بیشتر آموزش‌های فارسی n8n را «رایگان و بدون کدنویسی» معرفی می‌کنند و مستقیم می‌روند سراغ نودها. سه هفته بعد، کاربر یک Workflow شکسته روی سرور دارد و نمی‌داند از کجا باید عیب‌یابی را شروع کند. این راهنما سه چیز را روشن میکند: مرزهای کاربردی n8n، هزینه‌های پنهان خودمیزبانی (Self-hosting)، و آن‌چه در منابع انگلیسی هم کم‌تر گفته میشود.
n8n چیست و چه زمانی انتخاب درستی نیست؟#
n8n یک پلتفرم اتوماسیون جریان‌کار (Workflow Automation) نودمحور است که با ترکیب بلوک‌های شرطی، حلقه و فراخوانی API، جریانهای چندمرحلهای می‌سازد. اما اگر نیازتان فقط یک شرط و یک اقدام است، n8n بیش از حد سنگین است؛ Make یا IFTTT در همان دقیقه‌ی اول کارتان را راه می‌اندازند.
معماری نودمحور چگونه کار میکند؟#
هر نود (Node) یک ورودی، یک منطق و یک خروجی دارد. جریان از چپ به راست اجرا میشود. بیش از 300 نود یکپارچه‌سازی داخلی و صدها نود جامعه (Community Node) در دسترس‌اند. اگر سرویسی نود آماده ندارد، با نود HTTP Request مستقیماً API آن را صدا می‌زنید. همین.
اما یک چیز را صادقانه بگویم: اصطلاح «بدون کدنویسی مطلق» در تبلیغات، گمراه‌کننده است. پیش‌نیاز واقعی n8n درک ساختار JSON و مفاهیم HTTP (GET، POST، Header) است. بدون این‌ها حتی ساده‌ترین Expression هم گیج‌کننده میشود. اگر با JSON راحت نیستید، اول یک روز وقت بگذارید و ساختارش را یاد بگیرید؛ بعد برگردید سراغ n8n.
چه زمانی سراغ ابزارهای ساده‌تر برویم؟#
وقتی جریان فقط یک شرط و یک اقدام دارد و حلقه یا ترکیب چند سرویس لازم نیست، Make یا IFTTT سریعتر راه می‌افتند. n8n درخشش واقعی‌اش را نشان می‌دهد وقتی منطق شرطی چندلایه، حلقه روی داده‌ها و ترکیب سه سرویس به‌بعد در یک جریان لازم باشد. زیر این آستانه، n8n فقط یک پیچیدگی اضافه روی پروژه است.
n8n در برابر Zapier: مقایسه‌ای که آموزش‌ها نمی‌گویند#
n8n در انعطاف و مالکیت داده بر Zapier برتری دارد، اما مقایسه‌ی «رایگان در برابر پولی» هزینهی پنهان سرور، نگهداری و زمان یادگیری را حذف میکند؛ Zapier برای کاربر کاملاً غیرفنی همچنان سریعتر راه می‌افتد.
| معیار | n8n (Self-hosted) | Zapier | Make (Integromat) |
|---|---|---|---|
| مالکیت داده | کامل — داده روی سرور شماست | داده روی سرور Zapier | داده روی سرور Make |
| انعطاف در منطق شرطی | بالا — حلقه، IF تو در تو، Expression | محدود — مسیرهای ساده | متوسط — Visual Scenarios |
| هزینهی واقعی ماهانه | VPS + زمان نگهداری | اشتراک متغیر بر اساس Task | اشتراک متغیر بر اساس Operation |
| دسترسی از ایران | بله — سرور خودتان | معمولاً خیر — مشکلات پرداخت | معمولاً خیر — مشکلات پرداخت |
چرا برای کاربران ایرانی Self-hosting تنها مسیر عملی است؟ سه دلیل دارد: عدم دسترسی به n8n Cloud به‌دلیل تحریم و مشکلات پرداخت، کنترل کامل بر داده‌های حساس، و هزینهی ثابت ماهانه‌ی VPS در مقابل هزینهی متغیر Cloud بر اساس Execution.
