Claude + n8n：在 VPS 上搭建 AI 工作流

您要搭建的内容

在您已经运行的 n8n 实例上搭建三个可用的 AI 工作流：一个把您丢给它的任何内容都总结出来的 webhook、一个按计划定时读取订阅源并把文章转成结构化表格行的阅读器，以及一个会自行调用 HTTP API 来回答问题的 AI Agent。这是 在 VPS 上用 Python 调用 Claude API 的无代码对应版本：同样的 API、同样的 token、同样的账单，只是编排逻辑放在 n8n 节点里，而不是脚本里。

本文假设您已经按照 在 Docker 上自托管 n8n 指南 把 n8n 跑在 HTTPS 之后。如果还没有，请先完成那一步：webhook 需要一个真实的 TLS 端点，而您接下来要放入 API 密钥的凭据库，也需要那份指南反复提醒您做的加密密钥备份。

这里真正值得琢磨的问题不是拖放操作，而是每个节点的模型选择、会悄悄把 undefined 插进去的提示词字段，以及自动化是无人值守运行这一事实：一个每次运行只花半美分的工作流本来很便宜，直到一个重试循环在一夜之间把它跑了四千次。本文大部分内容讲的都是这些。

一份凭据，用您备份过的密钥加密

在 platform.claude.com 的 Anthropic Console 里获取一个 API 密钥：进入 Settings，再进 API Keys，然后创建一个名字类似 n8n-vps 的密钥。它只显示一次。给账户充值或设置好计费；API 用量是按 token 付费的，与任何 Claude.ai 订阅完全无关。

在 n8n 里：Credentials、Create credential、选择 Anthropic，把密钥粘贴到 API Key 字段，保存。每个工作流里的每个 Claude 节点都引用这一份已保存的凭据，您永远不用把密钥直接粘贴进某个节点。

两点运维提示。第一，n8n 用 N8N_ENCRYPTION_KEY 加密已保存的凭据。如果您按照 n8n 指南在 compose 文件里显式设置了这个环境变量，您的凭据在容器重建后仍然可用；如果您让 n8n 自己生成一个、随后又丢失了卷（volume），那么每一份已保存的凭据（包括这个密钥）都会变成无法恢复的密文。如果之前跳过了这一步，现在就把密钥备份好。第二，把 n8n 凭据库当作影响范围（blast radius）来看待：任何能在您的实例上编辑工作流的人，都能用您的 Anthropic 密钥发起请求。在 Console 的 Settings 里设置一个消费上限，这样即使实例被入侵或失控，也有一个天花板。

模型选择是每个节点各自的决定

n8n 的 Claude 节点里的模型下拉框是实时从 API 拉取的，因此显示的是您的密钥能访问的模型。截至 2026 年 7 月，产品阵容以及按每百万输入/输出 token 计的 API 定价是：Claude Haiku 4.5（claude-haiku-4-5）为 $1/$5，上下文窗口 200K；Claude Sonnet 5（claude-sonnet-5）为 $3/$15，2026 年 8 月 31 日前有 $2/$10 的推广价；Claude Opus 4.8（claude-opus-4-8）为 $5/$25，后两者的上下文窗口都是 100 万 token。此外还有面向最难推理任务的 Claude Fable 5（claude-fable-5），价格 $10/$50；本文没有任何环节需要它。请使用这些确切的 ID：您从旧教程里记住的带日期后缀的变体会返回 404，而且价格会变，所以在相信任何地方（包括本文）读到的数字之前，请到 platform.claude.com 核实。

要养成的习惯是：按节点选模型，而不是按平台选。分类、抽取、摘要、路由这些自动化里的家常活，在 Haiku 上跑得非常好，价格只有 Sonnet 标价的三分之一、Opus 的五分之一。把 Sonnet 留给 Agent 和多步推理，把 Opus 留给那种答错的代价比 token 更高的少数工作流。一个有五个 Claude 节点的工作流，完全可以、也应该混用不同模型。

两个 Claude 节点，以及各自的用武之地

n8n 提供了两个不同的 Anthropic 集成，选错是初学者最常见的弯路。

Anthropic 节点是一个普通的应用节点：一个请求进，一个响应出。它的 Text 资源有一个 Message a Model 操作，还有分析图像和文档的操作。只要工作流的逻辑本身在 n8n 里，就用它：触发器、Claude 调用、下一个节点。下面的工作流 1 和 2 用的就是它，或它的链式等价物。

