# 精选 4300+ 开源 n8n 工作流 JSON 模板：构建代理 AI 管道、API 链与数据 ETL > 基于 Zie619/n8n-workflows 仓库，整理 4343 个生产就绪模板，支持 JSON 导入 n8n 快速组装代理 AI 管道、ETL 链路，内置错误重试、并行执行与 Docker 导出参数。 ## 元数据 - 路径: /posts/2025/11/29/curate-4300-open-source-n8n-workflows-json-templates-agentic-ai-pipelines-etl/ - 发布时间: 2025-11-29T15:33:17+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 站点: https://blog.hotdry.top ## 正文 在构建 agentic AI 管道和数据 ETL 链路时，从零设计 n8n 工作流往往耗时费力。精选开源仓库 Zie619/n8n-workflows 中的 4343 个生产就绪 JSON 模板，能将开发周期缩短 90%，直接导入 n8n 后微调参数即可上线。该仓库按 15 个类别组织（如 AI 数据处理、社交媒体、DevOps），覆盖 365 个集成，支持全文本搜索和 API 导出，适用于多模型代理链、API 串联与 ETL 场景。 仓库的核心价值在于 JSON 标准化：每个模板均为独立 JSON 文件，包含节点定义、连接关系和参数配置。n8n 原生支持一键导入，确保 100% 成功率。[1] 例如，AI 数据处理类模板如 “OpenAI+HTTP+ChainLLM 多步骤处理”，可抓取网页 → OpenAI 提取关键词 → ChainLLM 生成摘要 → PostgreSQL 存储，节点数达 16 个，直接适用于代理 AI 管道。 实际导入流程简单高效：下载 ZIP 解压 workflows 文件夹 → n8n 新建画布 → 右上角菜单 “Import from File” 选择 JSON → 修改凭证（如替换 API Key） → Execute Workflow 测试。[2] 对于 agentic AI 管道，优先选择支持 LangChain 节点或多 LLM 串联的模板，如定时抓取博客 Top3 → AI 翻译 → Notion 存储（11 节点），通过 Webhook 触发实现自主代理。 ETL 链路构建中，模板内置错误重试和并行机制是关键优化点。以 “Airtable → Twitter 自动发推” 为例（7 节点），默认配置 HTTP Request 节点的 “options” → “retryOnFail: true, maxRetries: 3, retryDelay: 2000ms”，可应对网络波动。[3] 并行处理使用 SplitInBatches 节点拆分数据批次（batchSize: 5），多分支调用 LLM（如情感分析 + 实体提取），再 Merge 聚合结果，提升吞吐 3-5 倍。 生产部署参数清单如下，确保可靠性： 1. **错误重试阈值**： - LLM 节点：timeout: 30000ms, maxRetries: 3, retryDelay: '{{Math.min(1000 * Math.pow(2, $runIndex), 10000)}}'（指数退避）。 - HTTP/API：splitIntoItems: true（并行请求），errorWorkflow: 'fallback-etl'（降级工作流）。 2. **并行执行配置**： - SplitInBatches: batchSize: 10（依 CPU/GPU 调整），maxConcurrency: 4。 - Loop Over Items: continueOnFail: true，避免单项阻塞全链。 3. **Docker 导出与监控**： - 仓库自带 Docker 镜像 zie619/n8n-workflows:latest，端口 8000 运行搜索服务。 - 导出 API：/api/export（全量 ZIP），/api/workflow/{id}（单 JSON）。 - 监控点：SQLite FTS5 查询 <100ms，内存 <50MB；n8n 执行日志追踪节点失败率 <1%，Prometheus 集成指标如 workflow_duration_p95 <5s。 4. **代理 AI 组成模式**： - 基础链：Webhook Trigger → Set（Prompt 模板） → OpenAI Chat → IF（置信度 >0.8） → Action（Notion/Slack）。 - 高级代理：Error Trigger 捕获失败 → Retry Counter（<3 次） → Human-in-Loop（审批） → 回滚。 - ETL 模版变体：Typeform 表单 → PDF 生成 → SMTP 邮件（9 节点），添加 Code 节点嵌入 JS 校验。 回滚策略：版本控制下，n8n Duplicate 模板前备份；生产环境启用 Queue Mode（N8N_EXECUTIONS_MODE=queue），主执行器 + 工作者分离，负载均衡。 风险控制：分享 JSON 前 anonymize 凭证名称/ID，避免泄露。[4] 本地部署 Python run.py 或 Docker run，数据全控。 通过这些模板，团队可快速原型 agentic AI（如 GitHub PR → Slack 通知 → Jenkins 构建，8 节点），或 ETL（如 Excel → Notion 同步）。仓库持续更新（2025 年 11 月安全审计 + 多平台 Docker），结合 n8n 社区节点扩展无限可能。 **资料来源**： [1] https://github.com/Zie619/n8n-workflows [2] n8n 文档：Exporting and importing workflows [3] self-hosted-ai-starter-kit 重试示例 [4] n8n 官方安全指南 ## 同分类近期文章 ### [NVIDIA PersonaPlex 双重条件提示工程与全双工架构解析](/posts/2026/04/09/nvidia-personaplex-dual-conditioning-architecture/) - 日期: 2026-04-09T03:04:25+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 NVIDIA PersonaPlex 的双流架构设计、文本提示与语音提示的双重条件机制，以及如何在单模型中实现实时全双工对话与角色切换。 ### [ai-hedge-fund：多代理AI对冲基金的架构设计与信号聚合机制](/posts/2026/04/09/multi-agent-ai-hedge-fund-architecture/) - 日期: 2026-04-09T01:49:57+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析GitHub Trending项目ai-hedge-fund的多代理架构，探讨19个专业角色分工、信号生成管线与风控自动化的工程实现。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation-framework/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [LiteRT-LM C++ 推理运行时：边缘设备的量化、算子融合与内存管理实践](/posts/2026/04/08/litert-lm-cpp-inference-runtime-quantization-fusion-memory/) - 日期: 2026-04-08T21:52:31+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 LiteRT-LM 在边缘设备上的 C++ 推理运行时，聚焦量化策略配置、算子融合模式与内存管理的工程化实践参数。