养虾进阶:n8n 和 OpenClaw 怎么配合?一文讲清楚
如果你理解 OpenClaw 是一个能帮你处理 AI 任务的”大脑”，那 n8n 就是一双可以按你的意愿自动执行重复流程的”手”。这篇文章讲这两者怎么配合，以及你自己部署一套 n8n + OpenClaw 需要什么。
很多人第一次同时接触这两个工具时会困惑：它们是不是做同一件事的？
答案是否定的。它们的定位完全不同，恰恰是互补关系。
OpenClaw 是一个 AI 助手框架。你给它一个任务，它可以思考、规划、调用工具、执行，然后给你结果。它是对话驱动的、面向任务完成的。它擅长的事情是：理解自然语言、执行 AI 推理、调用 API 和工具、管理长期记忆。
n8n 是一个自动化工作流引擎。你给它一个规则——”当 A 发生时，依次做 B、C、D”——它就严格按照这个规则反复执行。它是事件驱动的、面向流程自动化的。它擅长的事情是：监听各种事件（邮件、表单、Webhook）、在服务之间传递和处理数据、调度定时任务。
– OpenClaw = 大脑。你想做什么告诉它，它会理解并执行。
– n8n = 双手。你把重复的流程编好，它自动反复执行。
这是最直接的用法。让 n8n 负责感知外部世界的事件，然后把任务派发给 OpenClaw 去处理。
1. 客户在网站提交一个工单 2. n8n 的 Webhook 节点收到工单请求 3. n8n 把工单内容通过 HTTP 请求发给 OpenClaw 的 API 4. OpenClaw 分析工单内容，判断类别（售后/售前/投诉） 5. OpenClaw 返回分析结果 6. n8n 根据结果走不同分支：售后→创建工单+通知客服，售前→自动回复+发产品资料
– n8n 负责：监听 HTTP 请求、调用 OpenClaw API、根据结果做决定、写入数据库、发通知
– OpenClaw 负责：自然语言理解、意图分类、知识检索、推理和决策
n8n 内置的 HTTP Request 节点可以直接调用 OpenClaw 的服务端 API。配好认证方式，把上一节点输出的文本作为请求体发过去，再把 OpenClaw 返回的 JSON 解析后送给下一个节点处理。
这个组合可以套用到很多场景：自动处理飞书消息、自动分类 GitHub Issue、自动回复客服邮件。本质上都是：n8n 负责”接东西传东西”，OpenClaw 负责”想清楚再告诉 n8n 怎么做”。
反过来也可以——OpenClaw 作为大脑，在需要的时候让 n8n 去执行一个工作流。
比如你在 OpenClaw 里有一个 Agent，它接到的任务是”每天早上 9 点检查天气预报，如果今天会下雨，就在群里发一条带伞提醒”。OpenClaw 本身不擅长定时任务管理，但 n8n 可以。
1. n8n 里配一个 Schedule Trigger，每天早上 8:50 触发 2. 调用天气 API 获取当天预报 3. 如果有雨，调用 OpenClaw API 说”帮我生成一条今天要下雨的带伞提醒，发到工作群” 4. OpenClaw 生成文案，再通过 n8n 发到钉钉/飞书/Slack
在这个场景里，OpenClaw 不需要自己维护定时器、不需要轮询天气 API，这些事情交给 n8n 来做更简单。OpenClaw 只需要做好它最擅长的事——理解上下文、生成合适的内容。
更复杂的场景：OpenClaw 在对话中判断”这条消息需要转人工处理”，但它自己没法把消息路由到正确的客服队列。这时候 OpenClaw 可以调用 n8n 的 Webhook 触发器，传入必要参数，n8n 负责把消息送达正确的人。
OpenClaw 端需要一台运行中实例。 不管是在 Mac Mini、二手小主机还是 VPS 上都行。OpenClaw 默认的服务端 API 监听在配置的端口（默认 8080 或其他），支持 HTTP 请求调用。
n8n 端需要一个 HTTP Request 节点来调用 OpenClaw。
在 n8n 的 HTTP Request 节点里： – Method：POST（或 GET，取决于你的 OpenClaw 配置） – URL：http://你的OpenClaw地址:端口/api/xxx – Authentication：选 Preemptive Credential 或 Header Auth – Body：传 JSON，包含你要让 OpenClaw 处理的内容
反过来，让 OpenClaw 触发 n8n 也很简单——在 n8n 里放一个 Webhook 节点，生成一个 URL。OpenClaw 在执行任务时，通过 HTTP 工具调用这个 URL 即可。
既然前面刚写过二手小主机选购指南，这里直接说结论。
一套 n8n + OpenClaw 的组合，对硬件的要求：
最低配置（原型验证）： – CPU：2 核以上 – 内存：4GB（OpenClaw 约 1-2G，n8n 约 500M-1G） – 硬盘：20GB 以上 – Docker：需要
推荐配置（日常使用）： – CPU：4 核以上 – 内存：8GB（留有余量跑本地模型或数据库） – 硬盘：50GB+ SSD – 系统：Ubuntu Server + Docker Compose
之前文章里说的联想 M720q（准系统 290 元）、Dell 3060M（准系统 350-450 元）、华擎 DeskMini A300（准系统 500 元），配 8G 内存 + 256G 固态，完全够同时跑 OpenClaw 和 n8n。
如果你手头已经有一台跑 OpenClaw 的机器，加一个 n8n 容器几乎没有额外资源压力。
每天下班前，你的成员在飞书群里发了各自的工作消息。你的需求是：自动收集这些消息，用 AI 整理成结构化的日报摘要，在飞书群里@所有人 推送。
这套流程用 n8n + OpenClaw 来实现：
n8n 这边： 1. Schedule Trigger 每天 18:00 触发 2. HTTP Request 节点调用飞书 API，拉取当日群消息 3. Code 节点把消息拼接成一段文本 4. HTTP Request 节点发给 OpenClaw 的 API
OpenClaw 这边： 1. 收到消息文本 2. 用 LLM 分析：提取每个人的工作事项、标记重点任务、生成按类别分组的摘要 3. 返回结构化的日报内容
n8n 继续： 5. 收到 OpenClaw 的返回 6. 拼装成飞书消息卡片格式 7. 通过飞书节点推送日报到群里
整个过程无人值守，从信息收集到分析到推送，全自动。
如果哪天 OpenClaw 在处理日报时报错（比如飞书 API 限流），n8n 能自动重试或发告警给你——因为 n8n 内置了完整的错误处理和通知机制。
n8n 和 OpenClaw 不是二选一的关系，是天生一对。
n8n 补上了 OpenClaw 在”自动化流程编排”上的短板，OpenClaw 补上了 n8n 在”AI 理解和决策”上的短板。
一台二手小主机，装 Ubuntu，跑 Docker，里面两个容器：OpenClaw 做大脑，n8n 做双手。这套组合拳打好了，你在自动化这件事上就基本不缺能力了。
夜雨聆风
