一起来，走进ai新时代。
朋友们，这是一个喜大普奔的好消息：
你再也不需要花几千块去学n8n了！
今天，我要说一句可能会得罪一大批人的话：那些还在教你手工搭建n8n工作流的培训班，可以直接关门了。
为什么我敢这么说？因为我刚刚用智谱刚发布的GLM-4.7，配合Claude Code，实现了一个AI Skills——只要你说出需求，它就能自动生成完整的n8n工作流JSON文件，导入即用！
我发誓，我没有修改任何一个节点！
一、为什么我要断掉这些培训班的财路？
前几天我分享了两篇关于n8n的文章，直接爆了。这几天加我微信的人超过500个，大部分都是想学n8n的，还有一些让我帮忙定制工作流的。
但我把送上门的钱，全推了。
很多人不理解，觉得我傻。但我的逻辑很简单：
由人类手工搭建工作流的时代，已经结束了。
AI技术的本质就是平权。它存在的意义，就是把那些昂贵的、原本属于少数人的技术壁垒，夷为平地。
之前我就发过预警文章，但很多人不信。今天，我不仅要帮大家省下这笔定制费，我还要把底牌全部亮出来。
二、为什么选择GLM-4.7？
很多人问我：为什么不用Claude或者GPT-4？
答案很简单：国产AI真的牛逼了！
我从GLM-4.5时代就开始用了，一路看着它变强。这次发布的GLM-4.7，在Coding（编码）和Reasoning（推理）两个核心能力上，直接霸榜：
代码能力开源第一：在LiveCodeBench v6拿下84.9高分，超越了Claude Sonnet 4.5
工程化落地极强：在SWE-bench Verified达到73.8%解决率，这意味着它不是在做题，而是真能帮你干活
更重要的是：它不封号，稳定得很！
昨天群里还有人吐槽国外大模型账号被封，没解决方案，急得不行。但用GLM-4.7，你完全不用担心这个问题。
我对GLM-4.7的评价是：性价比最高、最稳的AI编程解决方案。
三、实战：如何用GLM-4.7生成n8n工作流？
第一步：配置Claude Code
这一步很简单，参考这段代码就行：
mkdir -p ~/.claude && cat > ~/.claude/settings.json <<EOF
{
"env": {
"ANTHROPIC_AUTH_TOKEN": "在此处填入您的智谱API_KEY",
"ANTHROPIC_BASE_URL": "https://open.bigmodel.cn/api/anthropic",
"ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-4.7-coding-preview",
"ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-4.7-coding-preview",
"ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-4.7-coding-preview"
}
}
EOF
配置完成后，你会看到Claude Code底层的驱动引擎已经换成了GLM-4.7。
第二步：构建核心Skills
很多人用AI生成工作流失败，是因为让AI"凭空想象"。n8n的节点参数非常复杂，凭空生成的JSON往往连导入都会报错。
我的思路完全不同：我不让AI创造，我让它"抄作业"。
这就是Context Learning（上下文学习）的威力。
1. 建立素材库
我让Claude Code直接调用playwright MCP，到n8n官网自动下载10个相关的工作流JSON文件到本地。
请你调用 playwright mcp到https://n8n.io/workflows/ 下载10个用veo3.1生成视频的工作流json到本地文件夹，流程是打开网站后会有一个搜索框，输入相关的关键词后，下面会出现result的部分，选择合适的，点进去会进入工作流的介绍页面，判断合适后，左边会有`usefor free`按钮，点击后会有弹窗，点`copy templateto clipboard[json]`，此时工作流代码就已经在剪贴版了。
接下来，就在本地新建一个json文件把代码粘贴进去即可。注意工作流文件的命名要跟网页上的一致。如果有看到关于use cookies的弹窗，就关掉。