اگر در اکوسیستم مایکروسافت کار میکنید، Power Automate بهینه‌تر است. اگر رابط کاربری صاف‌تر می‌خواهید و بودجه‌تان اجازه می‌دهد، Make گزینه‌ی بهتری است. اما اگر مالکیت داده و انعطاف در منطق اولویت شماست، n8n انتخاب منطقی‌تر است. برای مقایسه‌ی دقیق‌تر ابزارهای اتوماسیون، مقاله‌ی مقایسه‌ی ابزارهای اتوماسیون no-code را ببینید.
آموزش n8n عملی: نصب با Docker و ساخت اولین Workflow#
با سه دستور Docker روی VPS، n8n در چند دقیقه اجرا میشود؛ اولین Workflow واقعی شامل یک نود Webhook، یک نود IF و یک نود HTTP Request است که بدون نوشتن یک خط کد قابل‌اجراست.
گام‌های نصب روی VPS#
پیش‌نیازها: VPS با لینوکس (Ubuntu یا Debian)، Docker نصب‌شده، و دامنه‌ی DNSشده به IP سرور.
- با SSH به سرور متصل شوید.
- دستور docker run را با volume برای persist داده اجرا کنید تا با ری‌استارت کانتینر، Workflowها از بین نروند.
- پورت 5678 را باز نگه دارید.
- با Nginx یک Reverse Proxy تنظیم کنید و SSL رایگان با Let's Encrypt بگیرید.
- وارد پنل n8n شوید و اکانت ادمین بسازید.
اولین Workflow مشخص#
ترتیب نودها: Webhook Trigger → IF (آیا فیلد message خالی نیست؟) → HTTP Request (فراخوانی API) → پاسخ JSON
در محیط Dev، نود Webhook را با Edit Field و Execute Workflow تست کنید. در Production، URL را با Basic Auth محافظت کنید تا هر کسی نتواند به آن دسترسی داشته باشد. برای جزئیات نصب و پیکربندی، مقاله‌ی آموزش نصب و پیکربندی Docker را ببینید.
ساخت ایجنت هوش مصنوعی (AI Agent) با n8n و LangChain#
n8n با نودهای LangChain، امکان ساخت ایجنت هوش مصنوعی (AI Agent) را فراهم میکند که ابزارهای خارجی فراخوانی، حافظه‌ی مکالمه نگهداری و پاسخ‌های شرطی تولید میکند؛ کیفیت ایجنت مستقیماً به ساختار System Prompt بستگی دارد.
نقش نودهای LangChain در n8n#
سه نود اصلی دارید:
- Chat Model Node: اتصال به OpenAI، Anthropic یا LLM محلی (مثلاً Ollama روی همان سرور)
- Agent Node: منطق تصمیم‌گیری — چه ابزاری را چه زمانی صدا بزند
- Tool Node: فراخوانی ابزارهای خارجی — جستجوی وب، دیتابیس، API داخلی
الگوی System Prompt پایدار#
ایجنت بی‌ثبات معمولاً System Prompt ضعیف دارد. چهار جزء الزامی:
- نقش مشخص: «تو یک دستیار پشتیبانی محصول X هستی، نه یک چت‌بات عمومی»
- محدودیت‌ها و خط قرمزها: «هرگز قیمت نده، هرگز اطلاعات شخصی نگیر»
- فرمت خروجی دقیق: «پاسخ حداکثر 3 جمله، بدون لیست، بدون سلام و خداحافظی»
- حداقل یک مثال Few-shot: یک نمونه ورودی و خروجی ایده‌آل بگذارید
بدون این چهار جزء، ایجنت بی‌ثبات عمل میکند. این الگوی چهارجزئی در پروژه‌های اعضای کامیونیتی N8N School بارها و بارها تکرار شده — هر بار که کسی یک جزء را حذف میکند، ایجنت در اجرا می‌شکند.
