传统企业做 AI，先上 n8n
传统企业现在最该补的是流程层，而非大模型平台。n8n 的价值在于把邮件、表格、审批、CRM、知识库和 AI 串起来，让 AI 先进入真实业务。
在当前 AI 环境下，传统企业最先该上的东西，我会选 n8n 。
理由很简单：大模型已经足够便宜，工具也足够多，企业缺的是把 AI 放进每天真实发生的流程里，而非再买一个“智能平台”。
销售线索在表格里，客户消息在微信、邮件、 Slack 里，合同和发票在网盘里，审批在系统里，日报和工单在另一套系统里。传统企业的问题通常在于数据和动作散在各处。人每天在几个系统之间复制、粘贴、转发、催办、汇总。 AI 如果只停在聊天窗口里，最多是一个聪明顾问；接进流程后，才开始变成生产力。
n8n 正好卡在这个位置。
它是流程胶水：上游接邮件、表格、表单、 CRM 、数据库、 Webhook；中间接 OpenAI 、 Claude 、 Gemini 、 DeepSeek 、 Ollama 、 LangChain 、向量数据库；下游再把结果送回飞书、 Slack 、 Telegram 、 Notion 、 Google Sheets 、工单系统或内部 API 。
n8n 官方对自己的定位是“给技术团队用的安全工作流自动化平台”。它有 400+ 集成，支持可视化拖拽，也允许在节点里写 JavaScript / Python 。可以自托管，也可以用云服务。企业版提供 SSO 、 SAML 、 LDAP 、权限、项目隔离、日志流、 Git 版本控制、队列模式和多实例扩展。
这些点对传统企业很关键。传统企业不会一夜之间改掉所有系统，也很少允许业务数据随便丢给外部 SaaS 。 n8n 的优势在于能在现有系统旁边先跑起来。
先别急着做大模型平台
很多企业一谈 AI，第一反应是建平台、买知识库、做私有大模型、搞统一门户。听起来体面，落地时经常卡在三个地方：周期长，使用率低，业务部门等不及。
传统企业更适合先做小流程。
例如：
- 新邮件进来，AI 先判断类型，打标签，生成回复草稿，人确认后发送。
- 销售线索进入表格，AI 判断行业、规模、需求强弱，再推送给销售。
- 网盘新增合同，AI 抽取甲乙方、金额、日期、风险点，写入表格并提醒法务。
- 客服工单堆积时，AI 先总结问题、匹配知识库、生成处理建议。
- 每天固定时间抓取运营数据，汇总成日报，异常指标推送到群里。
这些流程不花哨，但能立刻省人。它们也更容易验收：跑了多少次，失败率多少，省了多少时间，哪里需要人工确认，都能看见。
n8n 的定价页面也说明了一个现实问题：它按完整 workflow execution 计费，不按每个步骤或每个用户拆开收费。对企业内部流程来说，这比“每接一个动作都算钱”的工具更容易试错。自托管版本还能把数据留在自己的环境里，适合先从内部低风险流程做起。
awesome-n8n-templates 说明了需求在哪里
这次参考的仓库是 enescingoz/awesome-n8n-templates。它并非 n8n 官方仓库，是一个开源模板集合。 GitHub API 当前显示这个仓库有 2.3 万 Star 、 6000 多 Fork 。 README 里写的是 280+ 模板，实际克隆后统计到 313 个 JSON workflow 文件。
模板覆盖得很杂：Gmail 、 Outlook 、 Telegram 、 Slack 、 WhatsApp 、 Google Drive 、 Google Sheets 、 Notion 、 Airtable 、 WordPress 、 PDF 、数据库、 DevOps 、 OpenAI 、 RAG 、数据分析、 HR 、表单。
这个“杂”反而说明问题。传统企业通常缺少的是每个部门那一堆碎流程的处理办法，而非炫酷 AI Demo 。
邮件类模板里，有自动分类、可疑邮件分析、 AI 回复草稿、每日邮件摘要、冷邮件生成。文档类模板里，有 PDF 问答、发票抽取、简历解析、音频转写、网页转 Markdown 。表格和网盘类模板里，有 Google Drive 文档摘要、销售线索评分、候选人筛选、表单反馈总结。 Slack 类模板里，有工单提醒、信息监控、客服频道、 IT 知识库问答。 AI/RAG 类模板更多，包含网页抓取、深度研究、向量库、聊天机器人、本地 LLM 等。
这些模板的价值不在直接复制上线。它们更像流程样板库：企业可以先找一个接近自己业务的模板，删掉不需要的节点，换成自己的凭证、字段和审批规则，再加人工确认。
传统企业第一阶段更需要“半自动流程”，不适合一上来就追“全自动智能体”。 n8n 很适合这个阶段。
最适合先做的五类流程
第一类是邮件和消息处理。收件箱、客户群、客服群每天都在进信息。 AI 可以先分类、摘要、提取任务、生成回复草稿。发送前保留人工确认，风险可控。
第二类是文档处理。合同、报价单、发票、简历、会议纪要都适合先抽字段、做摘要、写入表格。传统企业最痛的是文档里的信息很难进入系统。
第三类是销售和客户运营。线索进来后，自动补全公司信息、判断优先级、分配负责人、生成跟进建议。这个场景容易算账：少漏一个线索，就可能覆盖整套自动化成本。
第四类是内部知识问答。把制度、产品文档、 FAQ 、历史工单接进 RAG，让员工在 Slack 、飞书或网页里提问。这里不能追求“无所不知”，先解决高频问题就够了。
第五类是运维和数据巡检。定时检查接口、服务器、报表、库存、舆情、竞品页面，异常时通知人。 n8n 有 Webhook 、 HTTP 、数据库、脚本和消息节点，做这种“定时 + 判断 + 通知”很顺手。
上线顺序不要搞反
传统企业上 n8n，顺序比工具本身更重要。
第一步，选一个低风险高频流程。不要从付款、删库、自动下单、合同终审开始。先选邮件摘要、表单分流、日报、文档抽取、客服建议这类流程。
第二步，保留人工确认。 AI 先做草稿、摘要、分类、建议，人决定是否发送、入库、执行。这样业务部门敢用，法务和 IT 也容易接受。
第三步，把日志留好。每次执行的输入、输出、失败原因、人工修改，都要能查。没有日志的自动化，出了问题只能猜。
第四步，做权限和凭证隔离。 n8n 企业功能里有项目隔离、细粒度权限、外部密钥管理、 SSO 、日志流。即使用社区版，也要把账号、 API Key 、 Webhook 、数据库权限分清楚。
第五步，再谈规模化。一个流程跑稳后，复制到另一个部门。别一开始就开大会做“全公司 AI 转型平台”。传统企业最怕项目大、周期长、无人负责。 n8n 的好处正是可以从一个 workflow 开始。
判断标准很朴素
如果一个 AI 项目不能回答这几个问题，就先别做大：
- 它接入了哪个真实业务入口？
- 它把结果写回了哪里？
- 哪一步由人确认？
- 失败后谁收到通知？
- 每周能省多少重复操作？
n8n 能把这些问题逼出来。因为它天然是流程图：触发器在哪里，数据怎么走，AI 在哪一步介入，人在哪里确认，结果发到哪里，一眼能看清。
所以我同意这个判断：在当前 AI 环境下，传统企业唯一该上，或者至少首先该上的，是 n8n 这类流程自动化层。
原因不在 n8n 神奇。传统企业现在最缺的也未必是模型能力。更紧迫的，是把 AI 接进邮件、表格、文档、客户、审批、工单这些旧世界里的能力。
AI 的第一站，可以放在已经跑起来的流程里。