OA0 = Omni AI 0

OA0 是一个探索 AI 的论坛

现在注册

已注册用户请登录

名称： n8n
描述： 通过 API 管理 n8n 工作流和自动化任务。适用于处理 n8n 工作流、执行记录或自动化任务时——例如列出工作流、激活/停用、检查执行状态、手动触发工作流或调试自动化问题。
元数据： {"openclaw":{"emoji":"\u2699\ufe0f","requires":{"env":["N8N_API_KEY","N8N_BASE_URL"]},"primaryEnv":"N8N_API_KEY"}}

n8n 工作流管理

为 n8n 平台提供全面的工作流自动化管理功能，涵盖创建、测试、执行监控和性能优化。

⚠️ 关键：工作流创建规则

创建 n8n 工作流时，请务必：

✅ 生成完整的工作流，包含所有功能节点
✅ 包含实际的 HTTP 请求节点用于 API 调用（ImageFX、Gemini、Veo、Suno 等）
✅ 添加代码节点用于数据转换和逻辑处理
✅ 在所有节点之间建立正确的连接
✅ 使用真实的节点类型（n8n-nodes-base.httpRequest、n8n-nodes-base.code、n8n-nodes-base.set）

切勿：
- ❌ 创建“设置说明”占位符节点
- ❌ 生成仅包含 TODO 注释的工作流
- ❌ 制作需要手动添加节点的不完整工作流
- ❌ 使用纯文本节点替代实际功能

良好工作流示例：

手动触发器 → 设置配置 → HTTP 请求（API 调用）→ 代码（解析）→ 响应

不良工作流示例：

手动触发器 → 代码（“在此添加 HTTP 节点，配置 API...”）

始终构建完整、功能齐全的工作流，并配置和连接所有必要节点。

设置

必需的环境变量：
- N8N_API_KEY — 您的 n8n API 密钥（在 n8n UI 中：设置 → API）
- N8N_BASE_URL — 您的 n8n 实例 URL

通过 OpenClaw 设置配置凭据：

添加到 ~/.config/openclaw/settings.json：

{
  "skills": {
    "n8n": {
      "env": {
        "N8N_API_KEY": "your-api-key-here",
        "N8N_BASE_URL": "your-n8n-url-here"
      }
    }
  }
}

或按会话设置（请勿将密钥保存在 shell rc 文件中）：

export N8N_API_KEY="your-api-key-here"
export N8N_BASE_URL="your-n8n-url-here"

验证连接：

python3 scripts/n8n_api.py list-workflows --pretty

安全提示： 切勿将 API 密钥以明文形式存储在 shell 配置文件（~/.bashrc、~/.zshrc）中。请使用 OpenClaw 设置文件或安全的密钥管理器。

快速参考

工作流管理

列出工作流

python3 scripts/n8n_api.py list-workflows --pretty
python3 scripts/n8n_api.py list-workflows --active true --pretty

获取工作流详情

python3 scripts/n8n_api.py get-workflow --id <workflow-id> --pretty

创建工作流

# 从 JSON 文件创建
python3 scripts/n8n_api.py create --from-file workflow.json

激活/停用

python3 scripts/n8n_api.py activate --id <workflow-id>
python3 scripts/n8n_api.py deactivate --id <workflow-id>

