莫潇羽@源码七号站（www.fuyuan7.com）原创内容，转载请注明出处。
快速摘要
如果你只有两分钟，请先看这里。 外贸人使用AI的三大痛点——工具选择困难、指令无效、碎片化低效尝试——本质上都指向同一个解法：搭建AI自动化工作流。本文将以开源平台n8n为核心，从Docker本地部署、节点逻辑拆解、第一个新闻播报工作流的搭建，一直讲到AI自动开发客户、AI领英内容策划、AI产品精修图、AI制作PPT等真实业务场景的落地操作。全文超过一万三千字，配有代码示例和操作步骤，面向零基础读者。如果你想把AI从"偶尔用一下的玩具"变成"每天自动帮你干活的系统"，往下看有更详细的拆解。
一、外贸人为什么需要AI自动化？——先看清三个真实困局
在源码七号站（www.fuyuan7.com）过去一段时间的读者交流中，莫潇羽发现一个现象：绝大多数外贸从业者对AI并不陌生，甚至很多人都试用过ChatGPT、DeepSeek、千问等工具。但真正能把AI融入日常业务、持续产出价值的人，少之又少。
问题出在哪里？通过大量的交流和观察，我总结出外贸人在AI使用上普遍会遇到的三大困局。
困局一：工具选择困难症
打开社交媒体搜索"好用的AI工具"，扑面而来的是上百个评测和排行榜，这个"最强"，那个"最炸裂"。你就像走进了一个巨大的数字超市，货架上琳琅满目，却不知道哪一款真正适合自己。等你好不容易挑中一个海外工具，打开之后发现同一个AI里面还有不同的模型——有的免费随便用，有的只能免费用一两次。
其实你需要的不是一个"万能AI"，而是一个能解决具体问题的工具组合。比如"写一段专业的户外背包英文描述"或"分析德国市场采购商偏好"——需求不精准，选择必然盲目。
困局二：指令无效，垃圾进垃圾出
很多人给AI下的指令是这样的："我是做LED灯的，请写一封开发信"，或者"分析一下美国市场"。然后得到的是一封像教科书模板一样的开发信，或者一篇从百科拼凑出来的市场概述。
这不是AI的错，是我们误把AI当成了无所不能的许愿机，却忘了它目前更像一个极度需要清晰指引的"超级实习生"。破解之道在于学习结构化沟通，这里先分享一个万能的提示词黄金框架，它只有四个部分：
角色 + 任务 + 背景 + 输出要求举个例子，把"我是做LED灯的，写一封开发信"改造为：
你是一名拥有10年经验的LED照明行业外贸经理（角色）。
请为一家德国中型连锁超市的采购总监撰写一封首次接触的开发邮件（任务）。
我们公司专注于商用LED面板灯，月产能50万件，已通过CE和TUV认证，
目前正在开拓欧洲中端零售市场（背景）。
邮件字数控制在150词以内，语气专业但不过于正式，
结尾设置一个明确的行动号召（输出要求）。按照这个框架改造之后，AI生成的邮件质量会有质的飞跃。
困局三：抽卡式低效尝试
今天听说AI能写邮件，试一下；明天看到视频说AI能找客户，又试一下；后天读了文章说AI能做数据分析，再试一下。每一次尝试都是孤立的、随机的，就像在玩一个概率极低的抽卡游戏。你得到了无数个零散的一次性技巧，却无法让AI真正融入你的业务体系。
真正的破局方式，是用自动化工作流的思维，把多个AI动作像乐高积木一样拼接起来，形成一个自动运行的系统。比如一个完整的智能客户开发流程，不是简单地"问AI写开发信"，而是——AI自动从搜索引擎抓取潜在客户线索，AI自动清洗归类客户信息，AI自动生成个性化开发信，AI自动监控客户是否打开邮件并触发跟进……所有有效线索自动同步到你的CRM系统。
这就是AI自动化工作流的威力，也是本文接下来要详细拆解的核心内容。
二、AI自动化的三个层级——搞清楚你该从哪里入手
和自动驾驶技术从L1到L5的分级类似，AI的自动化应用也可以大致分为三个等级，理解这三个等级能帮你更准确地定位自己当前应该学什么。
第一级：AI助手（对话式工具）。 这是最基础的AI自动化形式，就像是一个智能小助手，可以跟你进行文本对话，帮助你完成一些简单的单次任务。ChatGPT、DeepSeek、千问等都属于这一级。适合查询资料、翻译文本、处理单个文案任务，但没办法进行批量处理。上手门槛低，对新手友好。
