آموزش n8n بدون درک معماری in-memory یعنی ساختن ورک‌فلوهایی که بعد از 15 نود عملاً غیرقابل‌دیباگ میشوند. این راهنما از نصب Docker تا ساخت ایجنت هوش مصنوعی (AI Agent) پیش می‌رود و نقطه‌ی شکست واقعی ابزار را توضیح می‌دهد — نقطه‌ای که در آموزش‌های فارسی تقریباً هیچ‌جا مطرح نشده.
n8n چیست و چرا «Zapier رایگان» نیست#
n8n ابزار اتوماسیون ورکفلو (Workflow Automation Tool) با معماری node-based است که کل ورکفلو را در حافظه (in-memory) اجرا میکند و بهصورت self-hosted قابل استقرار است. برخلاف Zapier که هر step یک API call مستقل می‌زند، n8n داده را بین نودها بدون بازگشت به سرور جریان می‌دهد.
معماری node-based و جریان داده#
در معماری n8n سه مفهوم بنیادی وجود دارد: Trigger (نقطه‌ی ورود ورکفلو)، Node (بلوک سازنده‌ی منطق) و Connection (مسیر داده بین نودها). وقتی ورکفلو اجرا میشود، n8n کل ساختار را در حافظه‌ی RAM بارگذاری میکند و داده از نود به نود بدون درخواست مجدد به سرور جریان می‌یابد.
تفاوت بنیادین با Zapier اینجاست: در Zapier هر step یک HTTP request جداگانه به سرور Zapier است. اگر ورک‌فلوی شما 10 step دارد، 10 round-trip شبکه انجام میشود. در n8n self-hosted، همه‌ی اینها در یک process محلی اتفاق می‌افتد.
نتیجه؟ سرعت بالاتر برای batch و حجم دادهی زیاد. اما overhead بیشتر برای eventهای تک‌مرحله‌ای.
مجوز Fair-code و محدودیت‌های واقعی آن#
n8n توسط Jan Oberhauser در 2019 تأسیس شد و مجوز Fair-code دارد، نه OSI-compliant open source. این تمایز در آموزش‌های فارسی تقریباً هیچ‌جا ذکر نشده و باعث انتظارات نادرست میشود.
مجازید: استفاده برای کسب‌وکار شخصی و سازمانی بدون محدودیت. ممنوعید: فروش n8n به‌عنوان SaaS یا white-label کردن آن. اگر قصد دارید با n8n یک سرویس اتوماسیون بفروشید، مجوز اجازه نمی‌دهد. اما اگر برای خودتان یا شرکتتان اتوماسیون می‌سازید، هیچ محدودیتی نیست.
n8n یا Zapier یا Make؟ مقایسه‌ی معماری نه فهرست امکانات#
مقایسه‌ی n8n با Zapier و Make بر اساس تعداد integration گمراه‌کننده است. معماری execution، مدل استقرار و قابلیت Code Node تعیین‌کننده‌اند. n8n برای اتوماسیون‌های چندمرحله‌ای با دادهی زیاد مناسب‌تر است و برای تک‌مرحله‌های ساده سنگین‌تر.
| معیار | n8n | Zapier | Make |
|---|---|---|---|
| مدل Execution | in-memory (کل ورکفلو یکجا) | step-per-API-call | step-per-API-call |
| Self-host | بله (Docker) | خیر | خیر |
| Code Node | بله (JavaScript) | خیر | محدود (function) |
| تعداد Integration | بیش از 400 | بیش از 5000 | بیش از 1000 |
| مدل قیمت‌گذاری | Cloud اشتراکی یا self-host رایگان | per-task | per-operation |
نکته‌ی غیرکالایی که بقیه نمی‌گویند: برای اتوماسیون تک‌مرحله‌ای مثل «وقتی ایمیل آمد، در Google Sheet ذخیره کن»، Zapier در 2 دقیقه ساخته میشود و n8n فقط سربار اضافه میکند. n8n را انتخاب کنید وقتی منطق چندمرحله‌ای، حجم دادهی بالا یا نیاز به Code Node دارید — نه وقتی صرفاً «رایگان» بودنش وسوسه‌تان میکند.