测试与验证

验证工作流结构

# 验证现有工作流
python3 scripts/n8n_tester.py validate --id <workflow-id>

# 从文件验证
python3 scripts/n8n_tester.py validate --file workflow.json --pretty

# 生成验证报告
python3 scripts/n8n_tester.py report --id <workflow-id>

空运行测试

# 使用数据测试
python3 scripts/n8n_tester.py dry-run --id <workflow-id> --data '{"email": "test@example.com"}'

# 使用数据文件测试
python3 scripts/n8n_tester.py dry-run --id <workflow-id> --data-file test-data.json

# 完整测试报告（验证 + 空运行）
python3 scripts/n8n_tester.py dry-run --id <workflow-id> --data-file test.json --report

测试套件

# 运行多个测试用例
python3 scripts/n8n_tester.py test-suite --id <workflow-id> --test-suite test-cases.json

执行监控

列出执行记录

# 最近的执行记录（所有工作流）
python3 scripts/n8n_api.py list-executions --limit 10 --pretty

# 特定工作流的执行记录
python3 scripts/n8n_api.py list-executions --id <workflow-id> --limit 20 --pretty

获取执行详情

python3 scripts/n8n_api.py get-execution --id <execution-id> --pretty

手动执行

# 触发工作流
python3 scripts/n8n_api.py execute --id <workflow-id>

# 使用数据执行
python3 scripts/n8n_api.py execute --id <workflow-id> --data '{"key": "value"}'

性能优化

分析性能

# 完整性能分析
python3 scripts/n8n_optimizer.py analyze --id <workflow-id> --pretty

# 分析特定时间段
python3 scripts/n8n_optimizer.py analyze --id <workflow-id> --days 30 --pretty

获取优化建议

# 按优先级排序的建议
python3 scripts/n8n_optimizer.py suggest --id <workflow-id> --pretty

生成优化报告

# 包含指标、瓶颈和建议的可读报告
python3 scripts/n8n_optimizer.py report --id <workflow-id>

获取工作流统计信息

# 执行统计
python3 scripts/n8n_api.py stats --id <workflow-id> --days 7 --pretty

Python API

基本用法

from scripts.n8n_api import N8nClient

client = N8nClient()

# 列出工作流
workflows = client.list_workflows(active=True)

# 获取工作流
workflow = client.get_workflow('workflow-id')

# 创建工作流
new_workflow = client.create_workflow({
    'name': '我的工作流',
    'nodes': [...],
    'connections': {...}
})

# 激活/停用
client.activate_workflow('workflow-id')
client.deactivate_workflow('workflow-id')

# 执行记录
executions = client.list_executions(workflow_id='workflow-id', limit=10)
execution = client.get_execution('execution-id')

# 执行工作流
result = client.execute_workflow('workflow-id', data={'key': 'value'})

验证与测试

from scripts.n8n_api import N8nClient
from scripts.n8n_tester import WorkflowTester

client = N8nClient()
tester = WorkflowTester(client)

# 验证工作流
validation = tester.validate_workflow(workflow_id='123')
print(f"有效: {validation['valid']}")
print(f"错误: {validation['errors']}")
print(f"警告: {validation['warnings']}")

# 空运行
result = tester.dry_run(
    workflow_id='123',
    test_data={'email': 'test@example.com'}
)
print(f"状态: {result['status']}")

# 测试套件
test_cases = [
    {'name': '测试 1', 'input': {...}, 'expected': {...}},
    {'name': '测试 2', 'input': {...}, 'expected': {...}}
]
results = tester.test_suite('123', test_cases)
print(f"通过: {results['passed']}/{results['total_tests']}")

# 生成报告
report = tester.generate_test_report(validation, result)
print(report)

性能优化

from scripts.n8n_optimizer import WorkflowOptimizer

optimizer = WorkflowOptimizer()

# 分析性能
analysis = optimizer.analyze_performance('workflow-id', days=7)
print(f"性能得分: {analysis['performance_score']}/100")
print(f"健康状态: {analysis['execution_metrics']['health']}")

# 获取建议
suggestions = optimizer.suggest_optimizations('workflow-id')
print(f"优先操作: {len(suggestions['priority_actions'])}")
print(f"快速优化: {len(suggestions['quick_wins'])}")

# 生成报告
report = optimizer.generate_optimization_report(analysis)
print(report)

常见工作流

1. 验证和测试工作流

# 验证工作流结构
python3 scripts/n8n_tester.py validate --id <workflow-id> --pretty

# 使用示例数据测试
python3 scripts/n8n_tester.py dry-run --id <workflow-id> \
  --data '{"email": "test@example.com", "name": "测试用户"}'