第二级：AI自动化工作流。 这是本文重点讲解的内容。它的核心思路是把一项复杂的工作拆分成一系列小任务，通过自动化平台将这些步骤串联起来，实现全流程自动化处理。优点是可以支持批量处理，高度自动化；但用户需要自己设计和搭建流程，将需求转换成工作流，组合各种不同的节点。目前市面上已经有一些功能强大的工作流平台，通过节点拖拽连接就能搞定复杂业务，真正做到零代码或低代码实现自动化，对不会编程的用户来说非常友好。
第三级：智能代理（AI Agent）。 这是一个比较高级的形态，就像一个高度智能的助理，你只要说出目标，它就能自主规划、执行、检查，直到把整个任务完成。但这个技术目前还不太成熟——它需要非常强大的AI模型支持，处理长上下文的能力还不够理想，综合执行成本也比较高，准确率不够稳定。虽然完全自动化听起来很诱人，但距离低成本落地到日常工作中，还需要一段时间的发展。
综上所述，现阶段想利用好AI工具、让AI更好地服务外贸工作，最务实的路径就是搭建和使用AI自动化工作流。
三、工作流平台对比——为什么推荐n8n？
市面上的AI工作流平台并不少，莫潇羽@源码七号站在研究了多个主流平台之后，从外贸人的实际需求出发，做一个横向梳理。
国内平台：扣子（Coze）与Dify
扣子和Dify都是开源平台，可以帮助用户更简单快速地构建基于大语言模型的AI应用。扣子主打零代码搭建，对新手和非开发人员相对友好，比如在几小时内搭建一个可用的聊天机器人。Dify则更适合专业开发人员，通过可视化工作流开发企业级AI应用。
但对于外贸人而言，国内平台存在一个核心短板：与海外应用的集成度较低。由于网络环境的限制，要对接Google、LinkedIn等海外平台，只能通过编写代码构建HTTP请求，这对非专业开发人员来说门槛很高。
海外平台：Zapier
Zapier是2012年成立的老牌SaaS自动化平台，服务的知名企业和品牌非常多。但最大的问题是它并非开源平台，且必须付费才能使用——即便购买了订阅，工作流运行次数还受到限制。
重点推荐：n8n
n8n（读作"n-eight-n"，全称"nodemation"）是近两年迅速崛起的全球热门AI工作流开发平台。根据其官方GitHub仓库的数据，n8n已经累计超过1亿次Docker拉取量，社区活跃度极高。推荐它的核心原因有三点：
第一，完全开源，采用Fair-code许可协议，支持完全自托管。你可以直接部署到自己的电脑上使用，对电脑配置要求很低，普通笔记本就能流畅运行。
第二，第三方应用集成极为丰富。n8n原生支持超过400种应用和服务的集成，加上HTTP请求节点，几乎覆盖了你能想到的海外主流工具——Google系产品、LinkedIn、Telegram、飞书、各类邮件服务、CRM系统等等。只要获得第三方工具的API，就能实现数据的自动流转。
第三，自托管版本完全免费，没有工作流数量和执行次数的限制。你只需要部署到自己的电脑上，后面的每一次运行都不花钱，只需支付第三方API调用的费用（通常极低，比如调用DeepSeek处理一条数据大约只需要几分钱）。
n8n唯一的"缺点"是界面为英文，但对于天天和海外客户打交道的外贸人来说，这完全不是障碍。
四、n8n本地部署实操——用Docker十分钟搞定
从这一节开始，我们进入实操环节。莫潇羽建议使用Docker来安装n8n，Docker的可视化界面对后续管理非常方便，部署也更加简单。
4.1 什么是Docker？
Docker是一个容器化平台，你可以把它理解成一个"标准化的软件盒子"。我们在这个盒子里面安装各种应用程序及其所需组件（代码、运行环境、配置文件等），而且它与本地电脑是完全隔离的——在盒子里面执行的一切操作，对你的本地系统不会造成任何影响。
4.2 下载安装Docker
访问Docker官网（https://www.docker.com），根据你的电脑系统下载对应版本。这里一定要注意区分：你是Mac还是Windows？是Apple芯片（M系列）、AMD还是Intel芯片？下载正确的版本非常重要。
