เปรียบเทียบเครื่องมือ Workflow Automation แทน n8n
เปรียบเทียบ Activepieces, Windmill, Node-RED, Automatisch และ Huginn กับ n8n ทั้งในด้านสัญญาอนุญาต การใช้ RAM ฐานข้อมูล การรองรับ AI และปัญหาการกู้คืนข้อมูลสำรองที่พบบ่อย
สิ่งที่ควรใช้แทน n8n
ทางเลือกของ n8n แบบ self-hosted ที่คุ้มค่าแก่การใช้งานบน VPS (virtual private server) ได้แก่ Activepieces, Windmill, Node-RED, Automatisch และ Huginn โดย Activepieces เป็นตัวเลือกที่ใกล้เคียงที่สุดสำหรับการใช้งาน n8n ในรูปแบบที่คนส่วนใหญ่ใช้ และแกนหลักของซอฟต์แวร์ใช้สัญญาอนุญาตแบบ MIT ส่วน Windmill เหมาะสำหรับทีมที่ต้องการเขียนโค้ด Python หรือ TypeScript มากกว่าการลากวางกล่องบนหน้าจอ Node-RED เป็นตัวเลือกที่มีขนาดเล็กและไม่จำเป็นต้องใช้ฐานข้อมูลเลย
ผู้อ่านจำนวนมากควรใช้งานเครื่องมือเดิมต่อไป เนื่องจากสัญญาอนุญาตของ n8n อนุญาตให้ใช้ภายในองค์กรได้ ดังนั้นหากคุณรัน workflow สำหรับบริษัทของคุณเอง สัญญาอนุญาตก็ไม่ใช่ปัญหา และการย้ายระบบก็มีต้นทุนเช่นกัน ณ วันที่ 27 ตุลาคม 2026 ตัว Activepieces ยังไม่รองรับการอ่านไฟล์ export จาก n8n ดังนั้นการย้ายระบบจึงหมายถึงการสร้าง workflow ใหม่ทั้งหมดด้วยตนเองและกรอกข้อมูล credential ใหม่ทุกรายการ ส่วนการติดตั้ง n8n นั้นเป็นงานแยกต่างหาก ซึ่งครอบคลุมอยู่ใน การติดตั้ง n8n บน VPS ด้วย Docker และ HTTPS และ n8n เปรียบเทียบกับ Zapier และ Make จะอธิบายว่าเครื่องมือในกลุ่มนี้ทั้งหมดเปรียบเทียบกับบริการแบบ hosted อย่างไร
เหตุผลที่ผู้คนมองหาทางเลือกอื่นแทน n8n แบบ self-hosted
มีเหตุผลสองประการที่ถูกหยิบยกขึ้นมาพูดถึงซ้ำแล้วซ้ำเล่า
ประการแรกคือเรื่องลิขสิทธิ์ n8n เผยแพร่ภายใต้ Sustainable Use License v1.0 ซึ่งทางโครงการเรียกว่าเป็น fair-code ไม่ใช่โอเพนซอร์ส ลิขสิทธิ์นี้ให้สิทธิ์ในการ "ใช้หรือแก้ไขซอฟต์แวร์เพื่อวัตถุประสงค์ทางธุรกิจภายในองค์กรของคุณเอง หรือเพื่อการใช้งานที่ไม่ใช่เชิงพาณิชย์หรือส่วนบุคคลเท่านั้น" และห้ามไม่ให้ให้บริการซอฟต์แวร์แก่ผู้อื่นในเชิงพาณิชย์ ไฟล์และโฟลเดอร์ที่มี .ee อยู่ในชื่อจะอยู่ภายใต้ n8n Enterprise License แยกต่างหาก การสร้างและรันระบบอัตโนมัติให้กับลูกค้าที่จ่ายเงินนั้นสามารถทำได้หากลูกค้าได้รับเพียงผลลัพธ์โดยไม่สามารถเข้าถึงอินเทอร์เฟซหรือตรรกะของ workflow ใน n8n ได้ การอนุญาตให้บุคคลภายนอกองค์กรของคุณเข้ามาสร้างหรือกำหนดค่า workflow จำเป็นต้องมีใบอนุญาตเชิงพาณิชย์ หากคุณเป็นทีมปฏิบัติการภายใน สิ่งนี้จะไม่ส่งผลกระทบใดๆ ต่อการทำงานประจำวันของคุณ ลิขสิทธิ์และราคาเป็นคนละประเด็นกัน และ ฟีเจอร์ใดของ n8n ที่ต้องใช้คีย์แบบชำระเงิน คือสิ่งที่คุณควรหาคำตอบก่อนที่จะตัดสินใจย้ายระบบเพียงเพราะกังวลเรื่องค่าใช้จ่ายที่คุณอาจจะยังไม่เคยเจอจริงๆ
ประการที่สองคือเรื่องหน่วยความจำ n8n เป็นกระบวนการ Node.js และข้อมูลของ workflow จะถูกเก็บไว้ในหน่วยความจำขณะที่การทำงานกำลังดำเนินอยู่ เอกสารของ n8n ระบุสาเหตุไว้ดังนี้: ปริมาณข้อมูล JSON, ขนาดของข้อมูลไบนารี, จำนวนโหนดใน workflow, โหนด Code, การรันแบบ manual (ซึ่งจะคัดลอกข้อมูลซ้ำอีกครั้งสำหรับตัวแก้ไข) และ workflow อื่นๆ ที่รันอยู่ในเวลาเดียวกัน วิธีแก้ไขที่ระบุไว้ในเอกสารไม่ใช่การเปลี่ยนไปใช้ผลิตภัณฑ์อื่น แต่คือการใช้ queue mode ร่วมกับ worker process แยกต่างหาก รวมถึงการใช้ Postgres แทนไฟล์ SQLite เริ่มต้นที่ ~/.n8n/database.sqlite งานขนาดใหญ่ยังต้องการการทำ batching เนื่องจากโหนด Loop Over Items ที่ส่งข้อมูลไปยัง sub-workflow จะเก็บข้อมูลไว้ในหน่วยความจำเพียงส่วนเดียวในแต่ละครั้ง ลองใช้วิธีเหล่านี้ก่อนที่คุณจะตัดสินใจสร้าง workflow ทั้งหกสิบรายการขึ้นมาใหม่ที่อื่น
ทางเลือกของ n8n สำหรับการ self-host ที่ยังมีการดูแลรักษาอยู่