آموزش n8n در عمل: نصب، Docker و اولین ورکفلو#
آموزش n8n در عمل با دو مسیر شروع میشود: n8n Cloud برای شروع سریع، یا Docker برای self-hosted. اولین ورکفلو عملی: Webhook Trigger ← HTTP Request Node ← Code Node ← Notification Node. این ترتیب نودها، هستهی هر اتوماسیون واقعی در n8n است.
نصب self-hosted با Docker#
پیش‌نیاز: آشنایی مقدماتی با خط فرمان و مفاهیم container. بدون این، Cloud گزینه‌ی بهتری است. دستور پایه‌ی اجرا:
docker run -d --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n
مفاهیم کلیدی: volume برای ماندگاری داده‌ها بعد از restart، port 5678 برای دسترسی به UI، و environment variables مثل N8N_BASIC_AUTH برای محافظت از پنل. اگر اینها برایتان مبهم است، فعلاً Cloud استفاده کنید.
ساخت اولین ورکفلو (ترتیب نودها)#
- Trigger: Webhook Node — دریافت HTTP POST از فرم یا سرویس خارجی
- Node 1: HTTP Request — خواندن داده از API (مثلاً اطلاعات کاربر از CRM)
- Node 2: Code Node — پاک‌سازی و تبدیل JSON با JavaScript (فیلدهای اضافی حذف، فرمت استاندارد)
- Node 3: Notification — ارسال نتیجه به Telegram یا Email
- Connection: سیم‌کشی خروجی هر نود به ورودی نود بعدی
این ورک‌فلوی چهارنودی، الگوی تکرارشونده‌ای است که در پروژه‌های واقعی اعضای کامیونیتی بارها دیده شده: دریافت داده ← پردازش ← ارسال نتیجه. تفاوت پروژه‌ها فقط در نوع API و منطق Code Node است.
چطور با n8n ایجنت هوش مصنوعی بسازم؟#
n8n با LangChain nodes داخلی امکان ساخت ایجنت هوش مصنوعی (AI Agent) را می‌دهد. این نودها هنوز در حالت beta هستند و محدودیت‌هایی در memory management و tool calling دارند که مستندات رسمی به‌وضوح توضیح نمی‌دهد.
معماری ایجنت در n8n#
ترتیب نودها در یک ایجنت نمونه: Webhook Trigger ← AI Agent Node (با system prompt) ← Tool Node (مثلاً جستجوی وب یا خواندن دیتابیس) ← Output Node. نود AI Agent وظیفه‌ی تصمیم‌گیری دارد: کدام tool را صدا بزند، چه ورودی بدهد و خروجی را چگونه ترکیب کند.
محدودیت‌های beta و اشتباهات رایج#
Memory management: نود Memory هنوز context window محدودی دارد و برای مکالمات طولانی قابل‌اتکا نیست. اگر ایجنت شما بیش از 5-6 نوبت گفت‌وگو نیاز دارد، احتمال از دست رفتن context وجود دارد.
Tool calling: تعریف tool با schema دقیق لازم است. schema ناقص باعث hallucination در خروجی ایجنت میشود — ایجنت ابزاری را صدا می‌زند که وجود ندارد یا ورودی اشتباه به آن می‌دهد.
توصیه‌ی عملی: برای MVP ایجنت ساده (پاسخ‌دهی به سوالات با knowledge base) n8n کافی است. برای ایجنت چند-ابزاری پیچیده، LangChain مستقل یا framework اختصاصی مناسب‌تر است. زور زدن برای ساخت ایجنت پیچیده روی n8n، بیشتر از آنچه صرفه‌جویی میکنید، زمان می‌گیرد.
اشتباهات رایج و نقطه‌ی شکست 15 نودی#
نقطه‌ی شکست 15 نودی یعنی ساخت ورک‌فلوی تک‌رشته‌ای با بیش از 15-20 نود که عملاً غیرقابل‌مدیریت و غیرقابل‌دیباگ میشود. الگوی صحیح، شکستن به Sub-workflow و استفاده از Error Workflow + Retry Node به‌جای try/catch ذهنی است.