下载完成后直接安装。安装好打开Docker，进入主界面。不需要注册账号，不影响本地使用。
4.3 准备文件夹
在电脑上新建一个文件夹（名称随意，比如叫n8n-workspace），然后在里面创建两个子文件夹：
n8n-workspace/
├── n8n/ # 用于挂载n8n运行数据（工作流、凭证等）
└── n8n-data/ # 用于存储流程中上传或生成的文件第一个文件夹n8n是n8n项目的核心数据存储目录，所有工作流配置、凭证信息都会映射到这里。第二个文件夹n8n-data则用来存储你在流程节点中上传的文档，或者工作流生成的文件（比如邮件内容、表格等）。
4.4 执行安装命令
打开Docker Desktop，然后打开电脑的命令终端（Mac按Command + 空格搜索"终端"，Windows按Win + R输入cmd），将以下安装指令粘贴进去：
docker volume create n8n_data
docker run -it --rm \
--name n8n \
-p 5678:5678 \
-v n8n_data:/home/node/.n8n \
docker.n8n.io/n8nio/n8n按回车运行，系统会自动下载安装最新版本的n8n。整个过程大概需要几分钟到十分钟，取决于你的网络速度。
如果你需要更完善的持久化配置（推荐用于长期使用），可以使用Docker Compose方式。新建一个docker-compose.yml文件：
version: "3"
services:
n8n:
image: docker.n8n.io/n8nio/n8n:latest
container_name: n8n
restart: always
ports:
- "5678:5678"
environment:
- GENERIC_TIMEZONE=Asia/Shanghai
- TZ=Asia/Shanghai
volumes:
- ./n8n:/home/node/.n8n
- ./n8n-data:/data然后在该文件所在目录执行：
docker compose up -d4.5 启动与访问
安装完成后回到Docker Desktop，在左侧栏选择Containers，找到刚刚部署好的n8n容器，点击Action按钮即可启动。然后在浏览器中打开 http://localhost:5678 ，就可以进入n8n的工作台了。首次进入需要注册一个本地账号（这个账号只存在于你自己的电脑上，数据非常安全），注册完成后就可以正常使用了。
4.6 常见安装问题排查
在实际部署过程中，莫潇羽@源码七号站总结了几个新手最容易遇到的问题及其解决方案：
端口冲突问题。 如果5678端口已经被其他程序占用，启动时会报错。解决办法是修改端口映射，比如将-p 5678:5678改为-p 5679:5678，然后通过http://localhost:5679访问。在Docker Compose文件中同样修改ports配置即可。
Docker Desktop启动缓慢或无法启动。 Windows用户需要确保已开启WSL 2（Windows子系统Linux），可以在"控制面板 → 程序 → 启用或关闭Windows功能"中找到相关选项并勾选。Mac用户如果遇到权限问题，尝试在"系统偏好设置 → 安全性与隐私"中允许Docker的相关权限。
数据持久化问题。 如果你没有正确配置Docker Volume挂载，每次重启容器后工作流数据可能会丢失。务必确保在运行命令中包含了-v参数（如上面的示例所示），将容器内的数据映射到本地文件夹。这样即使容器被删除重建，你的工作流、凭证信息都不会丢失。
时区设置。 默认情况下Docker容器可能使用UTC时区，导致定时触发器的执行时间和你预期的不一致。在Docker Compose文件中添加GENERIC_TIMEZONE=Asia/Shanghai环境变量可以解决这个问题。上面的Docker Compose示例已经包含了这个配置。