ข้อความในใบอนุญาตนั้นอ่านง่าย ทุกคนจึงเปรียบเทียบกันที่ใบอนุญาต แต่สุขภาพของโปรเจกต์มักถูกมองข้าม นี่คือจำนวนโปรเจกต์ 6 รายการในการเปรียบเทียบนี้ โดยระบุเวอร์ชันเสถียรล่าสุดของแต่ละรายการ ณ วันที่ 29 ตุลาคม 2026
ข้อมูลเบื้องหลังแผนภูมินี้
[
{
"tool": "n8n",
"licence": "Sustainable Use License",
"latest_release": "2.45.6",
"released": "2026-10-29",
"days_since_release": 0
},
{
"tool": "Activepieces",
"licence": "MIT core, commercial ee",
"latest_release": "0.92.3-hotfix.2",
"released": "2026-10-28",
"days_since_release": 1
},
{
"tool": "Windmill",
"licence": "AGPLv3 source, CE image",
"latest_release": "v1.853.0",
"released": "2026-10-28",
"days_since_release": 1
},
{
"tool": "Node-RED",
"licence": "Apache 2.0",
"latest_release": "5.0.9",
"released": "2026-10-21",
"days_since_release": 8
},
{
"tool": "Automatisch",
"licence": "AGPL-3.0, commercial ee",
"latest_release": "v0.15.0",
"released": "2025-08-08",
"days_since_release": 447
},
{
"tool": "Huginn",
"licence": "MIT",
"latest_release": "v2026.10.26",
"released": "2026-10-26",
"days_since_release": 3
}
]มีหนึ่งแถวที่ทำให้รายการตัวเลือกสั้นลง Automatisch ออกเวอร์ชันล่าสุดเมื่อ v0.15.0 ซึ่งมีอายุ 447 วัน ณ วันที่ 27 ตุลาคม 2026 สาขาหลัก (default branch) ไม่มีการ commit ใดๆ ตั้งแต่วันที่ 15 มกราคม 2026 Huginn เคยเป็นคำเตือนลำดับที่สอง โค้ดของ Huginn ยังคงมีการเคลื่อนไหวในขณะที่ไม่มีการออก release เลยตลอดสี่ปีหลังจาก v2022.08.18 สิ่งนั้นเปลี่ยนไปเมื่อวันที่ 27 สิงหาคม 2026 และ Huginn ได้ออก release มาหลายครั้งตั้งแต่นั้นมา เวอร์ชันใหม่ล่าสุดคือ v2026.10.26 ซึ่งผ่านมา 3 วันแล้ว
โปรดตรวจสอบข้อมูลนี้ด้วยตนเองก่อนที่คุณจะเชื่อการเปรียบเทียบใดๆ รวมถึงการเปรียบเทียบนี้ด้วย ให้เปิดหน้า releases ของโปรเจกต์บน GitHub จากนั้นดูรายการ commit ของสาขาหลัก โปรเจกต์ที่มีการออก release ใหม่แต่ log ของ commit เงียบเหงาแสดงว่าโปรเจกต์กำลังอยู่ในช่วงประคองตัว ส่วนโปรเจกต์ที่มี commit ใหม่ๆ แต่ไม่มีการออก release มาหลายปีนั้นกำลังขอให้คุณรันโค้ดที่ไม่มีใครรับรองเวอร์ชันให้
Activepieces: ตัวเลือกที่ใกล้เคียงที่สุด และมี MIT เป็นแกนหลัก
Activepieces เป็นตัวเลือกที่ใกล้เคียงกันแบบตรงไปตรงมา เป็น visual builder ที่มี triggers และ actions จาก integrations ซึ่งเรียกว่า pieces และ README ระบุว่ามีมากกว่า 280 รายการ ทุก piece ยังเปิดให้ใช้งานเป็น MCP (model context protocol) server ด้วย ดังนั้น client ที่เป็น LLM (large language model) จึงเรียก connector เดิมเป็น tools ได้ แกนหลักใช้ใบอนุญาต MIT ไดเรกทอรี 2 รายการคือ packages/ee/ และ packages/server/api/src/app/ee อยู่ภายใต้ commercial licence คำแนะนำ self-hosting อย่างเป็นทางการกำหนด AP_EDITION=ee ซึ่งทำงานบน free plan โดยค่าเริ่มต้น ส่วนฟีเจอร์แบบชำระเงินต้อง upgrade ใบอนุญาตเดียวกันยังอนุญาตให้คุณคัดลอกและแก้ไขโค้ดดังกล่าวเพื่อการพัฒนาและการทดสอบโดยไม่ต้องมี subscription