Anthropic Chat Model 节点是一个子节点（sub-node）：一个小附件，为 AI Agent 或 Basic LLM Chain 这样的根节点提供模型。它没有触发器，自己也没有输出；它暴露模型选择器，以及 Maximum Number of Tokens、Sampling Temperature 这类采样选项。n8n 文档里有一条值得记住的注意事项：子节点内部的表达式始终针对第一个输入项求值，而不是每一项，所以要把逐项的表达式放在根节点的提示词字段里，而不是子节点里。

工作流 1：webhook 进，摘要出

AI 自动化的 hello-world：任何 POST 到某个 URL 的内容都会被总结，并送到 Slack 或您的收件箱。

1. Webhook 节点：HTTP Method 选 POST，路径 summarize。n8n 会给您一个测试 URL 和一个生产 URL；生产 URL 只有在工作流处于激活状态时才会监听。
2. Anthropic 节点：Message a Model，模型 claude-haiku-4-5，Max Tokens 设在 300 左右。
3. Slack 节点（或 Send Email）：把响应文本发到某个频道。

提示词是 n8n 表达式与 Claude 相遇的地方。POST 请求体会落在 $json.body 下，因此用户消息字段看起来是这样：

Summarize the following feedback in three bullets, then one line:
verdict: praise | complaint | churn-risk. No preamble.

{{ $json.body.text }}

把角色和格式说明放在节点的系统提示词字段里，而不是用户消息里：系统提示词保持恒定，而负载（payload）在变化，这能让行为稳定，也能让这段提示词在六个月后依然易读。就在 VPS 上测试它：

curl -X POST https://n8n.example.com/webhook/summarize \
  -H 'Content-Type: application/json' \
  -d '{"text": "Third support ticket this month about slow disk IO..."}'

在 Haiku 上的每次运行成本：一个 1,200 token 的负载加上提示词，大约是 $0.0012 的输入，300 token 的输出是 $0.0015，合起来大约四分之一美分。一个月一千次运行不到 $3。同一个节点若指向 Opus 4.8，大约是这个的五倍。这个比例乘以您搭建的每一个工作流，正是逐节点选模型这个习惯之所以重要的原因。

工作流 2：定时把 RSS 转成结构化表格行

现在来一个按时钟运行、且带结构化输出的：每小时读取一次 RSS 订阅源，对每一项分类，向表格追加行。

1. Schedule Trigger：每小时一次。
2. RSS Read：填订阅源 URL。每篇文章输出一项。
3. Basic LLM Chain：搭配一个设为 claude-haiku-4-5 的 Anthropic Chat Model 子节点，以及一个持有 JSON schema 的 Structured Output Parser 子节点。
4. Google Sheets（或 Postgres）：为每一项追加一行。

Structured Output Parser 能把「Claude，请返回 JSON」从一个愿望变成一份契约：它会用您的 schema 校验模型的回复，一旦不符就让该项显式失败，而不是写入乱七八糟的行。类似这样的 schema：

{
  "type": "object",
  "properties": {
    "category": { "type": "string", "enum": ["release", "security", "tutorial", "other"] },
    "relevance": { "type": "number" },
    "one_line_summary": { "type": "string" }
  },
  "required": ["category", "relevance", "one_line_summary"]
}

而链的提示词引用订阅项：

Classify this article for a VPS hosting audience.

Title: {{ $json.title }}
Content: {{ $json.contentSnippet }}

这里的成本算法换了形状：它是按项计费，而不是按次运行。每小时五十篇文章、一天二十四小时，就是一个月 36,000 次 Claude 调用：在 Haiku 上视文章长度大约 $40–90，在 Opus 上大约是这个的五倍。在 LLM 节点之前先去重（用一个简单的 IF 对照此前见过的链接，或者用 n8n 的 Remove Duplicates 节点），这个数字就会大幅下降，因为大多数每小时的轮询里根本没有新内容。最便宜的 token 就是您从不发起的那次调用。

工作流 3：一个会使用工具的 AI Agent

前两个工作流是流水线，由您来决定步骤。AI Agent 节点把这一点反了过来：您给 Claude 一个目标和一些工具，由它来决定调用哪些工具、按什么顺序调用，直到完成为止。n8n 要求附加一个聊天模型子节点，以及至少一个工具子节点。

