OpenClaw n8n Stack：自托管 AI 智能体与工作流自动化

这个案例做什么

• 通过 Docker Compose 在单个栈中部署 OpenClaw（Claude 驱动的 AI 智能体网关）和 n8n（可视化工作流自动化）
• 提供预配置的 AI 智能体与工作流触发器之间的 webhook 通信
• 包含 4 个即用型工作流模板，涵盖邮件分类、社交媒体监控和多 LLM 验证
• 支持 AI 智能体触发 n8n 工作流、调用外部服务并自动处理数据

所需技能

• openclaw-n8n-stack - 预配置的 Docker 栈，结合 OpenClaw AI 智能体与 n8n 工作流
• automation-workflows - 设计和实现跨 n8n 等平台的工作流自动化

痛点

从零搭建 AI 自动化平台通常面临以下挑战：

• 手动配置 AI 智能体与多个服务集成的复杂性
• 设置 webhook 基础设施以连接 AI 推理与工作流触发器
• 分别管理 AI 组件和自动化工具的部署流程
• 缺乏常见用例的预构建工作流模板

这个栈通过提供预配置环境解决了集成复杂性问题，OpenClaw 和 n8n 可以开箱即用。

这个案例的核心价值

OpenClaw n8n Stack 通过结合推理能力与可视化工作流，提供了自托管 AI 自动化的快速路径。对开发者和自动化爱好者来说，最直接的价值包括：

• 跳过 OpenClaw-n8n 集成的手动配置（webhook、网络、卷挂载）
• 立即获得 4 个生产就绪的工作流模板
• 在 10 分钟内部署完整的 AI 自动化平台
• 保持对数据和 API 密钥的完全控制（自托管）

典型应用场景

• 邮件分类：AI 智能体读取并总结邮件，通过 n8n 工作流触发 Slack 通知
• 内容流水线：研究 → 撰写 → 事实核查 → 发布，由 AI 和工作流编排
• 社交媒体监控：追踪提及和趋势，自动生成 AI 驱动的回复
• 自动化报告：使用自然语言查询生成报告，配合数据处理
• 多模型 AI 验证：结合 Claude、ChatGPT 和 Gemini 进行跨模型事实核查

如何设置

前置条件

• 已安装 Docker 和 Docker Compose
• Anthropic API 密钥（用于 Claude）
• 可选：OpenAI 和/或 Google AI 密钥（用于多模型工作流）

安装步骤

访问地址

导入工作流模板

1. 在 http://localhost:5678 打开 n8n
2. 进入 Workflows → Import from File
3. 从 workflows/ 目录导入任意工作流
4. 配置凭据并激活

配置说明

• 编辑 config/openclaw.json 自定义默认模型、思考级别、技能和通道配置
• 在 n8n UI 中设置凭据（Credentials → Add Credential）
• 对于部署到生产环境，在 .env 中更新 N8N_WEBHOOK_URL 为你的公网 URL

示例：从 OpenClaw 调用 n8n

N8N_WEBHOOK_BASE 环境变量已预配置，OpenClaw 知道如何找到 n8n。

维护操作

生产安全检查清单

• 为 n8n 使用强密码
• 放置在带 HTTPS 的反向代理后面
• 不要将端口直接暴露到互联网
• 保护 API 密钥安全（不要提交 .env）
• 参考 n8n 的安全最佳实践

故障排查

• 确保两个容器在同一网络中
• 检查 docker-compose logs openclaw 查看错误
• 验证 API 密钥设置正确
• 确保端口 5678 可被 n8n webhooks 访问
• 检查 Docker 卷：docker system df
• 清理未使用资源：docker system prune -a

归档材料

工作流模板

workflows/ 目录包含 4 个即用型模板：

• ripr-chatgpt-validator.json - 多 LLM 事实核查（ChatGPT）
• ripr-gemini-validator.json - 多 LLM 事实核查（Gemini）
• email-triage.json - AI 驱动的邮件总结
• social-monitor.json - 追踪提及和趋势

架构图

相关链接

• OpenClaw n8n Stack — 预配置的 Docker 部署栈
• OpenClaw — AI 智能体框架
• n8n — 工作流自动化平台
• n8n 安全最佳实践 — 生产环境部署安全指南

常见问题

我是否需要同时拥有 Anthropic 和 OpenAI API 密钥？

不需要。Anthropic API 密钥是必需的（用于 Claude）。OpenAI 和 Google API 密钥是可选的，仅在使用多模型工作流时需要。

我可以在远程服务器上运行这个吗？

可以。对于远程部署，在 .env 中更新 N8N_WEBHOOK_URL 为你的公网域名或 IP 地址，这样 OpenClaw 可以访问 n8n webhooks。出于安全考虑，建议使用带 HTTPS 的反向代理。

如何添加自己的工作流？

在 n8n 可视化编辑器中创建工作流，然后导出到 workflows/ 目录。你也可以导入现有的 n8n 工作流，并通过 webhook 将其连接到 OpenClaw。

这适合生产环境使用吗？

该栈提供了坚实的基础，但对于生产环境，你应该实施额外的安全措施：带 HTTPS 的反向代理、强密码、防火墙规则和定期备份。参考 n8n 的安全文档了解最佳实践。

我可以自定义 OpenClaw 的行为吗？

可以。编辑 config/openclaw.json 配置默认模型、思考级别、启用的技能/工具和通道配置。这允许你根据特定用例定制 AI 智能体。

这个栈需要什么资源？

最低资源需求取决于工作流的复杂度。对于基本用例，2GB RAM 和 2 CPU 核心应该足够。对于更繁重的 AI 处理或多个并发工作流，建议 4GB+ RAM 和专用资源。