# 如果测试通过，则激活
python3 scripts/n8n_api.py activate --id <workflow-id>

2. 调试失败的工作流

# 检查最近的执行记录
python3 scripts/n8n_api.py list-executions --id <workflow-id> --limit 10 --pretty

# 获取特定执行详情
python3 scripts/n8n_api.py get-execution --id <execution-id> --pretty

# 验证工作流结构
python3 scripts/n8n_tester.py validate --id <workflow-id>

# 生成测试报告
python3 scripts/n8n_tester.py report --id <workflow-id>

# 检查优化问题
python3 scripts/n8n_optimizer.py report --id <workflow-id>

3. 优化工作流性能

# 分析当前性能
python3 scripts/n8n_optimizer.py analyze --id <workflow-id> --days 30 --pretty

# 获取可操作建议
python3 scripts/n8n_optimizer.py suggest --id <workflow-id> --pretty

# 生成综合报告
python3 scripts/n8n_optimizer.py report --id <workflow-id>

# 查看执行统计
python3 scripts/n8n_api.py stats --id <workflow-id> --days 30 --pretty

# 使用空运行测试优化
python3 scripts/n8n_tester.py dry-run --id <workflow-id> --data-file test-data.json

4. 监控工作流健康状态

# 检查活动工作流
python3 scripts/n8n_api.py list-workflows --active true --pretty

# 查看最近的执行状态
python3 scripts/n8n_api.py list-executions --limit 20 --pretty

# 获取每个关键工作流的统计信息
python3 scripts/n8n_api.py stats --id <workflow-id> --pretty

# 生成健康报告
python3 scripts/n8n_optimizer.py report --id <workflow-id>

验证检查

测试模块执行全面的验证：

结构验证

✓ 必填字段存在（节点、连接）
✓ 所有节点都有名称和类型
✓ 连接目标存在
✓ 无孤立节点（警告）

配置验证

✓ 需要凭据的节点已配置
✓ 必需参数已设置
✓ HTTP 节点有 URL
✓ Webhook 节点有路径
✓ 邮件节点有内容

流程验证

✓ 工作流有触发器节点
✓ 正确的执行流程
✓ 无循环依赖
✓ 已识别结束节点

优化分析

优化器分析多个维度：

执行指标

总执行次数
成功/失败率
健康状态（优秀/良好/一般/差）
错误模式

性能指标

节点数量和复杂度
连接模式
高开销操作（API 调用、数据库查询）
并行执行机会

瓶颈检测

连续的高开销操作
高失败率
缺少错误处理
速率限制问题

优化机会

并行执行： 识别可以并发运行的节点
缓存： 建议对重复的 API 调用进行缓存
批处理： 推荐对大型数据集进行批处理
错误处理： 添加错误恢复机制
复杂度降低： 拆分复杂工作流
超时设置： 配置执行限制

性能评分

工作流根据以下因素获得性能评分（0-100）：

成功率： 越高越好（权重 50%）
复杂度： 越低越好（权重 30%）
瓶颈： 越少越好（严重：-20，高：-10，中：-5）
优化： 已实施的最佳实践（每项 +5）

评分解读：
- 90-100： 优秀 - 优化良好
- 70-89： 良好 - 可能有小的改进空间
- 50-69： 一般 - 建议优化
- 0-49： 差 - 存在显著问题

最佳实践

开发

规划结构： 在构建之前设计工作流节点和连接
先验证： 部署前始终进行验证
彻底测试： 使用多个测试用例进行空运行测试
错误处理： 为可靠性添加错误节点
文档化： 在代码节点中注释复杂逻辑

测试

示例数据： 创建真实的测试数据文件
边界情况： 测试边界条件和错误
增量测试： 测试每个节点的添加
回归测试： 更改后重新测试
类生产环境： 使用模拟生产环境的暂存环境

