夜雨聆风先说个背景。
有个人以前写过很多 n8n 自动化教程，跨境电商圈里有人叫他“n8n 之神”。TikTok 视频生产、邮件 Agent、SHEIN 相关的工作流，他都用 n8n 一点点搭过。
后来 AI Agent 火起来，n8n 社区里开始反复出现一个问题：n8n 会不会被 AI 干掉？
以前要配节点、连服务、调参数的自动化，现在很多时候一句话就能让 AI 去做。这个问题不算空穴来风。
但他最近做的事不是给 n8n 写告别文，而是反过来利用 n8n 这几年攒下来的东西：把官方模板库里一万多个自动化模板，变成 AI 能读、能拆、能改的原料。
他做了一个“元技能”。给 AI 一个 n8n 模板链接，AI 会自己读工作流，判断里面每个节点在干什么，再把它改写成一个能用的 skill。
这个思路挺妙。
n8n 的模板才是重点
n8n 本身是一个自动化工具。你可以在上面搭各种流程，比如：
有人填表单 → AI 生成内容 → 发邮件审批 → 存到表格。
听上去很顺。但真正用过的人知道，难点不在“能不能自动化”，而在怎么搭出来。
节点要配置，凭证要授权，参数要从上游传到下游。一个字段没对上，流程就断。调试的时候，经常比写代码还烦。
对懂技术的人来说，n8n 是工具。对普通人来说，它先是一道门槛。
但 n8n 官方模板库里，已经攒了一万多个工作流模板。这里面有很多人试过、踩过、改过的自动化逻辑：怎么抓数据，怎么交给 AI 处理，怎么接审批，怎么输出结果。
模板本身未必能直接用，但里面的流程设计有价值。
过去的问题是，普通人看不懂这些节点。现在 AI 可以替你看。
他的做法就是把模板交给 AI 编程工具，让 AI 去解析工作流里的节点：每个节点是什么，负责什么，依赖哪些外部服务。能替换的替换，必须保留的保留，需要人决定的就反问。
最后输出一个可以直接使用的 skill。
原来你要先学会 n8n，才有机会搭流程。现在更像是 AI 先把东西做出来，你再判断它做得对不对。
这个“元技能”怎么跑
他设计的流程分五步。
第一步是解析。AI 先读工作流，弄清楚有多少节点，每个节点干什么，连接了哪些外部服务。
第二步是分类。节点会被分成 11 种类型。比如生成 AI 内容的是一类，抓取数据的是一类，需要人工审批的是一类。每类都有默认处理方式。
生成式 AI 节点，AI 编程工具通常可以自己接手，不一定要保留原来的外部 API。付费数据服务要保留，因为真实数据不能靠编。像 Google Sheets、Notion 这类存储协作工具，默认可以本地化，也会问你要不要保留原集成。
第三步是反问。AI 不会直接替你拍板，而是把关键选择摆出来：
触发方式要改成手动，还是保留定时？ 人工审批这一步要不要删？ 报告输出到哪里？
你确认后它再继续。
第四步是出方案。包括计划、目录结构、节点对照表。你没点头，它不会直接动手写。
第五步是验收。拿真实数据跑一遍，不用编出来的结果糊弄过去。
换句话说，以前要花几天学 n8n 才能搭出的东西，现在变成 AI 先读、先拆、先写，再把结果交给你确认。你主要负责判断。
两个模板测下来，有点意外
他拿两个真实 n8n 模板做了测试。
第一个是 SEO 审计工具。输入网址后，AI 抓取网页内容，给出 0 到 10 的可读性评分，再生成修复建议。
他把模板链接丢给 AI。AI 先问了一堆问题，比如触发方式怎么处理、报告放在哪里。回答完之后，AI 生成了一个 skill。
测试时，他跑了两个头部 DTC 品牌的独立站，一个得分 7.7，一个得分 8.6。过程中还发现 robots.txt 的问题：六个 AI 爬虫全部放行，但 llms.txt 返回 404。
第二个模板更有意思。
这是一个 GEO 内容生成流程：表单收集需求 → AI 写内容 → 人工审批 → 存表格。
AI 在解析时发现，模板里好几处节点引用了不存在的节点。也就是说，这个官方模板并不是一个完全跑通的成品。
n8n 模板库里有一万多个模板，但没人保证每一个都能直接用。
这个点很关键。AI 不是等流程运行崩了之后才报错，而是在“读模板”的阶段就发现设计上有断点。
这比单纯帮你搭自动化更有用。
门槛变了
n8n 那些模板，以前像一座金矿，但只有会挖的人能进去。普通人看到节点、凭证、参数，基本就劝退了。
现在的路径变了。
你不一定要学会 n8n。你只要知道自己想要什么，比如“我想检测网站 SEO 问题”“我想自动生成产品页内容”，然后把对应模板链接交给 AI。AI 去读模板、拆逻辑、改成 skill。
门槛从技术能力，挪到了判断能力。
这两件事不一样。技术能力需要长期学，判断能力更多来自你对业务的理解。你得知道结果有没有用，流程合不合理，哪些环节不能省。
对零基础的人来说，这个变化很明显。以前进不去的技术关卡，现在 AI 可以先替你过一遍。你要负责的是方向和验收。
我自己 35 岁零基础转 AI 编程后，感受也差不多：写代码越来越不像最硬的门槛，懂业务反而更重要。你越了解自己的场景，越能把 AI 用到实处。
n8n 也不是没用了
他最后也提到，n8n 仍然有它更合适的地方。
确定性上，n8n 跑一百次，路径都一样。哪里出问题，能定位到具体节点。AI skill 是推理和规则混在一起，大批量、长期跑，一致性不一定比纯规则链好。
集成上，n8n 连接外部服务很成熟，配好凭证就能用。AI 往往还要现写脚本处理鉴权。
所以这不是简单的谁替代谁。
需要判断、纠错、灵活调整的场景，AI 更占优势。需要成熟连接器、稳定管道、清楚定位错误的场景，n8n 仍然好用。
但把旧工具里沉淀下来的模板和流程逻辑交给 AI 重新利用，这条路是有价值的。工具会变，里面积累下来的经验不该浪费。