อ่านการแบ่งส่วนนี้ก่อน migration เพราะขอบเขตกว้างกว่าโครงการ MIT ส่วนใหญ่ Community Edition คือ automation core เพียงอย่างเดียว ขณะที่ $0 Free plan ยังระบุ Flows, Agents, Tables และ "MCPs and API access" โดยรองรับ cloud หรือ on-prem hosting Agents เปลี่ยน actions ของ piece ให้เป็น tools ที่สามารถเรียกใช้ได้ Projects, single sign-on และ standard roles เริ่มต้นที่ Team ส่วน Releases และ Git Sync, audit logs, secret managers และ branding อยู่ใน Ultimate ดังนั้นตำแหน่งของ module ใน commercial directory จึงไม่ได้บอกว่าการใช้งาน module นั้นต้องชำระเงินหรือไม่ อย่างไรก็ตาม การสร้าง flows ด้วยโปรแกรมไม่ต้องใช้ paid plan Activepieces มี MCP server ในตัว ซึ่งมี tools สำหรับสร้าง, duplicate, เปลี่ยนชื่อ และ publish flows รวมถึงเพิ่ม, update และ delete steps และ update triggers (ap_create_flow, ap_build_flow, ap_add_step และรายการอื่นๆ) เอกสารระบุเพิ่มเติมว่า "MCP tools ใช้งานได้ฟรี ยกเว้น ap_run_action ซึ่งมีค่าใช้จ่าย 1 credit ต่อการเรียกใช้" flow ที่เริ่มโดย MCP tool จะคิดค่าบริการเหมือนการรัน flow ปกติ
รูปแบบ runtime ประกอบด้วย app container 1 ตัว, worker container อย่างน้อย 1 ตัว, Postgres และ Redis โดย AP_DB_TYPE=POSTGRES และ AP_REDIS_TYPE=STANDALONE เป็นค่าเริ่มต้น มีโหมด single-container ที่ใช้ database ในตัวและคิวภายใน process (AP_DB_TYPE=PGLITE กับ AP_REDIS_TYPE=MEMORY) และเอกสารระบุว่าโหมดนี้ "สำหรับการใช้งานส่วนบุคคลบนเครื่องเดียว" ให้ยึดตามข้อจำกัดนี้ คิวในหน่วยความจำรองรับ instance เดียวบนเครื่องเดียว ดังนั้นเมื่อระบบเติบโตเกินขีดจำกัด การเปลี่ยนไปใช้รูปแบบอื่นคือ migration ไม่ใช่ flag
Windmill: เน้นเขียนโค้ดและมีน้ำหนักมากกว่าที่เห็น
Windmill รันสคริปต์ในภาษา Python, TypeScript, Go, Bash และ SQL จากนั้นนำมาประกอบกันเป็น flow หากระบบอัตโนมัติของคุณเน้นการเขียนโค้ดเป็นหลักโดยมีส่วนเชื่อมต่อเพียงเล็กน้อย เครื่องมือนี้จะเหมาะสมกว่าการใช้ node canvas ใดๆ
ต้องให้ความสำคัญกับเรื่องใบอนุญาต (licence) ซอร์สโค้ดเป็น AGPLv3 เมื่อคอมไพล์โดยไม่เปิดใช้ enterprise feature flag ส่วนอิมเมจที่เผยแพร่ที่ ghcr.io/windmill-labs/windmill คือ Community Edition ซึ่งรวมโค้ดที่ไม่ใช่โอเพนซอร์สแต่สามารถใช้งานได้ฟรีภายใต้โควตาที่กำหนด หน้าเพจราคาของ Windmill ระบุโควตาไว้ที่ 50 ผู้ใช้, 3 workspace และพื้นที่เก็บข้อมูล workspace object storage 10 GiB โดยไม่จำกัดจำนวนการรัน สำหรับบุคคลเดียวหรือทีมขนาดเล็ก เพดานนี้ถือว่าสูงมาก ดังนั้นคำถามในทางปฏิบัติจึงไม่ใช่เรื่องโควตา แต่เป็นเรื่องที่ binary ที่คุณรันไม่ใช่ build แบบ AGPL
น้ำหนักของระบบเป็นอีกประเด็นที่ต้องพิจารณา docker-compose.yml ของ Windmill มาพร้อมกับฐานข้อมูล Postgres 18, เซิร์ฟเวอร์หนึ่งตัว, worker เริ่มต้นสามตัวที่จำกัดหน่วยความจำไว้ที่ 2048M ต่อตัว, native worker และ Caddy proxy กฎทั่วไปที่ระบุไว้ในเอกสารคือ "1 worker ต่อ 1vCPU และ RAM 1-2 GB" คุณสามารถลดจำนวน replica ลงได้บนเครื่องขนาดเล็ก แต่คุณต้องทราบว่าการทำเช่นนั้นส่งผลอย่างไร เพราะ worker คือส่วนที่รันงานของคุณจริงๆ
ฟีเจอร์ AI ของ Windmill มีสองประเภท ประเภทแรกคือตัวช่วยระหว่างการสร้าง: การสร้างโค้ด, การสร้าง flow, แชท และการกรอกฟอร์ม ซึ่งจำเป็นต้องตั้งค่า model provider resource ในการตั้งค่า workspace หรือรับค่ามาจาก instance settings ก่อน ประเภทที่สองคือ AI agent steps ซึ่งรันอยู่ภายใน flow โดยสามารถเรียกใช้สคริปต์แบบ inline, workspace, Hub หรือ MCP servers ในฐานะเครื่องมือ และทำงานร่วมกับผู้ให้บริการต่างๆ เช่น OpenAI, Anthropic, Mistral และ Google AI ดังนั้นหากคุณต้องการ AI agent step ที่รันตามกำหนดเวลาและเรียกใช้เครื่องมือต่างๆ Windmill สามารถทำได้เช่นเดียวกับ AI Agent node ของ n8n โดย การสร้าง AI agent ใน n8n ได้ครอบคลุมเนื้อหาในส่วนของ n8n ไว้แล้ว
Node-RED: ตัวเลือกขนาดเล็กที่ไม่มีฐานข้อมูล
