知识增量Knowledge Deltav0.1无限进步

n8n

n8n
学到 会用 就够:能亲手用起来
你可能会说

“我想用 n8n 把资料处理步骤接起来,整个工作流一定需要调用 AI 吗?”

n8n 用节点把触发事件、数据处理和外部服务连接成可重复执行的流程,AI 是可以加入的一类环节。它既可处理普通自动化,也可把模型调用嵌入资料整理和报告生成流程。

这个产品更新很快,功能和价格以官方最新信息为准。卡片内容核对于 2026-11-07。
先知道工作流
也叫n8n 工作流自动化
2

使用 AI

科研里的例子

例如读取三条公开文献元数据,按 DOI 标记重复项,再把主题标签与原始编号写入练习表,保留人工复核一栏。

一个工作流通常从手动操作、时间或事件触发,按节点传递数据,再保存或交付结果。研究者需要理解各节点输入输出、失败分支和重复执行行为,而不仅是把连线画通。它适合将稳定的机械步骤串起来,例如整理元数据、去重和生成待核对记录;需要模型判断的步骤应保留不确定状态。官方采用 fair-code 许可表述,具体部署与使用条件应另读相应许可。

动手试一次

已有练习实例时,从手动触发、三条固定输入和一个结果节点开始,先看清逐步数据,再加入模型或外部连接。

+

在你的学科里,直接拿去用

把模糊需求变成可执行任务
我不熟悉AI术语。请把我的需求转成明确的任务说明。
我的原话:[粘贴]
可用材料:[列出文件、表、链接或说明目前没有材料]
使用者与用途:[填写]
先用普通中文复述目标,再给需要时才用的关键中英术语。区分任务、输入、约束、输出和可检查的完成标准。若缺项会实质改变结果,最多问3个问题;其他假设明确列出。先交付任务说明,不擅自执行与改文件。
方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG01
3

判断

亲手检查一次

亲手逐节点查看输入输出,对同一批数据重跑并检查重复项;人为放入缺字段样本,确认错误不会被悄悄写成成功。

它做不到的

n8n 是流程编排平台,不是模型或知识库本身。节点执行成功只证明技术步骤完成,不能证明标签准确、来源真实或流程无重复写入。

Δ

增量,由你来写

读完这张,你的理解变了什么?

留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。

源

来源

卡片底稿由 AI 协助整理,经过核对;发现错误请告诉我。