从 n8n 到 AutoGPT：自动化工具的两次进化，和还没解决的问题

Tue, 04 Aug 2026 12:01:09 +0800

2023 年之前，自动化 = 「如果 A 就 B」的规则流；2023 年之后，自动化 = 「给个目标，自己想办法」。这两代工具在 GitHub 上同时繁荣，本文拆解它们的架构差异、演进路径，以及「自主性」这道至今没满分的题。

先讲个对比场景。需求：「每天早上把昨天的客户投诉整理成摘要发到 Slack。」

用 n8n 做：拖出定时触发器 → Gmail 节点拉邮件 → 过滤节点筛投诉 → LLM 节点生成摘要 → Slack 节点发送。每一步是什么、失败了走哪条边，画布上一目了然。

用 AutoGPT 做：告诉 Agent「每天整理客户投诉摘要发 Slack」，它自己决定怎么连 Gmail、怎么判断什么是投诉、怎么调 LLM。

两种做法都能完成任务，但信任模型完全不同——前者你信任的是自己画的流程，后者你信任的是模型的判断。这就是两代自动化工具的分水岭。

第一代：n8n——「可视化优先，代码兜底」

n8n（197K Star）从传统工作流自动化起家，现在是「AI 原生自动化平台」的标杆。它的架构是教科书级的分层：

最值得学的是它的两条设计原则：

**1. 可视化优先，代码兜底。**画布覆盖 80% 场景，剩下 20% 用 Code 节点写 JS/Python，甚至引 npm 包。这个比例拿捏是关键——纯低代码平台必然在复杂场景碰壁（「做到 90% 就上不去了」），留一个代码逃生舱，天花板就没了。

2. 1500+ 集成节点 + 9000+ 模板市场。节点有标准化开发模式，社区贡献机制成熟；模板市场让用户从「别人的成品」起步而不是从零拖起。平台类项目的增长飞轮，本质是让贡献者和使用者都占到便宜。