一个具体的搭法：一个从您的监控里回答「什么挂了、为什么挂」的运维助手：

1. Chat Trigger（或 webhook）：问题进来。
2. AI Agent：搭配一个设为 claude-sonnet-5 的 Anthropic Chat Model 子节点。Agent 会规划并串联工具调用；Haiku 能驱动简单的单工具 Agent，但一旦工具变多，Sonnet 就是合理的下限。
3. HTTP Request 节点作为工具附加：指向您的 Uptime Kuma 状态 API 或 Zabbix 端点。第二个 HTTP 工具可以访问任何其他带 REST API 的东西。

两个设置承担了大部分工作。Agent 的 System Message 定义了这份工作：「您是一名运维助手。在回答之前，用状态工具检查当前监控项的状态。只报告处于宕机状态的监控项，并附上持续时长。」而每个工具的描述不是给人看的文档，而是 Claude 判断何时调用它的依据。「以 JSON 形式返回所有被监控服务的当前上/下线状态」会在恰当的时刻被调用；「状态 API」则会被忽略或误用。当您把 HTTP Request 节点作为工具附加时，启用它的 Optimize Response 选项，并选出真正重要的 JSON 字段，否则每个冗长的 API 响应都会被塞进模型的上下文，成为您要付费的输入 token。

给 Agent 设置 Max Iterations（默认是 10），设成能跑通的最小数字：它决定了是「Agent 在 4 次工具调用后放弃」还是「十几轮模型往返的循环」。还要理解计费的形状：每一次迭代都会把到目前为止的完整对话（系统消息、问题、之前的每一次工具结果）作为输入 token 重新发送。一次六轮迭代的 Agent 运行，累计很容易达到 20,000 输入 token 和 2,000 输出：按 Sonnet 5 的推广价大约 $0.06，按标准的 $3/$15 大约 $0.09，相当于一次简单摘要运行的二十倍。如果您发现自己在往一个 Agent 上装很多工具，那正是 在您的 VPS 上运行 MCP 服务器 成为更清晰架构的时刻。

成本护栏，因为没人在盯着

一个无人值守的工作流，需要有人坐在键盘前时隐式提供的那些控制。四层，从最省钱的开始。

每个 Claude 节点上的 Max Tokens。 它是一个硬性的输出上限。摘要器需要 300，分类器需要 100。它给账本上昂贵的那一侧设了界（每百万输出 token $5–$25，对比输入的 $1–$5），同时兼作失控刹车：一个让 Claude 喋喋不休的提示词 bug 只花 300 token，而不是 8,000。

逐节点选模型。 上面已讲；在当前的产品阵容里，这是一个五到十倍的价格杠杆，设置只需十秒。

约束循环。 给 Agent 设 Max Iterations。在工作流设置里设一个工作流超时，好让一个卡住的执行直接死掉，而不是空转。还要小心逐节点的 Retry On Fail：它是处理瞬时错误的正确工具，但重试会成倍增加成本：Max Tries 设 3、Wait Between Tries 设 5000 毫秒，意味着一个持续性的失败在放弃之前会对每一项最多计费三次。永远不要把重试套在一个已经昂贵地成功过的节点上。

一个作为最后防线的错误工作流。 创建一个以 Error Trigger 节点开头的工作流，把出错工作流的名称和错误发到 Slack，然后在每个 AI 工作流的设置里把它设为 Error Workflow。它要抓的失败模式是最难看的那一种：一个由计划触发的工作流每次运行、每小时、连续一周都出错，每次运行在死掉之前都在烧 token。把它与 Anthropic Console 里的每月消费上限搭配使用，并在激活任何计划任务后的头几天查看 Console 的用量页面。如果您想准确了解自己被计费的是什么，token 用量指南 会把它拆解清楚。

失败模式，以及您会看到的字符串

节点瞬间失败，提示「Authorization failed - please check your credentials.」 API 返回了 401。底层的响应体是：

{"type": "error", "error": {"type": "authentication_error", "message": "invalid x-api-key"}}

一个粘错的密钥：被截断、带尾随空格，或者是教程里的占位符。重新创建 n8n 凭据并再次粘贴；如果它昨天还能用，那就检查密钥是否在 Console 里被吊销了，或者是否有一次卷（volume）恢复把凭据回滚到了用另一个 N8N_ENCRYPTION_KEY 加密的版本。

