بیشتر کسانی که وارد n8n میشوند، آن را ابزار drag-and-drop می‌پندارند و دقیقاً همین تصور باعث میشود بعد از دو هفته، debugging و مقیاس‌پذیری برایشان به بن‌بست برسد. n8n هر workflow را به کد TypeScript در runtime داخلی ترجمه و اجرا میکند — تفاوتی که تا درک نشود، لایسنس fair-code، رفتار نودها و حتی ساختار خطاها مبهم باقی می‌مانند. این مقاله از نصب تا ساخت ایجنت هوش مصنوعی (AI Agent) همین واقعیت معماری را محور قرار می‌دهد.
آموزش n8n از کجا شروع میشود؟#
آموزش n8n از درک سه مفهوم Trigger، Action و Connection شروع میشود — نه از نصب، نه از خواندن مستندات. برای ساخت اولین workflow به کدنویسی نیاز نداری؛ فقط باید بفهمی یک event چه زمانی workflow را فعال میکند و داده بین نودها چگونه جابه‌جا میشود. تنها Function Node است که JavaScript واقعی می‌طلبد.
پیش‌نیاز واقعی، آشنایی با مفاهیم Webhook و HTTP Request است. اگر می‌دانی یک POST request چه شکلی است، از همین‌جا می‌توانی شروع کنی. مسیر یادگیری پیشنهادی:
- نصب با Docker Compose (حدود 5 دقیقه)
- ساخت اولین workflow ساده: Webhook → Slack Notification
- اتصال به یک مدل زبانی با AI Agent node
- افزودن Error Trigger workflow
- انتقال از Single Mode به Queue Mode
چند روز تمرین عملی برای workflowهای پایه کافی است. تسلط بر Error Handling و Queue Mode به تجربه‌ی بیشتر نیاز دارد، اما این‌ها مرحله‌ی دوم یادگیری هستند، نه مرحله‌ی اول. اشتباه رایج در کلاس‌ها این است که تازه‌کاران قبل از ساخت اولین workflow، مستندات Queue Mode را می‌خوانند — و گیج میشوند.
معماری n8n: موتور اجرای کد، نه زنجیره‌ی API#
معماری n8n بر پایه‌ی اجرای کد TypeScript استوار است: هر workflow به یک برنامه‌ی کوچک ترجمه و در runtime داخلی اجرا میشود، در حالی که Zapier و Make صرفاً فراخوانی‌های API را پشت‌سرهم صف میکنند. این تفاوت بنیادی، هم‌زمان هم قابلیت‌های منطقی قوی‌تر و هم دیباگ سخت‌تر را توضیح می‌دهد.
وقتی در n8n یک IF node اضافه می‌کنی، موتور واقعی یک شرط TypeScript تولید میکند. وقتی Loop node می‌گذاری، حلقه‌ی for در runtime اجرا میشود. نتیجه؟ conditional branching، loops و error handling در n8n بسیار قوی‌تر از ابزارهای pure API chaining هستند.
اما هزینه‌ی پنهان همین‌جاست. وقتی خروجی نود سوم اشتباه است، باید بدانی آیا خطا از نود سوم است یا از dependency که قبل از آن اجرا شده. در Zapier این مشکل وجود ندارد چون مدل اجرا خطی است.
مقایسه‌ی ذهنی: Zapier مثل لیست خرید است — هر آیتم به ترتیب چک میشود. n8n مثل یک برنامه‌ی کوچک با شرط و حلقه است — جریان کنترل واقعی دارد. و جریان کنترل واقعی یعنی دیباگ واقعی.
n8n در برابر Zapier و Make: کدام را انتخاب کنم؟#
انتخاب بین n8n، Zapier و Make به پیچیدگی workflow بستگی دارد، نه به برند. اگر 2 تا 3 اتوماسیون ساده با 2 سرویس می‌خواهی و مدیریت سرور برایت دردسر است، Zapier یا Make سریع‌تر جواب می‌دهند. اگر workflow چندمرحلهای با منطق شرطی یا ایجنت AI داری، n8n انعطاف بی‌نظیر دارد.