部署

先停用： 以停用状态部署工作流
逐步推出： 最初使用有限流量进行测试
密切监控： 仔细监控首次执行
快速回滚： 准备好出现问题时的停用方案
记录变更： 保留修改的变更日志

优化

基准指标： 在更改前捕获性能数据
一次一个变更： 隔离优化影响
衡量结果： 比较更改前后的指标
定期审查： 安排每月优化审查
成本意识： 监控 API 使用情况和执行成本

维护

健康检查： 每周审查执行统计信息
错误分析： 调查失败模式
性能监控： 跟踪执行时间
凭据轮换： 定期更新凭据
清理： 归档或删除未使用的工作流

故障排除

认证错误

错误：在环境中未找到 N8N_API_KEY

解决方案： 设置环境变量：

export N8N_API_KEY="your-api-key"

连接错误

错误：HTTP 401：未授权

解决方案：
1. 验证 API 密钥是否正确
2. 检查 N8N_BASE_URL 设置是否正确
3. 确认在 n8n 中已启用 API 访问

验证错误

验证失败：节点缺少 'name' 字段

解决方案： 检查工作流 JSON 结构，确保所有必填字段都存在

执行超时

状态：超时 - 执行未完成

解决方案：
1. 检查工作流是否存在无限循环
2. 减少测试数据集大小
3. 优化高开销操作
4. 在工作流设置中设置执行超时

速率限制

错误：HTTP 429：请求过多

解决方案：
1. 在 API 调用之间添加等待节点
2. 实现指数退避
3. 使用批处理
4. 检查 API 速率限制

缺少凭据

警告：节点 'HTTP_Request' 可能需要凭据

解决方案：
1. 在 n8n UI 中配置凭据
2. 将凭据分配给节点
3. 激活前测试连接

文件结构

~/clawd/skills/n8n/
├── SKILL.md                    # 本文档
├── scripts/
│   ├── n8n_api.py             # 核心 API 客户端（扩展版）
│   ├── n8n_tester.py          # 测试与验证
│   └── n8n_optimizer.py       # 性能优化
└── references/
    └── api.md                 # n8n API 参考

API 参考

有关详细的 n8n REST API 文档，请参阅 references/api.md 或访问：
https://docs.n8n.io/api/

支持

文档：
- n8n 官方文档：https://docs.n8n.io
- n8n 社区论坛：https://community.n8n.io
- n8n API 参考：https://docs.n8n.io/api/

调试：
1. 使用验证：python3 scripts/n8n_tester.py validate --id <workflow-id>
2. 检查执行日志：python3 scripts/n8n_api.py get-execution --id <execution-id>
3. 查看优化报告：`python3 scripts/n8

技能包地址：https://github.com/openclaw/skills/tree/main/skills/thomasansems/n8n/SKILL.md

3 次点击 ∙ 0 人收藏

登录后收藏

目前尚无回复

0 条回复

n8n：通过 API 管理 n8n 工作流与自动化任务

n8n 工作流管理

⚠️ 关键：工作流创建规则

设置

快速参考

工作流管理

列出工作流

获取工作流详情

创建工作流

激活/停用

测试与验证

验证工作流结构

空运行测试

测试套件

执行监控

列出执行记录

获取执行详情

手动执行

性能优化

分析性能

获取优化建议

生成优化报告

获取工作流统计信息

Python API

基本用法

验证与测试

性能优化

常见工作流

1. 验证和测试工作流

2. 调试失败的工作流

3. 优化工作流性能

4. 监控工作流健康状态

验证检查

结构验证

配置验证

流程验证

优化分析

执行指标

性能指标

瓶颈检测

优化机会

性能评分

最佳实践

开发

测试

部署

优化

维护

故障排除

认证错误

连接错误

验证错误

执行超时

速率限制

缺少凭据

文件结构

API 参考

支持