执行成批失败，出现 429 rate_limit_error， 消息大意是「Number of request tokens has exceeded your per-minute rate limit.」限流是按分钟计的桶，而 n8n 让您非常容易同时触发五十个 webhook 或 RSS 执行。要从结构上修复它：按顺序处理各项（Loop Over Items）而不是并行，并设置 Retry On Fail，Max Tries 设 3、Wait Between Tries 设到 5000 毫秒的上限——n8n 把这个字段的上限就定在 5000 毫秒。当您需要更长的退避、好让重试落到下一个分钟窗口时，就在错误路径里放一个 Wait 节点，或者一次只处理一项。响应带有一个 retry-after 头，准确告诉您要等多久——n8n 固定的等待读不到它，所以更长的暂停要您自己搭。

404 not_found_error，指名您的模型。 响应体会把打错的字回显出来：

{"type": "error", "error": {"type": "not_found_error", "message": "model: claude-haiku-4.5"}}

用点号代替了连字符（把 4-5 写成 4.5）、来自过时博客文章的日期后缀，或者一个已退役的模型。对照当前列表把 ID 改正——这坑的是那些把模型字段当表达式来输入、而不是从下拉框里选的人。

Claude 回答了一个您没问的问题。 哪里都没有报错，运行是绿色的。一个引用了缺失字段的 n8n 表达式，比如负载用的是 message 时却写了 {{ $json.body.text }}，会把字面字符串 undefined 插进您的提示词里，而 Claude 会一本正经地回应一个关于「无」的提示词。如果被引用的节点根本没有执行，您会得到「Referenced node is unavailable」，但一个缺失的字段是无声的。在激活之前，永远先用真实数据跑一次，并在节点的输入面板里读一读实际渲染出的提示词——表达式编辑器会预览解析后的值，只要您去看，undefined 就在那儿。

FAQ

如何把 Claude 接入 n8n？

在 platform.claude.com 的 Anthropic Console 里创建一个 API 密钥，然后在 n8n 里添加一个 Anthropic 类型的凭据，把它粘贴到 API Key 字段。每个 Claude 节点（Anthropic 应用节点和 Anthropic Chat Model 子节点）都引用那份已保存的凭据。n8n 用 N8N_ENCRYPTION_KEY 加密它，所以把那个密钥备份好，否则凭据会随着卷一起丢失。

一个 AI 工作流每次运行要花多少钱？

估算每次运行的 token 数，再乘以模型的每百万价格——截至 2026 年 7 月，Haiku 4.5 是每百万输入/输出 token $1/$5，Sonnet 5 是 $3/$15（2026 年 8 月前有 $2/$10 的推广价）。一次在 Haiku 上的 webhook 摘要大约四分之一美分；一次在 Sonnet 上带几次工具调用的 Agent 运行接近 $0.06–$0.10，因为每一次迭代都会把整个对话作为输入重新发送。请在 Console 的用量页面核实这次运行，而不要轻信估算。

n8n 自动化应该用哪个 Claude 模型？

Haiku 4.5 用于分类、抽取、摘要和路由——速度和价格占主导的高频工作。Sonnet 5 用于 AI Agent 节点和多步推理。Opus 4.8 只用在答错的代价高到足以对得起它 $5/$25 标价的地方——是 Haiku 的五倍、略低于 Sonnet 的两倍。按节点选模型，而不是按工作流——一个工作流可以三个都混用。

如何阻止一个 n8n 工作流在 Claude API 上超支？

把护栏叠起来：每个 Claude 节点上一个低的 Max Tokens、Agent 上的 Max Iterations、一个工作流超时，以及保守的 Retry On Fail 设置，好让失败不会成倍放大 token 花费。然后加一个 Error Trigger 工作流，在任何 AI 工作流失败时在 Slack 里提醒您，并在 Anthropic Console 里设一个每月消费上限，作为 VPS 上任何东西都无法逾越的硬天花板。

AI Agent 的工具调用会额外收费吗？

没有单独的工具费，但工具并不免费：每一个工具结果都会作为输入 token 回喂给模型，而每一次 Agent 迭代都会把到目前为止的整个对话重新发送。一个啰嗦的 API 响应若不加过滤地传过去，可能会把您真正的提示词都比下去——在 HTTP Request 工具上启用 Optimize Response，只返回 Agent 需要的字段。