Skip to content

自动化工作流:把工具串成流水线 ​

本篇要点:你能把三个以上手动步骤串成一条随时能确认"它还活着"的工作流,并且知道它失败时会发生什么。 前置文章:《会议与办公自动化》是"人触发、AI 干活",这一章把触发也交出去,出错成本开始乘以频次。

一、为什么需要它 ​

2026 年 1 月,一位读者搭了条工作流:表单提交 → 写入表格 → 生成欢迎邮件 → 发出去。上线那天跑了三遍,都对。

两周后他发现,新进来的 63 个线索,只有 41 个收到了邮件。

原因不复杂。工作流的邮件节点依赖一个外部接口,那个接口在第七天开始对超过 10 条/分钟的请求返回 429。工作流没配重试,遇到 429 直接跳过该条,日志里记了一行 warning,没人看。

这条流水线的问题不在功能,在它失败的时候不吭声。人手动做的时候,漏了一个会有人说"我没收到";自动化做的时候,漏了十七个,要等两周才有人发现。

搭建自动化时最容易被跳过的问题不是"怎么串起来",是"串起来之后,我怎么知道它还在正常工作"。这一章把这件事放在和搭建同等的位置。

二、核心概念 ​

2.1 触发器:三种形态与各自的坑 ​

触发器(trigger)决定工作流什么时候跑。

形态例子坑
事件触发表单提交、新邮件、Webhook重复投递:上游重试一次,你就多跑一次
定时触发每周一 9:00 汇总时区错位;上一次没跑完又来了下一次
手动触发点一下按钮跑批依赖人的记性,实际上没人点

表 10-1 三种触发器与各自的坑

事件触发最常见的坑是重复投递。几乎所有 Webhook 提供方都有重试机制,网络抖动一次,你的工作流就会收到两条一样的请求。如果每条都发一封邮件,客户会收到两封。

解法是幂等键(idempotency key):用事件的唯一 ID 做去重,处理前先查这张 ID 有没有处理过。

定时触发最常见的坑是并发叠加。上周的汇总跑了 40 分钟,这周的在 9:00 又启动了,两份同时在跑,写同一张表。

2.2 条件分支:三种写法,选最简单的 ​

分支是最容易把工作流画成蜘蛛网的地方。

写法一,前置过滤。在触发后第一步就把不需要的数据丢掉。绝大部分场景用这个就够。

写法二,二选一。一个 IF 节点,两条路。超过两级嵌套就该重组。

写法三,查表路由。用一张映射表决定走哪条(比如按部门 ID 找审批人)。分支多的时候,查表比画十个 IF 清晰得多。

反例:一条工作流里套了三层 IF,每条分支又各自调接口。三个月后没人敢改,因为改了不知道影响哪条路。这时候的正确做法不是加注释,是把工作流拆成三条。

2.3 API 节点与凭据 ​

工作流的价值大半在"能调别人的接口"。这里有两个硬约束。

凭据不能写在节点里。要用平台提供的凭据管理,或者读环境变量。写死在节点里的 key,会随工作流导出、截图、分享一起泄露。

接口要假设它会失败。所有外部调用都要有超时、重试、失败分支。三条缺一条,这条流水线的稳定性就等于对方接口的稳定性。

2.4 重试:指数退避与死信 ​

重试不是"失败了再试三次"这么简单。三个参数要设对。

次数:通常 3–5 次。再多说明对方不是瞬时故障。

间隔:指数退避(exponential backoff),1s、2s、4s、8s。固定间隔会在对方限流时形成稳定打压。

死信:重试耗尽的条目不能丢,要落到一个"待人工处理"的表或队列里。这一步最常被省略,省了之后失败就是静默丢失。

上一节那位读者,如果在邮件节点上加了三件事——幂等键去重、3 次指数退避、失败进死信表——那 17 个漏掉的线索会在死信表里躺着,一条 SQL 就能捞出来补发。

2.5 成本:按次计费下的三个上限 ​

工作流跑起来之后,成本是按次数累积的。三个上限必须设。

单次成本上限:一条工作流里调了几次模型、几次外部 API,加起来多少钱。单次超过某个值就告警。

日/月总量上限:防止失控循环把额度烧光。定时触发配错成每分钟一次,一天就是 1440 次。

重试放大系数:3 次重试意味着最坏情况下成本是 3 倍。这个倍数要算进预算。

成本控制这件事,事后看的账单永远比事前的估值高,因为没人会预估"失败重试"那部分。

2.6 选型:n8n 与 Dify 的分工 ​

两者都能编排,但设计取向不同。

维度n8n(自托管)Dify(自托管)
定位通用自动化,内置节点覆盖主流系统以 LLM 应用为中心
强项系统间集成、Webhook、定时任务提示编排、知识库、模型切换
弱项LLM 相关能力要自己拼复杂系统集成不如前者
适合"把五个系统串起来""做一个能问答的应用"