| معیار | n8n | Zapier | Make |
|---|---|---|---|
| مدل اجرا | TypeScript code execution | API call chaining | API call chaining با visual router |
| هزینه | Self-hosted رایگان؛ Cloud اشتراک ماهانه | اشتراک ماهانه بر اساس task | اشتراک ماهانه بر اساس operation |
| انعطاف منطقی | Loop، IF، Merge، Switch واقعی | محدود به path | Router و Iterator |
| دیباگ | Execution Log + JSON در هر نود | Task History ساده | Execution Log |
| مقیاس‌پذیری | Queue Mode + Worker | محدود به سقف پلن | محدود به سقف پلن |
| لایسنس | fair-code (محدودیت SaaS رقیب) | SaaS بسته | SaaS بسته |
سقف task در هر پلن تأثیر مستقیمی بر workflowهای AI Agent دارد. workflowهای AI چندمرحلهای در Zapier task بیشتری مصرف میکنند چون هر step جداگانه شمرده میشود. در پلن‌های پایین Zapier، چند ایجنت هم‌زمان سریعاً سقف را می‌شکنند — و این هزینه‌ای است که در تبلیغات پلن‌ها دیده نمی‌شود.
نصب n8n و ساخت اولین workflow گام‌به‌گام#
نصب n8n با یک فایل Docker Compose در حدود 5 دقیقه انجام میشود و اولین workflow با نود Webhook و Slack بدون کدنویسی ساخته میشود. ساده‌ترین و قابل‌اعتمادترین روش نصب، Docker Compose است؛ npm install همچنان پشتیبانی میشود اما وابستگی‌های Node.js دردسر ایجاد میکند.
- Docker و Docker Compose را روی سرور نصب کن.
- فایل docker-compose.yml را با image رسمی n8n بساز.
- با
docker compose up -dسرویس را بالا بیاور. - در مرورگر به پورت 5678 برو و workflow جدید بساز.
- Trigger node از نوع Webhook اضافه کن.
- Action node از نوع Slack یا HTTP Request متصل کن.
- Workflow را فعال کن و URL webhook را تست بزن.
ورک‌فلوی نمونه‌ای که در این مرحله می‌سازی: Webhook → IF (شرط) → Slack Notification → Google Sheets Append. یعنی یک event از بیرون می‌آید، شرط بررسی میشود، اگر true بود به Slack پیام می‌رود و ردیفی در Google Sheets اضافه میشود.
نکته‌ی عملی که در مستندات رسمی کمتر دیده میشود: URL webhook در n8n Cloud و self-hosted متفاوت تولید میشود. در self-hosted، باید reverse proxy (مثلاً Nginx) و HTTPS تنظیم کنی تا webhook از بیرون قابل‌دسترسی باشد. بدون این تنظیم، workflow در localhost کار میکند و در production می‌میرد.
مفاهیم هسته و تله‌ی ترتیب نودها#
در n8n، ترتیب اتصال نودها در رابط بصری لزوماً ترتیب اجرا نیست. موتور workflow بر اساس dependency graph اجرا میکند و این تضاد با ذهنیت خطی، منبع اصلی confusion تازه‌کاران است. نود سوم ممکن است قبل از نود دوم اجرا شود اگر dependency واقعی‌اش به نود اول باشد.
Trigger، Action و Connection — سه مفهوم که همه‌چیز را توضیح می‌دهند#
Trigger node نقطه‌ی شروع workflow است: Webhook، Schedule، Manual. Action node هر کاری انجام می‌دهد: HTTP Request، Database Query، Email Send. Connection، داده‌ی خروجی یک نود را به ورودی نود بعدی می‌رساند. Function node تنها جایی است که JavaScript واقعی لازم است. Community nodes اکوسیستم افزونه‌ها را تشکیل می‌دهند.
