AI 工作流闭环

n8n 编排 + Dify 应用 + DeepSeek 推理，三个容器搭最小闭环。

它解决什么问题 - 为什么比手动强 - 工作流 - 实测参数 - 快速开始

---

它解决什么问题

想搭一个能定时跑、能问答、能跨系统串联的 AI 应用，又不想上来就买重服务器、写一堆胶水代码。n8n 管自动化编排，Dify 管 RAG 问答 Bot，DeepSeek 当便宜推理后端，两个 Docker 容器起 n8n、一个 Dify，最小闭环就跑起来了。

为什么比手动强

手动硬搭	本仓库
各服务自己写 API 胶水	n8n Webhook 互联，拖拽编排
用贵模型烧钱	DeepSeek chat 不到 0.01 元一次
问答 Bot 从零写后端	Dify RAG 知识库开箱即用
跨会话记忆自己存库	Conversational Agent 接 Postgres Memory
缺国内工具自己造轮子	MCP 节点 + Call Workflow 积木扩展

工作流

定时触发(n8n Cron)
  → 抓取/RAG 检索
  → DeepSeek 生成答案
  → 整理入库(飞书文档/多维表格)
  → 推送企微/飞书机器人

实测参数

• 空载内存 300-500MB；最低 1GB 内存（需加 Swap），推荐 2GB
• 成本：deepseek-chat 对话/知识库问答不到 0.01 元/次；deepseek-reasoner 复杂推理略高
• Agent 节点：Conversational Agent 有上下文记忆（培训/客服），Tools Agent 无记忆（单次任务），ReAct 会自检重试
• DeepSeek 接入：n8n 加 ChatGPT 节点，Credential 填 API-Key + Base URL https://api.deepseek.com，参数与 ChatGPT 兼容

快速开始

# 1. 轻量部署：n8n + PostgreSQL 两个 Docker 容器，空载 300-500MB
# 2. 接 DeepSeek：n8n 搜索 ChatGPT 节点 → Credential → 填 Key + Base URL
# 3. n8n 与 Dify 用 Webhook 互调：n8n 触发 → 调 Dify API → Dify 回调 n8n

License

MIT