Node-RED ใช้สัญญาอนุญาตแบบ Apache 2.0 ซึ่งเป็นสัญญาอนุญาตแบบผ่อนปรนที่ไม่มีเงื่อนไข copyleft แม้ว่าสัญญาอนุญาต MIT ของ Huginn และแกนหลักของ Activepieces จะมีข้อกำหนดที่น้อยกว่าก็ตาม Node-RED ทำงานเป็นกระบวนการ Node.js หนึ่งรายการโดยใช้ /data volume เพียงรายการเดียว ไม่มีการใช้ Postgres และไม่มี Redis ให้กำหนดเวอร์ชันเป็น nodered/node-red:5.0.9 ซึ่งเป็น release ปัจจุบัน ณ วันที่ 29 ตุลาคม 2026
ซอฟต์แวร์นี้พัฒนามาจากการเชื่อมต่ออุปกรณ์ IoT (Internet of Things) จึงมีรูปแบบการทำงานที่เน้นเหตุการณ์ (event-shaped) มากกว่ารูปแบบตัวเชื่อมต่อ (connector-shaped) โหนดสำหรับบริการของบุคคลที่สามมาจากคลังข้อมูลของชุมชนซึ่งมีคุณภาพแตกต่างกันไป นี่คือข้อแลกเปลี่ยนเพื่อให้ได้ซอฟต์แวร์ที่มีขนาดเล็ก ไม่มีขั้นตอนสำหรับ AI agent ระดับเฟิร์สคลาส สำหรับ VPS ขนาดเล็กที่จัดการ webhooks และ traffic ของ message-queue นี่คือซอฟต์แวร์ที่เบาที่สุดในกลุ่มนี้ที่สามารถทำงานได้จริง และใช้เวลาเริ่มต้นเพียงไม่กี่วินาที
Huginn และ Automatisch: ตรวจสอบ commit log ก่อน
Huginn เป็นซอฟต์แวร์ภายใต้สัญญาอนุญาต MIT เขียนด้วย Ruby on Rails และจำเป็นต้องใช้ MySQL หรือ PostgreSQL ระบบนี้ทำงานโดยใช้แนวคิดของ agent ที่คอยเฝ้าดูแหล่งข้อมูลและส่งเหตุการณ์ (event) ออกมา ซึ่งเป็นรูปแบบที่ต่างจาก flow canvas ทั่วไป OpenAI LLM Agent ของ Huginn จะส่งข้อความ chat completion หนึ่งรายการต่อหนึ่งเหตุการณ์ไปยัง API ใดก็ตามที่รองรับ OpenAI รวมถึง Ollama และส่งคำตอบกลับออกมาเป็นเหตุการณ์ใหม่ ระบบนี้ไม่รองรับการเรียกใช้เครื่องมือ (tool calling) จึงควรพิจารณาว่าเป็นเพียงขั้นตอนการประมวลผลข้อความมากกว่าจะเป็น agent loop หลังจากที่ไม่มีการออก release ที่ติดแท็ก (tagged release) มานานถึง 4 ปี Huginn ได้มีการออก release ใหม่หลายรายการตั้งแต่เดือนสิงหาคม 2026 โดยเริ่มจาก release ด้านความปลอดภัย ให้เลือกใช้ Huginn เมื่อรูปแบบการทำงานแบบ agent ตรงกับปัญหาของคุณ ไม่ใช่ใช้เพื่อแทนที่ n8n ในภาพรวม
Automatisch เป็นซอฟต์แวร์ภายใต้สัญญาอนุญาต AGPL-3.0 ยกเว้นไฟล์ .ee และมีลักษณะคล้ายกับ n8n เวอร์ชันที่เรียบง่ายกว่า โดยใช้ Postgres, Redis และมีรายการแอปพลิเคชันให้เลือกใช้จำนวนจำกัด นี่คือเครื่องมือที่บทความสอนการติดตั้งแบบ single-deploy มักจะแนะนำ แต่ประวัติการออก release บ่งบอกว่าควรชะลอการใช้งานไปก่อน การที่ไม่มีการออก release ใหม่มานานกว่าหนึ่งปีไม่ใช่เหตุผลให้ต้องตื่นตระหนกหากคุณใช้งานอยู่แล้ว แต่เป็นเหตุผลที่ไม่ควรเริ่มต้นการติดตั้งใช้งานจริง (production deployment) รายการใหม่บนเครื่องมือนี้
ต้นทุน RAM ที่แท้จริงของ stack Activepieces
หน่วยความจำขณะว่างและขณะทำงานที่วัดได้ไม่ใช่ตัวเลขที่ใครจะระบุให้คุณได้ เนื่องจากขึ้นอยู่กับ flow ของคุณเองและปริมาณข้อมูลที่ flow เหล่านั้นประมวลผล สิ่งที่คุณอ่านได้คือสิ่งที่ผู้ให้บริการแต่ละรายแนะนำให้คุณจัดสรรงบประมาณไว้ Activepieces ได้ระบุขนาดไว้ดังด้านล่างนี้ และประโยคข้างเคียงมีความสำคัญมากกว่าตัวเลข: "worker ที่มี concurrency-1 จะทำงานตลอดระยะเวลาของ flow (สูงสุด 10 นาที) ดังนั้นให้คำนวณขนาดตามจำนวน flow ที่ทำงานพร้อมกัน ไม่ใช่ตามอัตราการ trigger"
ข้อมูลเบื้องหลังแผนภูมินี้
[
{
"label": "App container",
"vcpu": 1,
"ram_gb": 1
},
{
"label": "Worker (each)",
"vcpu": 0.5,
"ram_gb": 1
},
{
"label": "Postgres",
"vcpu": 2,
"ram_gb": 4
},
{
"label": "Redis",
"vcpu": 1,
"ram_gb": 1
}