表 10-2 n8n 与 Dify 的定位差异

选错的典型表现:用 Dify 硬拼系统集成,节点不够用;用 n8n 硬搭 RAG 应用,检索质量调不动。两条都遇到过。

两者可以并存:n8n 负责触发与集成,Dify 负责其中的智能环节。代价是多一套部署和一份凭据管理。

具体版本与自托管要求以官方文档为准(截至 2026 年 11 月):https://docs.n8n.io/ 、https://docs.dify.ai/

图 10-1 一条能自证健康的工作流:幂等去重、指数退避、死信兜底、每日对账

如图 10-1 所示,右下角那条"每日对账"是整个流程能不能被信任的关键。没有它,前面所有机制坏了你也不知道。

三、动手实践 ​

任务:搭一条"表单提交 → 生成欢迎邮件 → 发送"的工作流,要求可观测、可重试、可对账。

3.1 先写清四件事,再动手拖节点 ​

yaml
# flow/welcome-mail.yaml —— 先定义,再搭建
id: welcome-mail
trigger:
  type: webhook
  path: /hook/lead
  idempotency_key: "{{ $json.body.lead_id }}"
steps:
  - id: filter
    rule: "email 非空 且 不在 suppression_list"
  - id: gen
    action: llm
    prompt: prompts/welcome.v2.yaml
    timeout_s: 20
    max_retry: 3
    backoff: exponential
  - id: send
    action: http
    url: https://mail.example.com/api/send
    timeout_s: 10
    max_retry: 3
    on_fail: dead_letter
observe:
  daily_reconcile: "触发数 == 成功数 + 死信数 + 过滤数"
  alert_if: "死信 > 0 或 成功率 < 95%"
cost:
  per_run_max_usd: 0.02
  monthly_cap_usd: 60

预期输出(部署后先跑一次自检):

text
触发器连通          OK(webhook 200)
幂等键字段存在      OK(lead_id)
外部接口可达        OK(mail.example.com 200)
死信表已建          OK(dead_letter 表 0 行)
对账 SQL 可执行     OK(今日 0/0/0/0)
成本估算            单次 $0.004,月上限 $60 可支撑 15000 次

六项里任何一项失败,先别开流量。这六项检查用掉十分钟,能省掉两周的静默失效。

3.2 幂等与重试写成代码 ​

平台节点能配一部分,但去重逻辑最好自己写清楚,落到一张表上。

python
# worker.py —— 幂等去重 + 指数退避 + 死信,可单独测试
import time, random, sqlite3

db = sqlite3.connect("flow.db")
db.execute("CREATE TABLE IF NOT EXISTS idem (k TEXT PRIMARY KEY, ts TEXT)")
db.execute("CREATE TABLE IF NOT EXISTS dead (k TEXT, err TEXT, ts TEXT)")

def handle(key: str, fn) -> str:
    if db.execute("SELECT 1 FROM idem WHERE k=?", (key,)).fetchone():
        return "dup-skip"
    for attempt in range(4):                     # 最多 4 次
        try:
            fn()
            db.execute("INSERT INTO idem VALUES (?, datetime('now'))", (key,))
            db.commit()
            return f"ok@{attempt+1}"
        except Exception as e:
            if attempt == 3:
                db.execute("INSERT INTO dead VALUES (?,?,datetime('now'))", (key, str(e)))
                db.commit()
                return f"dead:{e}"
            time.sleep(2 ** attempt + random.random())   # 1/2/4 + 抖动

# 模拟:第 2 次才成功
calls = {"n": 0}
def flaky():
    calls["n"] += 1
    if calls["n"] < 2:
        raise RuntimeError("429 Too Many Requests")

print(handle("lead-1001", flaky))
print(handle("lead-1001", flaky))    # 重复投递
print(handle("lead-1002", lambda: (_ for _ in ()).throw(RuntimeError("500"))))
print("idem:", db.execute("SELECT COUNT(*) FROM idem").fetchone()[0],
      "dead:", db.execute("SELECT COUNT(*) FROM dead").fetchone()[0])