یک ورک‌فلو مشخص برای ایجنت تلگرامی#
ترتیب نودها: Telegram Trigger → AI Agent Node (با System Prompt و Tools) → HTTP Request (ذخیره در دیتابیس) → Telegram Reply
مدیریت حافظه (Memory) هم مهم است. برای مکالمه‌های کوتاه از Window Buffer Memory استفاده کنید. برای دانش پایه‌ی بلندمدت، Vector Store را به Agent Node متصل کنید تا ایجنت بتواند از مستندات قبلی بازیابی کند. برای آموزش ساخت چت‌بات تلگرام، مقاله‌ی آموزش ساخت چت‌بات تلگرام با n8n را ببینید.
اشتباهاتی که اتوماسیون n8n را در اولین اجرا می‌شکنند#
بیشترین شکست‌های واقعی n8n نه در نودها، بلکه در سه الگو رخ می‌دهد: انقضای Token بدون مدیریت، قرار دادن همه‌چیز در یک Workflow بزرگ، و نبود Error Handling؛ هر سه قابل‌پیشگیری‌اند.
الگوی تک‌مسئولیتی (Single Responsibility)#
هر Workflow یک کار مشخص انجام دهد و از طریق Sub-workflow Node به بقیه متصل شود. هزینهی نادیده‌گرفتن این الگو: عیب‌یابی عملاً غیرممکن میشود. وقتی 20 نود در یک جریان دارید و یکی خطا می‌دهد، پیدا کردنش مثل پیدا کردن سوزن در انبار کاه است.
مشکل Token انقضاشده#
در پروژه‌های ایرانی، بیشترین قطعی نه از سمت n8n بلکه از انقضای Token تلگرام یا منقضی‌شدن OAuth گوگل است. راه‌حل: نود Cron برای Refresh دوره‌ای + Error Workflow جداگانه که در صورت شکست، به شما اخطار بدهد.
Error Handling و Retry Logic#
برای هر Workflow یک Error Workflow مشخص تعریف کنید. بدون آن، اولین خطای واقعی کل جریان را خاموش میکند و هیچ اخطاری دریافت نمی‌کنید. نودهای HTTP Request را با Retry (حداقل 3 تلاش با Backoff نمایی) تنظیم کنید تا خطاهای موقت شبکه، جریان را متوقف نکند.
مدل مجوز Fair-code: مرز بین رایگان و تجاری#
مدل مجوز n8n از نوع Fair-code است: استفاده‌ی شخصی و داخلی کاملاً رایگان است، اما ارائه‌ی n8n به‌عنوان سرویس به مشتریان دیگر (مثلاً یک آژانس اتوماسیون) نیازمند مجوز Enterprise است؛ این تفکیک در منابع فارسی تقریباً وجود ندارد.
چه زمانی رایگان است و چه زمانی نیست؟#
- رایگان: استفاده‌ی شخصی، اتوماسیون داخلی یک شرکت، یا ساخت ابزار برای خودتان
- نیازمند Enterprise: وقتی n8n را به‌عنوان سرویس به چند مشتری ارائه می‌دهید یا آن را در محصول SaaS خود embed میکنید
اکثر آموزش‌های فارسی n8n را «کاملاً رایگان» معرفی می‌کنند بدون اشاره به این محدودیت. این اشتباه می‌تواند هزینهی حقوقی داشته باشد. قبل از تعهد به یک پلتفرم، جایگزین‌های متن‌باز با مجوز آزادتر را هم بررسی کنید.
جمع‌بندی: مسیر عملی بعد از خواندن این مقاله#
n8n ابزار قدرتمندی است اگر جریانهای چندمرحلهای با منطق شرطی و حلقه دارید و می‌خواهید مالکیت داده‌تان را حفظ کنید. اگر فقط یک شرط و یک اقدام دارید، Make یا IFTTT سریعتر جواب میدهند.
اگر می‌خواهید از نصب روی VPS تا ساخت ایجنت هوش مصنوعی را گام‌به‌گام و با پشتیبانی عملی طی کنید، دوره‌ی «ساخت Ai Agent با N8N» در کامیونیتی N8N اسکول دقیقاً همین مسیر را پوشش می‌دهد.
دیدگاهها
برای گذاشتن دیدگاه وارد شو
دیدگاهها فقط از حسابهای کاربری پذیرفته میشوند.
ورود / ثبتنامهنوز دیدگاهی ثبت نشده — اولین نفر باش.