]worker หนึ่งตัวใช้ 0.5 vCPU และ 1 GB โดยจะรัน flow ได้ทีละหนึ่งรายการเมื่อตั้งค่า AP_WORKER_CONCURRENCY=1 ซึ่งเป็นค่าที่เอกสารแนะนำ ค่าเริ่มต้นที่มากับซอฟต์แวร์คือ 5 ซึ่งจะรันหลาย flow ภายใน container เดียวกัน และสำหรับกรณีนั้นเอกสารระบุว่าควรจัดสรรหน่วยความจำให้ worker แต่ละตัวเพิ่มขึ้นประมาณห้าเท่า ส่วน Postgres มีขนาดอยู่ที่ 4 GB ไฟล์ compose ของโปรเจกต์เองมีการตั้งค่า worker ไว้ 5 replicas ดังนั้นแม้จะใช้ concurrency 1 ตัว stack ใน repository ก็ต้องการหน่วยความจำประมาณ 11 GB ก่อนที่คุณจะเริ่มรัน flow ใดๆ การตั้งค่าสำหรับการใช้งานจริงที่เผยแพร่นั้นยังต้องการ S3 object storage เพื่อให้ได้ตัวเลข throughput ตามที่ระบุ ซึ่งตัวเลขเหล่านั้นไม่ได้อธิบายถึง stack ในเครื่องตามด้านล่างนี้ บทเรียนสำหรับเครื่องมือเดียวมักจะคัดลอกไฟล์นั้นมาและเรียกมันว่าการติดตั้งขนาดเล็ก
บน VPS ขนาด 4 GB ให้รัน worker สองตัวที่ concurrency 1 โดยเก็บ Postgres ไว้ใน compose project เดียวกันแล้วทำการวัดผล docker stats --no-stream จะแสดงผลบรรทัดละหนึ่ง container พร้อมหน่วยความจำจริงที่ใช้งานอยู่ (resident memory) ซึ่งแม่นยำกว่าตัวเลขใดๆ ที่เผยแพร่โดยผู้ให้บริการหรือบล็อก หาก container มีการใช้หน่วยความจำเพิ่มขึ้นโดยไม่มีขีดจำกัด ให้จำกัดค่าดังกล่าว โดย memory limits in Docker Compose จะแสดงไวยากรณ์ที่ใช้ในการตั้งค่า
ไฟล์ compose สำหรับ Activepieces บน VPS หนึ่งเครื่อง
ให้ระบุเวอร์ชัน (pin) ของ tag ไว้เสมอ เพราะ latest หมายความว่า docker compose pull ถัดไปอาจมีการปรับเปลี่ยนโครงสร้างฐานข้อมูลโดยไม่มีการแจ้งเตือนล่วงหน้า เวอร์ชัน 0.92.3-hotfix.1 ได้แก้ไขช่องโหว่ความปลอดภัยของ Node.js ประจำเดือนตุลาคม 2026 แล้ว และ 0.92.3-hotfix.2 ได้เพิ่มการแก้ไขปัญหา API crash ที่เกิดจาก webhook ดังนั้นตัวอย่างด้านล่างนี้จึงระบุเวอร์ชัน hotfix ดังกล่าวไว้
ให้สร้าง secret สองรายการก่อน โดยใช้ความยาวตามที่เอกสารระบุไว้
openssl rand -hex 16 # AP_ENCRYPTION_KEY, encrypts stored connections
openssl rand -hex 32 # AP_JWT_SECRET, signs session tokensเขียน .env ไว้ข้างไฟล์ compose:
AP_ENGINE_EXECUTABLE_PATH=dist/packages/engine/main.js
AP_ENVIRONMENT=prod
AP_FRONTEND_URL=https://automation.example.com
AP_ENCRYPTION_KEY=REPLACE_WITH_HEX_16
AP_JWT_SECRET=REPLACE_WITH_HEX_32
AP_DB_TYPE=POSTGRES
AP_POSTGRES_DATABASE=activepieces
AP_POSTGRES_HOST=postgres
AP_POSTGRES_PORT=5432
AP_POSTGRES_USERNAME=postgres
AP_POSTGRES_PASSWORD=REPLACE_WITH_A_LONG_RANDOM_PASSWORD
AP_REDIS_TYPE=STANDALONE
AP_REDIS_HOST=redis
AP_REDIS_PORT=6379
AP_EDITION=ee
AP_EXECUTION_MODE=SANDBOX_CODE_ONLY
AP_WORKER_CONCURRENCY=1
AP_TELEMETRY_ENABLED=falseAP_FRONTEND_URL จะต้องเป็นที่อยู่ HTTPS สาธารณะ เพราะหากไม่ระบุ Activepieces จะพยายามใช้ IP สาธารณะของคุณในการสร้าง URL ของ webhook ซึ่ง webhook ทุกรายการที่คุณส่งให้บุคคลที่สามจะถูกสร้างขึ้นจากค่านี้ ดังนั้นหากยังคงชี้ไปที่ localhost URL ที่คุณนำไปวางในบริการอื่นจะไม่มีทางเข้าถึงเซิร์ฟเวอร์ของคุณได้ AP_WORKER_CONCURRENCY=1 จะจำกัดให้ worker แต่ละตัวทำงานได้เพียงหนึ่ง flow เพื่อให้การจัดสรรทรัพยากรตามที่ระบุไว้ข้างต้นยังคงใช้งานได้จริง ส่วน edition และโหมดการทำงานให้เป็นไปตามคำแนะนำสำหรับการ self-host โดย ee จะเริ่มต้นที่แผนฟรี และจะปฏิเสธ UNSANDBOXED ในขณะเริ่มระบบ
services:
app:
image: ghcr.io/activepieces/activepieces:0.92.3-hotfix.2
restart: unless-stopped
ports:
- '127.0.0.1:8080:80'
depends_on:
- postgres
- redis
env_file: .env
environment:
- AP_CONTAINER_TYPE=APP
volumes:
- ./cache:/usr/src/app/cache
worker:
image: ghcr.io/activepieces/activepieces:0.92.3-hotfix.2
restart: unless-stopped
depends_on:
- app
env_file: .env
environment:
- AP_CONTAINER_TYPE=WORKER
- AP_FRONTEND_URL=http://app
deploy:
replicas: 2
volumes:
- ./cache:/usr/src/app/cache
postgres:
image: pgvector/pgvector:0.8.0-pg14
restart: unless-stopped
env_file: .env