چرا ترتیب ظاهری نودها گمراه‌کننده است؟#
وقتی دو نود را از یک Trigger موازی می‌کنی، هر دو هم‌زمان اجرا میشوند. اگر نود سوم فقط به نود دوم متصل باشد، منتظر نود اول نمی‌ماند. این رفتار در رابط بصری دیده نمی‌شود چون خطوط اتصال، dependency را نشان می‌دهند نه زمانبندی.
رایج‌ترین اشتباهی که در پروژه‌های اعضای کامیونیتی مکرر دیده میشود: تصور اینکه ترتیب ظاهری نودها همان ترتیب اجراست. تازه‌کاران workflow را از چپ به راست می‌خوانند و وقتی خروجی نود چهارم با ورودی نود دوم ناهماهنگ است، فکر میکنند باگ دارند. باگ ندارند — dependency graph دارند.
چطور با n8n ایجنت هوش مصنوعی بسازم؟#
ساخت ایجنت هوش مصنوعی با n8n از نود AI Agent (مبتنی بر LangChain) و اتصال به OpenAI یا Anthropic شروع میشود. این نود ایجنتی می‌سازد که tool call انجام می‌دهد، reasoning loop اجرا میکند و state را در Memory node نگه می‌دارد — یعنی workflow معمولی را به یک سیستم خودمختار تبدیل میکند.
نود AI Agent در n8n یک wrapper روی LangChain Agent است. مدل زبانی تصمیم میگیرد کدام tool را صدا بزند، نتیجه را می‌خواند و در صورت نیاز دوباره tool call میکند. این reasoning loop تا زمانی ادامه دارد که مدل به پاسخ نهایی برسد یا به سقف step برسد.
تنظیم Tool Calling در نود AI Agent#
هر Tool node که به AI Agent متصل می‌کنی، یک capability اضافه میکند. مثلاً HTTP Request node به‌عنوان tool، به ایجنت اجازه می‌دهد از یک API اطلاعات بگیرد. Database node به‌عنوان tool، امکان query به جدول را می‌دهد. هر tool یک schema دارد که مدل آن را در context می‌بیند و بر اساس آن تصمیم میگیرد.
ساخت ایجنت چندمرحلهای (Multi-Agent) با Memory node#
الگوی Multi-Agent در n8n: Agent node اصلی + Tool nodeهای متعدد + Memory node برای نگه‌داشتن state بین stepها. ورک‌فلوی نمونه: Webhook → AI Agent (با tool: HTTP Request) → Parse Output → Database Write → Email Notification.
Memory node برای ایجنت‌هایی لازم است که بیش از یک نوبت گفتگو دارند یا باید context را بین چند workflow نگه دارند. بدون Memory، هر execution stateless است و ایجنت مکالمه‌ی قبلی را فراموش میکند. این محدودیت در مستندات n8n ذکر شده اما در آموزشهای فارسی تقریباً هیچ‌جا توضیح داده نمی‌شود.
Error Trigger workflow: الگوی مدیریت خطا در n8n#
Error Trigger در n8n یک workflow مستقل است که خطاها را لاگ و نوتیفیکیشن میکند. بدون آن، هر خطا workflow اصلی را بی‌صدا متوقف میکند و هیچ اعلانی نمی‌فرستی. الگوی صحیح: یک workflow جداگانه با Error Trigger node که به تمام workflowهای فعال متصل میشود.
این یکی از پرهزینه‌ترین اشتباهاتی است که در پروژه‌های واقعی تکرار میشود. در کلاس‌ها مکرر دیده شده که تازه‌کاران بعد از هفته‌ها اجرا در production، تازه متوجه میشوند خطاهایی که هیچ‌وقت اعلان نشده‌اند انباشته شدهاند.