运行结果:

text
ok@2
dup-skip
dead:500
idem: 1 dead: 1

四行输出对应四个关键行为:第二次成功、重复请求被跳过、彻底失败进死信、两张表的计数对得上。

dup-skip 那一行值得注意——它没有增加任何调用。如果没有幂等表,重复投递会让客户收到第二封欢迎邮件。

3.3 每日对账 SQL ​

对账是判断"它还活着"的唯一手段。

sql
-- 触发数 == 成功数 + 死信数 + 过滤数;差额就是黑洞
WITH d AS (SELECT date('now','-1 day') AS day)
SELECT
  (SELECT COUNT(*) FROM events  WHERE date(ts) = d.day) AS triggered,
  (SELECT COUNT(*) FROM idem    WHERE date(ts) = d.day) AS succeeded,
  (SELECT COUNT(*) FROM dead    WHERE date(ts) = d.day) AS dead,
  (SELECT COUNT(*) FROM skipped WHERE date(ts) = d.day) AS filtered,
  (SELECT COUNT(*) FROM events  WHERE date(ts) = d.day)
   - (SELECT COUNT(*) FROM idem    WHERE date(ts) = d.day)
   - (SELECT COUNT(*) FROM dead    WHERE date(ts) = d.day)
   - (SELECT COUNT(*) FROM skipped WHERE date(ts) = d.day) AS gap
FROM d;

运行结果:

text
triggered | succeeded | dead | filtered | gap
       312 |       298 |    1 |       13 |   0

gap = 0 才叫对得上。这个数字不是零,说明有事件消失在中间环节,通常是某个节点抛了异常但工作流被设成了"继续执行"。这类配置很常见,因为默认值往往是"继续"。

3.4 成本上限设在哪里 ​

平台的额度告警通常按账户总额,粒度太粗。要在工作流内部加计数。

python
# budget.py —— 单条工作流的日成本熔断
LIMIT_USD = 2.50          # 日上限 ≈ 月上限 60 / 24 个工作日
COST = {"llm": 0.0032, "http": 0.0, "retry_factor": 3}

def check(spent: float, runs: int) -> str:
    worst = spent + runs * COST["llm"] * COST["retry_factor"]
    if worst > LIMIT_USD:
        return f"熔断:最坏成本 ${worst:.2f} 超过日上限 ${LIMIT_USD}"
    return f"放行:最坏成本 ${worst:.2f} / ${LIMIT_USD}"

print(check(0.00, 100))
print(check(1.80, 100))

运行结果:

text
放行:最坏成本 $0.96 / $2.5
熔断:最坏成本 $2.76 超过日上限 $2.5

注意它算的是最坏成本(含重试放大系数),不是已花掉的。按已花掉的算,你总会在超标那一刻才发现。

四、常见误解 ​

很多人以为工作流上线就算完。实际上上线只是开始,前两周必须每天看对账,因为配置错误、字段改名、接口限流都会在前两周暴露。

很多人以为节点越多流程越完整。实际上每多一个节点就多一处故障点,而大部分工作流的价值集中在三个节点以内。能三个节点解决的不要五个。

很多人以为重试能解决所有失败。实际上重试只对瞬时故障有效。参数错、字段缺、权限不足这类确定性失败,重试三次只是把同一个错误记三遍,还多花三倍钱。

五、小结 ​

《会议与办公自动化》的分界线是「草稿自动化、发送人工」;这一章把这把尺子推广到整条流水线——凡是不可逆的动作,前面都要有一道确认。

  • 三种触发器的坑:事件重复投递、定时并发叠加、手动没人点。事件触发必须配幂等键去重。
  • 分支三种写法,超过两级嵌套就该拆工作流,不是加注释。
  • 凭据不写节点里;外部调用都要有超时、重试、失败分支。
  • 重试三参数:次数、指数退避、死信。死信是失败不静默的唯一保证。
  • 成本三个上限:单次、日月总量、重试放大系数。估最坏成本,不估已花的。
  • 每日对账 触发 = 成功 + 死信 + 过滤。gap 不为零就是有事件消失了。
  • n8n 强在集成,Dify 强在 LLM 应用。两者可并存,代价是多一套部署。

六、相关文章 ​

这一章里有一句话被反复提到:凭据不能写死、数据要分级、审计要留痕。这些不是技巧,是红线。前面十章我们一直在"能不能做成",接下来两章换成"能不能这么做"。相关文章讲数据分级与脱敏、企业版与个人版的条款差异、审计留痕,以及几条碰不得的合规边界。

继续阅读:[《进阶:数据安全与合规使用》 进阶:数据安全与合规使用](/guide/ai-tools/ai-tools-security-privacy.html)