environment:
- POSTGRES_DB=${AP_POSTGRES_DATABASE}
- POSTGRES_USER=${AP_POSTGRES_USERNAME}
- POSTGRES_PASSWORD=${AP_POSTGRES_PASSWORD}
volumes:
- postgres_data:/var/lib/postgresql/data
redis:
image: redis:7.0.7
restart: unless-stopped
volumes:
- redis_data:/data
volumes:
postgres_data:
redis_data:ไฟล์ดังกล่าวอ้างอิงมาจากไฟล์ compose ของโปรเจกต์เอง โดยมีการลดจำนวน worker จากห้าเหลือสองตัว พอร์ตที่เปิดใช้งานจะผูกไว้กับ 127.0.0.1 แทนที่จะเป็นทุกอินเทอร์เฟซ มีการนำชื่อ container แบบคงที่ออกเนื่องจากบริการที่มีการทำ replica ไม่สามารถใช้ชื่อซ้ำกันได้ และมีการตัดบล็อก network ที่ระบุไว้ออกเนื่องจาก compose จะสร้าง network ให้โดยอัตโนมัติอยู่แล้ว นอกจากนี้ยังมีการระบุเวอร์ชัน hotfix ด้านความปลอดภัยและกำหนด app URL ให้กับ worker ตามที่คู่มือการติดตั้งกำหนดไว้
docker compose up -d
docker compose psทุกบริการควรแสดงสถานะ Up ซึ่งรวมถึง container ประเภท worker จำนวนสองตัว หาก container มีการรีสตาร์ทวนซ้ำ ให้ตรวจสอบสาเหตุได้ใน docker compose logs worker ดังนั้นควรอ่าน log ก่อนทำการเปลี่ยนแปลงใดๆ การผูกพอร์ตในลักษณะนี้หมายความว่าจะไม่มีการเข้าถึงแอปจากภายนอกได้จนกว่าคุณจะติดตั้ง reverse proxy ที่มี TLS (transport layer security) ไว้ด้านหน้า ซึ่งครอบคลุมอยู่ใน การรัน Traefik หน้าแอป compose หลายตัว ให้เก็บ .env ไว้ที่โหมด 600 และไม่นำเข้า git ตามที่ระบุใน การจัดการ secret ในไฟล์ env ของ compose
การสำรองข้อมูลที่ยังคงอ่านรหัสผ่านได้
เครื่องมืออย่าง n8n, Node-RED และ Activepieces จะเข้ารหัสข้อมูลประจำตัว (credentials) ที่จัดเก็บไว้ ดังนั้นการทำ database dump เพียงอย่างเดียวจึงไม่ใช่การสำรองข้อมูลที่สมบูรณ์ คุณจำเป็นต้องมีทั้งไฟล์ dump และกุญแจที่ใช้ถอดรหัสข้อมูลนั้น ข้อควรระวังคือ n8n และ Node-RED จะสร้างกุญแจดังกล่าวให้คุณโดยอัตโนมัติ ซึ่งกุญแจนี้อาจถูกเก็บไว้นอกเหนือจากการสำรองข้อมูลฐานข้อมูลของคุณ
n8n เป็นกรณีที่ชัดเจนที่สุด หากคุณไม่ได้ตั้งค่า N8N_ENCRYPTION_KEY ตัว n8n จะ "สร้างกุญแจเข้ารหัสแบบสุ่มโดยอัตโนมัติในการเปิดใช้งานครั้งแรกและบันทึกไว้ในโฟลเดอร์ ~/.n8n" จากนั้นจะใช้กุญแจนั้นเข้ารหัสข้อมูลประจำตัวก่อนบันทึกลงฐานข้อมูล หากคุณทำ Postgres dump แล้วนำไป restore ลงใน container ใหม่ที่มี volume ใหม่ เวิร์กโฟลว์ของคุณจะกลับมา แต่ข้อมูลประจำตัวทั้งหมดจะกลายเป็นข้อความที่เข้ารหัส (ciphertext) ซึ่งไม่มีใครอ่านได้ คู่มือการสำรองข้อมูลของ n8n ได้ระบุเรื่องนี้ไว้ โดยแนะนำให้สำรองข้อมูลโฟลเดอร์ .n8n แม้ว่าคุณจะใช้ PostgreSQL ก็ตาม เพราะ "มันเก็บไฟล์ config ซึ่งเป็นที่เก็บกุญแจสำหรับเข้ารหัสข้อมูลประจำตัว" คุณควรตั้งค่าตัวแปรนี้ไว้อย่างชัดเจน และตั้งค่าให้เป็นค่าเดียวกันในทุก worker เมื่อใช้งานในโหมด queue
Node-RED มีลักษณะเดียวกัน ข้อมูลประจำตัวจะถูกเก็บไว้ในไฟล์ที่เข้ารหัสแยกต่างหาก และกุญแจจะถูกกำหนดโดย credentialSecret ใน settings.js เมื่อคุณไม่ได้กำหนดค่านี้ไว้ ตัว runtime จะสร้างกุญแจแบบสุ่มและบันทึกไว้ภายใต้ _credentialSecret ในที่เก็บการตั้งค่าภายใน /data ตัว Node-RED 5.0.9 จะแสดงคำเตือนว่าไฟล์ข้อมูลประจำตัวใช้กุญแจที่ระบบสร้างขึ้น หากทำหายจะกู้คืนข้อมูลไม่ได้ และคุณควรตั้งค่า credentialSecret ของคุณเอง ไฟล์การตั้งค่ามาตรฐานระบุผลลัพธ์ไว้ว่า: "เมื่อคุณตั้งค่าคุณสมบัตินี้แล้ว ห้ามเปลี่ยนแปลง เพราะจะทำให้ Node-RED ไม่สามารถถอดรหัสข้อมูลประจำตัวเดิมของคุณได้และข้อมูลจะสูญหาย" ดังนั้นให้สำรองข้อมูลทั้ง volume /data ไม่ใช่แค่ไฟล์ flows เท่านั้น