چرا debugging سنتی برای AI Agent جواب نمی‌دهد؟#
رفتار AI Agent غیرقطعی است. یک input مشخص می‌تواند در دو execution متفاوت، toolهای متفاوتی صدا بزند. دیباگ سنتی — یعنی اجرای مجدد با همان input و مقایسه‌ی خروجی — اینجا جواب نمی‌دهد. باید Execution Log کامل را بررسی کنی و JSON Output هر step را جداگانه ببینی.
ساخت Error Trigger workflow مستقل#
الگوی پیشنهادی: Error Trigger node → Slack Alert → Log to Database. این workflow را جدا از workflow اصلی بساز. Error Trigger node به تمام workflowهای فعال متصل میشود و هر خطا را به این workflow هدایت میکند.
بدون این الگو، خطاها در محیط production بی‌صدا می‌مانند و مشکل از حالت یک باگ ساده به یک فاجعه‌ی تجمعی تبدیل میشود.
چه زمانی n8n انتخاب اشتباه است؟#
n8n انتخاب اشتباه است وقتی فقط 2 تا 3 اتوماسیون ساده با 2 سرویس نیاز داری و می‌خواهی صفر تا صد مدیریت سرور را فراموش کنی. Zapier یا Make سریع‌تر به نتیجه می‌رسند. n8n زمانی می‌درخشد که workflow پیچیده، شرطی یا AI-agent-based داری و کنترل روی execution برایت مهم است.
Execution Mode Single vs Queue — کدام را انتخاب کنم؟#
Single Mode برای workflowهای سبک و تعداد کم executions کافی است. وقتی حجم بالا می‌رود یا workflowهای AI Agent با toolهای متعدد داری، Queue Mode لازم میشود. Queue Mode با Workerها و Redis کار میکند و هر execution را به یک worker مجزا می‌فرستد. این ادعا که n8n برای حجم بالا مناسب نیست، از نسخههای اولیه‌ی Single Mode ناشی شده و امروز دقیق نیست.
محدودیت‌های تجاری لایسنس fair-code که کمتر کسی می‌گوید#
لایسنس fair-code به این معناست که نمی‌توانی با n8n سرویسی بفروشی که مستقیماً رقیب n8n Cloud باشد. استفاده‌ی داخلی، ساخت ابزار برای مشتریان خودت، یا فروش workflow به‌عنوان service مجاز است. اما اگر بخواهی با n8n یک پلتفرم اتوماسیون SaaS بسازی و بفروشی، این محدودیت فعال میشود. تقریباً هیچ آموزش فارسی این را ذکر نمیکند — و این می‌تواند هزینه‌ی حقوقی جدی برای یک استارتاپ داشته باشد.
محدودیت واقعی self-hosted: نیاز به مدیریت سرور. آپدیت، بکاپ، مانیتورینگ و امنیت همه روی دوش توست. اگر این هزینه‌ی زمانی برایت مهم‌تر از هزینه‌ی اشتراک Cloud است، Cloud گزینه‌ی بهتری است.
خلاصه‌ی عملی: n8n را به‌عنوان موتور اجرای کد بشناس، نه ابزار drag-and-drop. ترتیب نودها را با dependency graph بخوان، نه با چشم. Error Trigger workflow را از روز اول بساز. و لایسنس fair-code را قبل از هر تصمیم تجاری چک کن.
اگر می‌خواهی این مفاهیم را در پروژه‌ی واقعی پیاده کنی، در کلاس «ساخت Ai Agent با N8N» در اسکول، از صفر تا ایجنت چندمرحلهای با tool calling و Memory node را مرحله‌به‌مرحله می‌سازی.
دیدگاهها
برای گذاشتن دیدگاه وارد شو
دیدگاهها فقط از حسابهای کاربری پذیرفته میشوند.
ورود / ثبتنامهنوز دیدگاهی ثبت نشده — اولین نفر باش.