卧槽，牛逼！
GLM-4.7在工具调用上的表现非常稳。它精准识别了网页元素，完成了点击、弹窗处理、复制JSON的全套动作。
9个工作流JSON文件，自动保存到本地文件夹。这个过程完全不需要我动手。
可以尝试用AI生成一段Python或JavaScript的爬虫代码，例如分析以下网页：https://n8n.io/workflows/?q=，并在后面添加搜索词"veo3.1+tiktok"。这个任务难度不高，可以自己尝试实现。
2. 注入指令
素材有了，接下来就是最关键的一步：Prompt Engineering（提示词工程）。
我设计了一个"n8n AI Agent工作流设计专家"指令。它有多牛逼？
深度阅读：先把刚才下载的10个模版全部读一遍，搞清楚别人是怎么处理API鉴权、怎么做循环、怎么处理报错的
逻辑复用：不要自己造轮子，如果参考文件里有写好的HTTP请求节点，直接拿来用
模块化设计：强制要求使用Sticky Notes把工作流分层，阅读性超高
（完整的Prompt太长了，关注公众号「元小二学AI」后台回复「n8n」获取）
3. 配置Skill
在项目文件夹下生成.claude/skills/n8n-gen-skill文件夹，把指令放进去。Claude Code会自动读取。
第三步：测试效果
我输入了一个需求：
"帮我做一个用veo3.1生成tiktok带货视频的n8n工作流，要求每天定时晚上11点跑工作流，先读取我的谷歌表格，把状态为未完成的记录提取出来，里面是我放的产品图、拍摄风格，需要你循环逐个图片作为参考图，连同拍摄风格传给veo3.1来生成视频，把生成好的视频下载后上传到谷歌云盘，最后把视频地址同步回谷歌表格，同时这行标记状态为已完成。"
几分钟后，它给了我两份文件：
第一份：需求说明文档（Markdown）
这简直是乙方的救星！里面详细记录了架构设计、节点配置方案，甚至连Google Sheets的表头结构都定义好了。你直接把这个丢给客户，专业度瞬间拉满。
第二份：n8n工作流JSON
我把生成的JSON文件直接导入n8n。
太牛逼了！！
我发誓我没有修改任何一个节点！这样的工作流，还不是傻瓜线性的，甚至连循环判断都是正确的，真的能省很多事。
四、这意味着什么？
看到这里，你明白我开头为什么敢"断人财路"了吗？
以前你的护城河，是背下了几百个节点的参数，是熬夜试错的经验。
但就在刚刚，GLM-4.7用几分钟的"思考"，把这些壁垒瞬间夷为平地。
说实话，这次GLM-4.7真的给了我一种久违的惊艳感。不仅仅是它现在开源第一，而是因为那些纸面的参数，在业务落地中变成了实实在在的提效。
当我把生成的JSON导入n8n，发现连循环逻辑、API鉴权都严丝合缝，不需要我手动改一个标点符号。
这证明了它的思考模式绝不是噱头。它不再是一个只会补全代码的工具，而是一个真正拥有逻辑推理能力、能读懂你业务上下文的架构师。
五、给创业者的建议
朋友们，我想说：
以前，你的上限是你双手的速度；搭配时下最强AI，你的上限仅取决于你的想象力。
那些还在苦苦学习n8n节点参数的同学，赶快停下来吧。把时间花在更有价值的事情上——比如思考业务逻辑，比如理解用户需求。
AI工具的迭代速度，远超你的学习速度。与其追着技术跑，不如让AI成为你的助手。
这件事我让很多人弄了很久，都搞不定。但是换成了GLM-4.7配合Claude Code，一次性通过。
六、结语
人生是一场无限游戏，乾坤未定，你我均是黑马。
不要被所谓的"技术壁垒"吓到，更不要被那些贩卖焦虑的培训班割韭菜。
赶快去试试GLM-4.7吧，我的朋友！相信我，当你看到它自动生成的工作流第一次在n8n里完美运行，你会感受到一种前所未有的畅快。
那种感觉，就像是站在时代的风口，看着旧世界的规则被一点点改写。
而你，就是那个改写规则的人。
多使用AI工具吧，我的朋友！期待你的反馈。如果你觉得教程有难度，记得评论区告诉我，接下来我再针对难点重写展开写写。
关注公众号「元小二学AI」，后台回复「n8n」获取完整Prompt和配置教程。
公众号修改了推送规则，很多人发现收到的消息不及时，有些软件河蟹了就不能分享。
没有评论:
发表评论