更新n8n版本。 n8n几乎每周都会发布新版本。更新方法很简单：在Docker Desktop的Images标签页中，找到n8n镜像，右键选择"Pull"下载最新版本；然后停止并删除旧的容器，重新用新镜像启动即可。如果使用Docker Compose，只需执行docker compose pull然后docker compose up -d两条命令。
五、n8n核心概念——理解五类工作流节点
进入n8n操作界面后，你看到的是一块空白画布——这就是你搭建工作流的地方。在开始搭建之前，先理解n8n中最核心的五类节点，这是后面所有实操的基础。
5.1 触发节点（Trigger）
所有工作流都必须由触发节点开始，就像老板给员工派活一样，没有触发就没有后续动作。常见的触发方式包括：手动点击触发（你主动点击"执行"按钮）、定时触发（设置固定时间自动执行，比如每天早上八点）、外部应用触发（比如邮箱收到一封邮件就开始执行）、Webhook触发（任何开放API的应用都可以通过Webhook接入作为触发条件）、表格提交触发（用户填写并提交表格后自动执行）。
5.2 数据处理节点
这类节点负责对数据进行加工整理，原理简单易懂。常见的有：数据过滤（比如只保留公司规模大于50人的记录）、数据整合（把多条数据合并到一起再输出）、数据拆分（把混在一起的多条数据拆分为单条逐一处理）、数量限制（比如只取搜索结果的前10条）、条件判断（设置逻辑条件进行分支处理，比如检查邮箱地址是否有效）、循环操作（让某几个节点重复执行，比如按客户名称逐个搜索采购信息）。
5.3 外部应用节点
这是n8n平台的最大优势所在。官方已经接入超过400个外部应用——你可以让它自动在Telegram上发消息，在Facebook上发帖，在Google Sheets上写入数据，在飞书上创建多维表格记录等等。如果某个应用官方没有预置节点，还可以通过HTTP请求节点来手动对接，这是一个万能的外部连接节点，只要目标服务提供API就能打通。
5.4 AI节点
这是整个工作流中最核心的"生产力"节点。上面的节点负责信息数据的获取、处理和操作，而AI节点负责分析、生成、输出。你可以直接接入主流大模型——ChatGPT、Claude、Gemini等，也可以通过通用AI模型节点接入DeepSeek、豆包、千问等国内模型。通过API调用AI大模型，让流程自动帮你处理分析数据、生成文字、邮件、图片等。
5.5 编程节点（Code）
这个节点专门为需要用代码完成的工作而设计。比如规范输出数据的格式、处理特殊的字符串逻辑等。需要一定的编程基础，但对于大多数外贸场景来说，掌握上面四类节点就足够了。如果遇到需要编程的场景，也可以借助AI来帮你写代码——直接把你想实现的功能用自然语言描述给ChatGPT或DeepSeek，它通常能给你生成可以直接使用的JavaScript或Python代码片段。
5.6 节点之间如何传递数据？
这是新手最容易困惑的地方，所以莫潇羽@源码七号站在这里专门讲解一下。n8n中每个节点的输出都是一个JSON格式的数据对象。比如RSS Read节点读取到一条新闻后，输出的数据结构大致是这样的：
{
"title": "DeepSeek发布最新V3模型",
"link": "https://example.com/news/123",
"content": "DeepSeek今日宣布...",
"pubDate": "2026-03-29T08:00:00Z"
}下一个节点可以通过表达式（Expression）来引用上一个节点的输出数据。在n8n中，引用数据的语法是 {{ $json.字段名 }}。比如 {{ $json.title }} 就能获取到新闻标题。你也可以通过界面上的拖拽操作来完成数据引用，不需要手动输入表达式——在节点的配置面板中，左侧会显示上一个节点的输出数据，你只需要把想要的字段拖到右边的输入框里即可。
理解了这个数据传递机制，你就能明白为什么工作流能像流水线一样运转了——每个节点从上一个节点获取数据，处理完之后再传递给下一个节