الگوی Error Handling در n8n#
سه لایه‌ی مدیریت خطا در n8n وجود دارد:
- Error Workflow: یک ورک‌فلوی جدا که فقط برای مدیریت خطاها اجرا میشود
- Retry Node: تلاش مجدد خودکار با backoff (فاصله‌ی رشدیابنده بین تلاش‌ها)
- Notification Node: ارسال هشدار خطا به کانال ارتباطی (Telegram، Email، Slack)
این الگو در مستندات رسمی n8n پراکنده است و در هیچ آموزش فارسی‌ای جمع‌آوری نشده. نکته‌ی عملی: Error Workflow را از همان اولین ورکفلو فعال کنید، نه بعد از اولین خطای واقعی.
Sub-workflow و نقطه‌ی شکست#
وقتی ورکفلو از 15-20 نود عبور کرد، باید به Sub-workflow شکسته شود. Sub-workflow یک ورکفلو است که از ورک‌فلوی دیگر با نود Execute Workflow صدا زده میشود.
این تجربه‌ی میدانی است که در هیچ مقایسه‌ی رسمی ذکر نمی‌شود: بعد از 20 نود، خواندن و دیباگ ورکفلو عملاً غیرقابل‌مدیریت میشود. در پروژه‌های واقعی اعضای کامیونیتی، ورک‌فلوهایی که به‌عنوان «یک ورک‌فلوی بزرگ» شروع شده‌اند بعد از 2-3 هفته به‌قدرت گیج‌کننده میشوند که تیم‌ها ترجیح می‌دهند از اول بسازندش.
اشتباه رایج دیگر: فکر کردن که «برای استفاده از n8n حتماً باید برنامه‌نویس باشید». برای ورکفلوهای ساده نیازی به کد نیست؛ فقط Code Node برای منطق‌های پیچیده‌تر لازم میشود.
هزینه‌ی واقعی self-hosting در مقابل Cloud#
هزینه‌ی self-hosting n8n در ظاهر کمتر از Cloud است، اما هزینه‌ی زمان نگهداری، آپدیت و امنیت سرور معمولاً در مقایسه‌ی ساده‌ی عددی نادیده گرفته میشود. n8n Cloud از حدود 20 دلار در ماه شروع میشود.
مقایسه‌ی هزینه#
| معیار | n8n Cloud | Self-hosted |
|---|---|---|
| هزینه‌ی مستقیم | اشتراک ماهانه | هزینه‌ی VPS |
| زمان نگهداری | صفر | آپدیت، بکاپ، مانیتورینگ |
| امنیت | مدیریت توسط n8n | مسئولیت شما |
| مقیاس‌پذیری | محدود به پلن | نامحدود (با سخت‌افزار) |
| حریم خصوصی داده | داده روی سرور n8n | داده کاملاً محلی |
چه زمانی self-host واقعاً به‌صرفه است#
الگوی رایج در پروژه‌های واقعی: شروع با Cloud برای MVP، مهاجرت به self-hosted فقط وقتی تعداد ورک‌فلوها از حدود 10+ عبور کرد. این الگو برخلاف توصیه‌ی رایج «همان اول self-host کن» است و در هیچ آموزش رسمی پیشنهاد نشده.
self-host به‌صرفه است وقتی: حجم دادهی بالا باشد و Cloud به‌خاطر limit اجرا گران شود، حریم خصوصی داده اولویت باشد و داده نباید از سرور خارج شود، یا تیم DevOps در دسترس باشد. بدون تیم DevOps، هزینه‌ی پنهان نگهداری سرور معمولاً بیشتر از اشتراک Cloud میشود.
جمع‌بندی عملی: n8n ابزار قدرتمندی است اما نه برای همه‌ی استفاده‌ها. اگر ورک‌فلوی شما زیر 10 نود است، Cloud کافی است. اگر بالای 15 نود می‌رود، الگوی Sub-workflow را از همان اول طراحی کنید. اگر ایجنت AI می‌سازید، محدودیت‌های beta را در نظر بگیرید و برای MVP شروع کنید.
اگر می‌خواهید این مسیر را با هم‌قطارها طی کنید، دوره‌ی «ساخت Ai Agent با N8N» در کامیونیتی n8n اسکول را ببینید — 51 جلسه و 41 ساعت محتوای عملی از نصب تا ایجنت چند-ابزاری.
دیدگاهها
برای گذاشتن دیدگاه وارد شو
دیدگاهها فقط از حسابهای کاربری پذیرفته میشوند.
ورود / ثبتنامهنوز دیدگاهی ثبت نشده — اولین نفر باش.