Activepieces เก็บ AP_ENCRYPTION_KEY ไว้ใน .env ของคุณ ซึ่งระบุไว้ว่าเป็น "กุญแจเลขฐานสิบหกขนาด 32 ตัวอักษร (16 ไบต์) ที่ใช้สำหรับเข้ารหัสการเชื่อมต่อ" ส่วน Huginn เก็บ APP_SECRET_TOKEN ไว้ใน environment ของตน สำหรับ Automatisch จะมีกุญแจสามตัวคือ ENCRYPTION_KEY, WEBHOOK_SECRET_KEY และ APP_SECRET_KEY ในทุกกรณี ข้อมูลลับเหล่านี้จะอยู่ในไฟล์ environment ซึ่งหมายความว่าไฟล์ environment นั้นเป็นส่วนหนึ่งของการสำรองข้อมูล
Windmill เป็นข้อยกเว้นที่ควรทราบ ข้อมูลลับของมันถูกเข้ารหัสด้วยกุญแจสมมาตรเฉพาะ workspace ซึ่ง Windmill เก็บไว้ในฐานข้อมูลของตัวเอง ดังนั้นการทำ Postgres dump เพียงครั้งเดียวจึงได้ข้อมูลทั้งสองส่วนโดยค่าเริ่มต้น หากคุณตั้งค่า SECRET_SALT ไว้ ก็ต้องเก็บค่านี้ไว้ด้วยเช่นกัน จงปกป้องไฟล์ dump นั้นเสมือนเป็นข้อมูลลับเอง การกู้คืน instance ทั้งหมดยังต้องใช้ฐานข้อมูลอื่นและ cluster roles ที่ฟีเจอร์ต่างๆ เช่น data tables และ workspace forks ใช้งานอยู่ ไฟล์ compose ปัจจุบันจึงเรียกให้ทำ dump ทั้ง cluster แทนที่จะเป็นเพียงฐานข้อมูล windmill เท่านั้น
สำหรับ stack ของ Activepieces ข้างต้น การสำรองข้อมูลประกอบด้วยไฟล์สองไฟล์:
cd /srv/activepieces
docker compose exec -T postgres pg_dump -U postgres -Fc activepieces > "ap-$(date +%F).dump"
cp .env "ap-env-$(date +%F).bak"
chmod 600 ap-*.dump ap-env-*.bakจากนั้นให้พิสูจน์ว่าการสำรองข้อมูลนั้นใช้งานได้จริง เพราะการสำรองข้อมูลที่ไม่ได้ทดสอบก็เป็นเพียงการคาดเดาเท่านั้น ให้ลอง restore ไฟล์ dump ลงในโปรเจกต์ compose จำลองที่ใช้ AP_ENCRYPTION_KEY ที่แตกต่างออกไปโดยเจตนา แล้วลองรัน flow ที่ใช้การเชื่อมต่อที่บันทึกไว้ มันจะล้มเหลวเพราะ ciphertext ในฐานข้อมูลถูกสร้างขึ้นด้วยกุญแจอีกตัวหนึ่ง จากนั้นให้ทำซ้ำการ restore ด้วยกุญแจจริงจาก .env แล้ว flow เดียวกันนั้นจะรันได้สำเร็จ การทดสอบทั้งสองครั้งนี้เป็นหลักฐานเดียวที่ยืนยันว่าการสำรองข้อมูลของคุณใช้งานได้จริง ให้ส่งไฟล์ทั้งสองออกจากเซิร์ฟเวอร์ตามกำหนดเวลาด้วย การสำรองข้อมูลด้วย restic จาก VPS เนื่องจากการสำรองข้อมูลไว้บนดิสก์ลูกเดียวกันจะสูญหายไปพร้อมกับดิสก์หากเกิดความเสียหาย
เมื่อใดที่ควรใช้งาน n8n ต่อไป
ให้ใช้งานต่อหากงานนั้นเป็นงานภายในบริษัทของคุณเอง เนื่องจาก Sustainable Use License อนุญาตให้ทำเช่นนั้นได้ ให้ใช้งานต่อหากคุณเน้นความหลากหลาย เนื่องจากไดเรกทอรีการเชื่อมต่อของ n8n มีรายการการเชื่อมต่อมากกว่า 2,000 รายการ หรือหากคุณใช้งาน AI Agent node ที่สร้างบน LangChain ในบรรดาตัวเลือกแบบ self-hosted ที่ใช้งานได้ฟรีในที่นี้ ทั้ง Activepieces และ Windmill ต่างก็มีตัวแทน (agents) ที่สามารถเรียกใช้เครื่องมือได้ Activepieces มีรายการ Agents ในแผน Free สำหรับการโฮสต์แบบ on-prem และตัวแทนของมันจะใช้ piece actions เป็นเครื่องมือ ส่วน OpenAI LLM Agent ของ Huginn จะส่ง prompt และแสดงผลลัพธ์ออกมาโดยไม่ได้เรียกใช้เครื่องมือใดๆ การขับเคลื่อนเวิร์กโฟลว์ n8n ด้วย Claude แสดงให้เห็นว่าสิ่งนี้มีลักษณะอย่างไรในทางปฏิบัติ
ให้ย้ายไปใช้ Activepieces หากคุณต้องการใบอนุญาตที่ยืดหยุ่นสำหรับแกนหลักของระบบอัตโนมัติและสแต็กที่คุณสามารถอ่านทำความเข้าใจได้ตั้งแต่ต้นจนจบ ให้ย้ายไปใช้ Windmill หากเวิร์กโฟลว์ของคุณคือโค้ดที่ครอบด้วยส่วนติดต่อผู้ใช้ (UI) ให้ย้ายไปใช้ Node-RED หากฮาร์ดแวร์มีทรัพยากรจำกัดและงานของคุณมีลักษณะเป็นเหตุการณ์ (event-shaped) อย่าตัดสินใจย้ายเพียงเพราะผลการทดสอบประสิทธิภาพระบุว่า n8n ใช้ทรัพยากรสูง ให้วัดผลจากอินสแตนซ์ของคุณเองก่อน จากนั้นอ่าน สิ่งที่คุ้มค่าในการทำ self-hosting ในปี 2026 แล้วตัดสินใจเพียงครั้งเดียว เพราะการย้ายระบบครั้งที่สองมีต้นทุนสูงพอๆ กับครั้งแรก
FAQ
ทางเลือกของ n8n แบบ self-hosted ตัวใดที่ใกล้เคียงกับ n8n มากที่สุด?
