n8n-claw：把 OpenClaw 的自主能力搬进 n8n 工作流引擎

你有没有想过拥有一个真正听话的 AI 助手——它能记住你说过的每一件事，在后台自动处理任务，主动提醒你忘记的日程，甚至能自己学会调用新的 API？这种「全自主 Agent」的愿景，在 OpenClaw 项目中已经被验证过，但如果你不想被云服务绑定呢？

n8n-claw 就是答案：它用 n8n 工作流引擎替代了定制代码，把 OpenClaw 的核心能力全部搬到了一个开源可自托管的系统里。

图1：n8n-claw 社交预览图

背景：为什么要在 n8n 里跑 AI Agent

n8n 是一个开源的工作流自动化平台，以图形化界面 + 节点编排著称，深受非程序员喜爱。但它的原生能力偏向「触发-动作」模式，缺少真正的会话式 Agent 能力——而 OpenClaw 恰好在另一条路上验证了这种可能性。

2024 年下半年，社区开始探索将两者结合：用 n8n 的工作流作为 Agent 的执行引擎，用 Claude 等大模型作为大脑。n8n-claw 是这一方向的集大成者，由独立开发者 Freddy Schuetz 从 OpenClaw 移植而来，并在 GitHub 上持续维护。

项目在 GitHub 上获得了 534 颗星，被标注为 17 个 topic，包括 ai-agent、model-context-protocol、n8n、mcp、agent 等，反映出它在 AI Agent + 工作流自动化交叉领域的独特定位。

架构解析：8 个容器如何协同成一个 Agent

n8n-claw 不是单个应用，而是一个多容器协同的系统。docker-compose.yml 定义了 8 个服务：

服务	技术	职责
n8n	n8nio/n8n:latest	Agent 工作流执行引擎
db	supabase/postgres:17.6	主数据库
rest	postgrest/postgrest:v14.5	PostgreSQL REST API（PostgREST）
kong	kong:2.8.1	API 网关，路由 /rest/v1
studio	supabase/studio	数据库 Web 管理界面
file-bridge	Node.js	二进制文件 REST API
email-bridge	Node.js	IMAP/SMTP REST API
browser-bridge	Python FastAPI	浏览器自动化 REST API

数据流设计非常清晰：n8n 工作流通过 PostgREST 直连 PostgreSQL 读写记忆和配置；Kong 作为统一的 HTTP 入口，同时代理 Telegram 和 Webhook 请求；各 bridge 服务提供专项能力（文件、邮件、浏览器）。

图2：n8n-claw Logo

核心能力：从记忆到主动行动

1. 混合记忆系统（RAG + 图谱）

记忆是 Agent 的灵魂。n8n-claw 实现了多层记忆架构：

• 短期会话记忆：n8n 工作流通过 PostgreSQL 存储每次对话上下文
• 混合搜索记忆：PostgreSQL 扩展了向量（vector）搜索 + 全文搜索 + 实体匹配三种能力的融合（RRF 融合算法），通过 Supabase 扩展实现
• 知识图谱：自动抽取人物、公司、产品、事件等实体，以及实体之间的关系
• 时间衰减：记忆自动随时间降权，优先召回近期内容

这套设计的精妙之处在于：完全基于 PostgreSQL，不需要额外的向量数据库，降低了部署复杂度，同时保持了检索质量。

2. MCP 技能系统（Model Context Protocol）

MCP 是 Anthropic 提出的工具调用协议，n8n-claw 实现了完整的 MCP 生命周期：

• MCP Builder：n8n 工作流可以动态生成新的 MCP Server，并注册到 MCP 库
• MCP Library Manager：管理技能目录，从模板市场安装/卸载技能
• 预置技能：天气查询（MCP-Weather-Example）、浏览器自动化（browser-use）等

开发者可以在 n8n 的图形界面里构建新的 MCP 工具，不需要写代码。

3. 主动心跳与提醒

n8n-claw 通过定时工作流实现了真正的主动 Agent 能力：

• Heartbeat：每 5 分钟运行一次，检查逾期任务、发送主动提醒
• Reminder Factory：创建周期性提醒（「每 15 分钟检查一次邮件」）
• Background Checker：静默监控，仅在新内容出现时才通知用户
• Open Loop Ping：3 天没有回复时自动 ping 用户，防止对话中断

4. Expert Agent 子代理机制

n8n-claw 支持创建专门的 Expert Agent——每个子代理有独立的人设和工具集，通过 sub-agent-runner.json 工作流动态加载。例如，可以配置一个「健身助手」Agent 和一个「代码审查」Agent，主 Agent 根据任务类型委派给对应子代理。

部署体验：一键脚本背后的工程量

setup.sh 是这个项目的工程亮点之一。它不仅做 Docker 部署，还包括：

• 自动检测并安装 Docker、Docker Compose
• .env 文件自动生成与增量合并
• PostgreSQL 15 → 17 平滑升级支持
• Kong API Gateway 配置动态生成（supabase/kong.yml）
• 数据库 Schema 自动迁移（9 个 Supabase migration 文件）
• Telegram Bot 配置引导
• OAuth2 支持（Google 服务集成）

部署流程：下载代码 → 运行 sudo ./setup.sh → 按提示填写 API Key → 访问 http://localhost:5678 进入 n8n Web UI。整个过程约 15-30 分钟。

局限与挑战

作为一个社区项目，n8n-claw 也面临一些现实问题：

• 配置复杂度高：8 个服务的 docker-compose 虽然有自动化脚本兜底，但对于 Docker 新手仍有一定门槛
• n8n 版本兼容风险：项目在 CLAUDE.md 中提到 Issue #35（n8n ≥ 2.21.4 导致表名冲突），需要通过 009_agents_rename.sql 将 agents 表重命名为 claw_agents，这是一个脆弱的版本绑定
• 中文社区资源少：文档和讨论以英文为主，中文用户需要较强的英语阅读能力
• 无内置身份验证：Telegram Bot 的安全完全依赖 Telegram User ID 白名单，不适合开放给多人使用

行业意义

n8n-claw 代表了一种重要趋势：用工作流引擎替代定制代码来构建 Agent。传统 AI Agent 需要大量工程开发，而 n8n-claw 证明了图形化工具链同样可以支撑复杂的自主 Agent 系统。这对非程序员用户意义重大——他们可以在 n8n 的可视化界面里「拼」出一个完整的 AI Agent。

534 颗星、17 个 topic、持续活跃的开发（9 个数据库迁移文件覆盖健身助手等多个功能扩展），说明这个方向正在被社区验证。

---

适合谁用：有自托管需求、熟悉 Docker、想用 n8n 生态构建 AI Agent 的开发者或技术团队。

不适合谁：追求开箱即用、完全不想碰命令行的用户；或者已经有完整 LangChain/LlamaIndex 技术栈的团队。