很多人用 AI 的方式还停留在「打开对话框、复制粘贴、再复制结果出来」。这种手动搬运一天做几十次，时间全耗在中间环节。真正省力的做法，是把「触发—取数据—交给 AI 处理—把结果送到目标」这条链子用自动化工具接起来，让它在后台自己跑。n8n 就是干这件事的工具。这篇教程用「每天早上自动整理前一天的邮件、生成摘要并发到工作群」这个场景，带你搭出第一条真正无人值守的 AI 流水线。
适用人群与为什么选 n8n
这篇教程适合三类人：被重复性信息处理拖住的运营、客服、行政——每天要看一堆邮件、消息、表单提交；想把 AI 嵌进现有工具链（邮箱、表格、IM、数据库）而不是孤立使用的人；以及对数据流向有要求、希望流程跑在自己服务器上的团队。只要你的需求能拆成「在什么时候、从哪取数据、做什么处理、送到哪里」，就适合用它自动化。
为什么是 n8n？它是开源的工作流自动化工具，可以自己部署（数据不出本地），有几百个应用集成和现成的 AI 节点，用可视化拖拽连节点的方式搭流程，不用写代码也能上手，需要时又能插入一段 JavaScript 处理细节。相比纯云端的同类工具，它的优势是免费自托管、数据可控、不受单条工作流执行次数的套餐限制——这对要高频跑的自动化很关键。
第一步：先把流程画在纸上
打开 n8n 之前，先用一句话把流程拆成几个明确的环节。以邮件摘要为例：每天早上 8 点（触发）→ 拉取前一天收到的邮件（取数据）→ 把邮件内容交给 AI 总结成要点（处理）→ 把摘要发到企业微信/Slack 群（输出）。
这一步看似多余，其实决定了后面顺不顺。把每个环节要「输入什么、输出什么」写清楚：触发节点输出一个时间信号；邮件节点输出一个邮件列表（含发件人、主题、正文）；AI 节点输入这个列表、输出一段摘要文本；发送节点输入摘要、输出到目标群。环节之间的数据怎么衔接想明白了，搭起来就是照着接线，而不是边搭边猜。
第二步：配置触发器，决定流程什么时候跑
每条工作流都从一个触发节点（Trigger）开始。常见的触发方式有三种：定时触发（Schedule，按 cron 表达式定时跑，比如每天 8 点）、Webhook 触发（外部系统通过一个 URL 实时调起它，适合「表单一提交就处理」）、以及应用事件触发（比如收到新邮件、表格新增一行就触发）。
我们的邮件摘要场景用定时触发最合适。新建一个 Schedule Trigger 节点，设成每天 08:00 执行。这里要注意时区——n8n 的定时按服务器时区算，部署在海外服务器上很容易差几个小时，先确认时区设置对，否则流程会在你意想不到的时间跑。配好后可以手动点一次「执行」测试触发是否正常，再接下一个节点。
第三步：取数据，把邮件拉进流程
触发之后是取数据。在画布上加一个邮箱节点（如 Gmail、IMAP 或 Outlook），用平台的凭证管理填好授权——n8n 把账号密钥加密存在凭证里，不会明文散落在各节点。配置这个节点的取数条件：只要前一天收到的、只取收件箱、过滤掉已读或某些标签，避免把无关邮件也卷进来。
取数据节点最该花心思的是「过滤」。如果不加条件，它会把促销、通知、垃圾邮件一股脑拉进来，既浪费 AI 的处理成本，摘要也会被噪音淹没。建议先加规则只保留真正需要关注的邮件，比如来自特定域名、含特定关键词的。配完点执行，看节点输出的数据结构——确认拿到的是一个包含发件人、主题、正文的列表，这是下一步喂给 AI 的原料。
第四步：接入 AI 节点，把数据变成结论
核心环节来了。加一个 AI 节点（n8n 内置了对接各家大模型的节点，填好 API 密钥即可），把上一步的邮件列表作为输入。这里的关键是提示词怎么写。不要只写「总结这些邮件」，要给结构：「以下是昨天收到的邮件列表。请按重要程度排序，输出不超过 8 条摘要，每条包含：发件人、一句话核心内容、是否需要我今天回复（是/否）。忽略纯通知和营销邮件。用中文，简洁。」
提示词里把输出格式定死，是为了让后面的发送节点能稳定使用结果。如果你还想让摘要自动分类或打标签，可以要求 AI 输出 JSON，再用一个后续节点解析。这一步要反复测：拿真实的一批邮件跑几次，看摘要质量稳不稳定、有没有漏掉重要邮件、格式是否一致。AI 节点是整条流水线的大脑，它调顺了，整个流程才有价值。
第五步：输出结果并加上错误处理
最后把 AI 的摘要送到目标。加一个发送节点（企业微信、Slack、飞书、邮件均可），把 AI 输出的文本填进消息体，再补上日期标题，让每天的摘要一目了然。连好后整条线就通了：触发 → 取邮件 → AI 摘要 → 发群。
但「能跑通」和「能托付」之间还差一层：错误处理。自动化流水线最怕的是某天悄无声息地挂了，你还以为它在正常工作。给关键节点配置出错分支——比如邮箱拉取失败、AI 接口超时，就触发一条「今日摘要流程出错」的告警发给你自己。n8n 支持给工作流设错误工作流（Error Workflow），统一捕获异常。加上这层，你才敢真的不去管它。配完，把工作流激活（Active），它就会按计划在后台自己跑了。
常见坑与避坑提醒
第一个坑是「不加过滤就喂给 AI」，把全部邮件塞进去，既烧 token 又让摘要质量下降，取数阶段的过滤决定了下游质量。第二个坑是「时区搞错」，定时任务在错误的时间执行，自托管时尤其常见，先确认服务器时区。第三个坑是「凭证和密钥乱放」，API key、邮箱授权一定走 n8n 的凭证管理，别硬编码进节点或暴露在公开的 Webhook 里。第四个坑是「没有错误处理」，流程静默失败比报错更可怕，关键流水线必须配告警。第五个坑是「一上来就搭超长流程」，节点一多排错极难，先用三四个节点跑通最小闭环，再逐步加分支和功能。
替代方案与如何选择
如果你不想自己部署、维护服务器，云端的同类工具（Zapier、Make、以及 n8n 自家的云托管版）能省去运维，开箱即用、有图形化模板，代价是按执行次数/任务量付费，高频场景成本会上去，且数据要经过它们的服务器。需求轻、跑得不频繁、不涉及敏感数据，云端工具上手最快；要高频运行、数据必须自己掌控、或想深度定制逻辑，自托管 n8n 更划算。
还有一种情况：如果你的流程其实只是「单次、对话式」的处理，比如偶尔整理一批资料，那根本不需要搭自动化，直接在 AI 对话里做完更省事。自动化的价值只在「同样的事要反复做很多次」时才显现。判断标准很简单——这个流程一周要跑几次？跑一两次，手动就好；天天跑、一天跑很多次，才值得花半天搭成流水线。把真正高频、规则清晰的重复劳动交给 n8n，把需要判断和创意的部分留给自己，是用自动化把 AI 变成生产力的正确姿势。