Activepieces เป็นตัวเลือกที่ใกล้เคียงที่สุด โดยมีแนวคิดเดียวกันคือเป็นเครื่องมือสร้าง workflow แบบ visual ที่ใช้ trigger เริ่มต้นการทำงานและแต่ละขั้นตอนจะเรียกใช้บริการต่างๆ ผ่านตัวเชื่อมต่อ (connector) ที่มีให้เลือกจำนวนมาก แกนหลักของซอฟต์แวร์ใช้สัญญาอนุญาตแบบ MIT ทำงานบน Postgres และ Redis ผ่าน Docker และชิ้นส่วน (pieces) ต่างๆ ยังทำหน้าที่เป็น MCP server สำหรับ LLM client ได้อีกด้วย แม้จะมีส่วนที่เป็น commercial enterprise แต่ไม่ได้หมายความว่าทุกฟีเจอร์ต้องเสียเงิน โดยแผน Free รองรับการใช้งาน Agents และ MCP พร้อมการโฮสต์แบบ on-prem และตัว MCP server ที่มาพร้อมในตัวยังช่วยให้ผู้ช่วย AI สามารถสร้างและแก้ไข flow ได้
Activepieces เป็น open source จริงหรือไม่?
แกนหลักของซอฟต์แวร์เป็น open source ภายใต้สัญญาอนุญาต MIT โดยมีสองไดเรกทอรีคือ packages/ee/ และ packages/server/api/src/app/ee ที่ใช้สัญญาอนุญาตเชิงพาณิชย์ คำแนะนำการติดตั้งแบบ self-hosting อย่างเป็นทางการใช้ AP_EDITION=ee และเริ่มต้นด้วยแผนฟรี ส่วนฟีเจอร์ระดับสูงต้องอัปเกรด คุณสามารถคัดลอกและแก้ไขโค้ดเชิงพาณิชย์เพื่อการพัฒนาและทดสอบได้โดยไม่ต้องสมัครสมาชิก แผน Free ครอบคลุมการใช้งาน Flows, Agents, Tables และ MCP สำหรับการโฮสต์เอง ส่วนฟีเจอร์อย่าง Projects, single sign-on, audit logs, secret managers, branding และ Git sync จะอยู่ในแผนที่ต้องชำระเงิน ดังนั้นจึงถือเป็น open source สำหรับการสร้างและรันแกนหลักของระบบอัตโนมัติ ในขณะที่รุ่นเชิงพาณิชย์จะรวมทั้งฟีเจอร์ฟรีและฟีเจอร์ที่ต้องชำระเงินไว้ด้วยกัน
Activepieces ต้องการ RAM เท่าใดบน VPS?
Activepieces ระบุความต้องการไว้ที่ 0.5 vCPU และ 1 GB ต่อ worker, 1 vCPU และ 1 GB สำหรับ app container, 4 GB สำหรับ Postgres และ 1 GB สำหรับ Redis ตัวเลขของ worker อ้างอิงตาม AP_WORKER_CONCURRENCY=1 ซึ่งในการตั้งค่านี้ worker หนึ่งตัวจะจัดการ flow ได้ทีละหนึ่งรายการตลอดระยะเวลาการทำงาน ดังนั้นคุณควรคำนวณขนาดตามจำนวน flow ที่ทำงานพร้อมกันสูงสุด (peak concurrent flows) ไม่ใช่ความถี่ของ trigger ค่าเริ่มต้นที่ให้มาคือ 5 concurrent flows ต่อ worker ซึ่งต้องใช้หน่วยความจำประมาณ 5 เท่าต่อ worker ไฟล์ compose ใน repository กำหนด worker ไว้ 5 ตัว ซึ่งต้องใช้ทรัพยากรประมาณ 11 GB แม้จะตั้งค่า concurrency ไว้ที่ 1 ก็ตาม การเริ่มต้นด้วย worker 2 ตัวที่ concurrency 1 บน VPS ขนาด 4 GB ถือเป็นจุดเริ่มต้นที่เหมาะสม และ docker stats --no-stream จะช่วยยืนยันตัวเลขการใช้งานจริงสำหรับ flow ของคุณในขณะที่ทำงาน
ต้องสำรองข้อมูลส่วนใดเพื่อให้การกู้คืนใช้งานได้จริง?
ต้องสำรองข้อมูลทั้งฐานข้อมูลและ encryption key ไปพร้อมกัน สำหรับ Activepieces คือการทำ pg_dump ของฐานข้อมูล activepieces ร่วมกับไฟล์ .env ที่เก็บ AP_ENCRYPTION_KEY สำหรับ n8n คือฐานข้อมูลและ N8N_ENCRYPTION_KEY ซึ่ง n8n สร้างให้คุณภายในโฟลเดอร์ ~/.n8n หากคุณไม่ได้กำหนดค่าไว้เอง สำหรับ Node-RED ให้สำรองข้อมูลทั้ง volume /data เนื่องจากไฟล์ credentials และคีย์ที่ใช้ถอดรหัสจะอยู่ที่นั่น ส่วน Windmill จะเก็บ workspace key ไว้ใน Postgres เป็นค่าเริ่มต้น ให้สำรอง SECRET_SALT ไว้ด้วยหากคุณมีการตั้งค่า และใช้การสำรองข้อมูลทั้ง cluster เพื่อการกู้คืน instance แบบสมบูรณ์ ควรเก็บไฟล์สำรองข้อมูลเหล่านี้ให้ปลอดภัยเสมือนเป็นข้อมูลลับเอง
สามารถนำเข้า workflow ของ n8n ไปยังเครื่องมืออื่นได้หรือไม่?
ณ วันที่ 27 ตุลาคม 2026 Activepieces ยังไม่รองรับการนำเข้าหรือแปลง workflow ของ n8n การย้ายระบบหมายถึงการสร้าง flow ใหม่ในเครื่องมือตัวใหม่และสร้าง credential ใหม่สำหรับแต่ละบริการ งานส่วนนี้คือต้นทุนที่แท้จริงของการเปลี่ยนระบบ ดังนั้นควรนับจำนวน flow ของคุณก่อนตัดสินใจ หากมี 12 flow อาจใช้เวลาเพียงครึ่งวัน แต่หากมี 200 flow ถือเป็นโปรเจกต์ใหญ่ ซึ่งโดยปกติแล้วการปรับแต่งการใช้หน่วยความจำของ n8n ด้วย queue mode และ Postgres จะคุ้มค่ากว่าการสร้างใหม่ทั้งหมด