北京
大多数人用n8n做简单的事：Webhook收消息，Gmail发邮件，Slack推通知。这没问题，本来就是干这个的。
我用它搭了一个600多个节点的分布式AI编排系统——并行代理执行管道、动态路由层、模块化工具注册表、集中式聚合系统，全部串在一起。花了好几个月持续迭代。它本来没打算长这么大，一个工作流变成十个，十个连成执行链，最后整个东西看起来不像自动化，更像分布式认知基础设施。
这是真实发生的故事：怎么变成这样的，哪里崩过，以及搭建过程真正教会我的东西。
为什么选n8n，以及它为什么意外强大
最初的问题很简单：我想搭能模块化思考、动态路由任务、自主使用工具、执行多步推理的AI系统，不用我把每条决策路径都硬编码进去。
当时大多数框架要么藏太多东西，要么配置太复杂，要么执行过程完全黑箱。
n8n意外解决了我没预料到的问题：它让复杂执行变得可见。你能 literally 看到执行图。每个分支、每个连接、每个数据流都摆在面前。这彻底改变了我搭建系统的思路——从推理代码，变成推理执行架构。这个转变最终导向了600多个节点。
五层架构
这套基础设施不是随机长出来的，它演化成五个明确分工的层级。
第一层：触发层
所有东西通过一个集中式HTTP触发系统进入。整个基础设施是API优先的——外部应用、前端系统、代理本身都能动态调用执行。每个进来的请求在执行逻辑前先经过标准化处理，没有任何原始数据直接进入管道。
第二层：预处理层
任何AI执行开始前，请求先被丰富、分类、转换。这一层处理意图分类、能力映射、上下文注入和验证。规模化之后，这成了系统里最安静却最重要的部分——没有它，下游代理执行会变得不一致，而且几乎无法追溯源头。
第三层：路由层
这是最复杂的部分。路由层像AI执行的操作系统调度器——决定哪个代理该运行、什么顺序、什么条件、用什么工具、什么优先级。它包含条件执行系统、意图路由器、能力分发器、回退机制和重试逻辑。工作流在这里从线性变成树状结构。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
