布萊嗯研究所

  這套配置的核心目標是： 解耦 (Decoupling) 。我們讓 n8n 跑在容器內，但透過隧道與你本地的 Python 資源對接。 1. 目錄配置 (Project Structure) 首先，在終端機建立工作目錄。良好的目錄結構是維運的第一步。 Bash mkdir -p ~/n8n-infra/data cd ~/n8n-infra 2. 撰寫 docker-compose.yml 使用你最愛的編輯器（VS Code 或 vim ），建立 docker-compose.yml 。這份檔案定義了 n8n 本身以及一個 PostgreSQL 數據庫（比起預設的 SQLite，Postgres 在長期執行大量 539 數據分析時更穩定）。 YAML version: '3.8' services: db: image: postgres:16-alpine container_name: n8n-postgres restart: always environment: - POSTGRES_USER=n8n_admin - POSTGRES_PASSWORD=n8n_secure_pass - POSTGRES_DB=n8n_metadata volumes: - ./data/postgres:/var/lib/postgresql/data n8n: image: docker.n8n.io/n8nio/n8n:latest container_name: n8n-webui restart: always ports: - "5678:5678" environment: - DB_TYPE=postgresdb - DB_POSTGRESDB_HOST=db - DB_POSTGRESDB_PORT=5432 - DB_POSTGRESDB_DATABASE=n8n_metadata - DB_POSTGRESDB_USER=n...

你的n8n與Dify的選項評估  特性 n8n (Workflow Automation) Dify (LLM App Development) 核心定位 強大的 工作流自動化 ，連接 400+ 服務 專注於 LLM 應用 、RAG 與 Agent 開發 Agent 能力 透過 LangChain 節點構建，邏輯靈活 內建原生的 Agent 模式（如 ReAct），配置簡單 知識庫 (RAG) 需手動搭建向量資料庫與檢索邏輯 內建一站式 RAG ，上傳文件即可檢索 資源消耗 較輕量 (單一 Docker 容器即可) 較重 (需同時運行 Redis, Postgres, 向量庫等) 適合場景 複雜邏輯、跨 App 自動化（如：收到郵件後 AI 處理並存入 Notion） 專門的 AI 助手、客服機器人、知識庫問答