跨国深谈← 返回←n8n 创始人 Jan:把代码送出去,反而做到 1 亿欧元 ARR

n8n 创始人 Jan:把代码送出去,反而做到 1 亿欧元 ARR

关联

人物 Jan Oberhauser

公司 n8n

概念 智能体 · 工作流 · 开源 · fair-code · LLM · 人在回路 · 自托管 · 自带密钥 · 编排 · 护栏 · 可审计性 · 模板

自动化平台 n8n 靠把代码免费送出去,反而做出了突破 1 亿欧元的 ARR、接近 20 万 GitHub 星。这一集的嘉宾 Jan Oberhauser 是 n8n 的创始人,他在 The Product Podcast 上和 Product School CEO Carlos 聊了这台「送钱机器」是怎么转起来的,还现场演示了用一句话让 AI 帮你搭出一个能收发邮件、管日历的智能体。

名字与转身:从自动化到 AI 编排平台

n8n 这个名字是限时一小时起出来的:所有喜欢的名字都被抢注了,只剩「nodemation」(节点 + 自动化),太长,于是学 Kubernetes 缩成 K8s 的做法,取首尾字母中间的八个字母,变成 n8n 。

n8n 创立于 AI 之前,Jan 坦言从没想过会做 AI。但 ChatGPT 出现后,他和团队退后一步审视:包括自己在内的所有竞品,「都只是在表面撒了一点 AI」。

真正的机会是想清楚 LLM 需要什么——大量来自 Google Drive、本地文件、Salesforce 等来源的数据,处理后还要输出回系统。这些环节 n8n 早就全部就位,只要把 AI 能力放到核心位置,就不只是简单自动化,而是真正强大的智能体 。他给自己的定位是「编排平台」:LLM 是发动机,n8n 是车、是道路、是整个系统,负责把不同模型、智能体和业务系统之间的连接组织变成真正可用的流程 。

fair-code:拒绝传统开源,也拒绝改规则

「如果你想成为默认工具,你必须确保很多人能免费获取它。」但 Jan 没走传统开源路线,因为他看到太多开源公司后来把许可证改严格,社区暴怒——真正惹恼大家的不是新许可证,而是「规则被突然改了」。

他判断自己承受不起失去社区,于是从一开始就选了「fair-code」:你能做的事和开源差不多,可以在自己公司内部以任意规模商业使用,唯一限制是不能把代码本身商业化——不能搭一个 n8n 托管版向别人收费。「我认为这是一个公平的要求,所以它叫 fair-code。」

官网首页就在注册按钮旁边摆着近 20 万星的 GitHub 仓库。Jan 说得很直白:当然希望人们用托管方案付费,但免费使用「只是使用 n8n 的两种不同方式」。

免费版是进入大企业的入口——Meta、Nvidia、Dell、Accenture、Vodafone、Deutsche Telekom、Mercedes,全是同一条路:某人遇到一个问题,从免费版开始,然后把它带进了企业组织。人们总在短期想「怎么让他明天付费」,而长期看,获得巨大价值的人大多最终会成为付费客户 。

秘诀:强大灵活 + 正经智能体 + 自托管

Jan 归纳早期顺风有两点。一是强大与灵活:很多平台搭东西很快,但投入生产或扩规模就到顶了;n8n 要确保用户不会「成长到超出我们的方案」。

二是社区:把构建者放在中心,公司核心价值观就是字面意义的「我们是构建者」。真正起飞是在专注 AI 之后——别的平台也能调用 OpenAI,但 n8n 从一开始确保你构建的是正经智能体:记忆、多个模型、可轻松配置的工具、可添加的脚本,再加上自托管——数据在自己防火墙后面运行。他还强调可审计性:用 n8n 构建的自动化,你确切知道数据怎么流动、用哪些工具、不会做任何别的事,出了问题能确切看到哪里出的问题——这正是大组织敢把它用于业务关键场景的原因 。

模型层面,n8n 与众不同的是「自带密钥」:用户自己接 Anthropic、OpenAI 或 Hugging Face 的模型,按用例和预算自选;换模型理论上是一秒钟的事——删一个节点、放另一个节点。n8n 里还能建评估来测试改动对提示词等的影响 。对「X 干掉了 Y」的日常新闻,他不以为然:大多数被「干掉」的初创公司活得很好;自己的护城河是可审计、灵活、稳定、安全,以及把控制权交还用户。

现场演示:描述就能建,还能迭代

Jan 演示了约一周半前发布的最新助手:描述想要什么,它就开始构建,边构建边问你问题(比如选哪个模型),还会自动测试,保证交付的就是可运行状态 。他构建的是一个处理邮件和日历的个人智能体:聊天触发器进入,Claude 做默认模型,还配了备用模型回退到 GPT——「因为即便是 Anthropic 也不是 100% 可靠的」。关键是 human-in-the-loop(关键操作需人工批准才能执行):发邮件、发回复、建日历事件,执行前都会先展示发给谁、主题、正文,请求确认。

可视化流程图还解决了代码的审查难题:「写代码的问题在于你可能有 10,000 行你希望是对的代码,但理解它们几乎不可能,可能比写还花时间。」而审查一个 n8n 工作流,任何人都能看懂、逐步走过,确切知道它会做什么——这让企业比用其他系统更快敢上生产 。出错时节点标红,日志里能看到发了什么给模型、怎么调的工具、怎么请求的批准,任何一次执行都能逐步调试 。

生态方面:内置集成由官方维护(重要的如 Google 系、Salesforce),社区集成经官方安全审查,实际远超官网的 500 个;就算都没有,还能用 HTTP 请求节点手动连接任何基于 API 的系统 。社区建了超过 10,000 个模板,点开就能看到完整的自动化,复制粘贴进自己的工作流、换上自己的凭证就能用——解决「白纸难起笔」的问题 。

构建也可以迭代:先从最基础的版本开始,再让智能体逐步扩展——他在演示中现场让它加了一个格式固定的 30 分钟一对一预约日历工具,不到一分钟完成。「字面意义上的每个人都能做到。

你只需要知道你想构建什么。」

针对「人人自建小助手」的多人协作瓶颈,n8n 即将支持动态分配凭证:同一个智能体,谁和它交互就用谁的凭证、访问谁的 Gmail 和日历——「与其一个组织里 10,000 个人各自构建,不如任何人部署一个,整个组织共用」。他还举例:一家大型在线旅游代理商把 75% 的客服请求交给 n8n 构建的 AI 智能体处理,换房间、改预订、答疑——而用户对这个 AI 客服的满意度比人类客服还高。

「这说明 AI 不只是降低成本;它能为用户提供真实价值。」

该谁来建自动化:有问题的人自己建

入市路径是自下而上为主,但也常自上而下:董事会或 C 级高管看到 n8n 的内容后问「我们为什么不这么做」,推进时才发现公司里早已有人在用 。加速靠合作伙伴——社区里大量围绕 n8n 建立代理商的人充当加速器,一个月前刚宣布与 Accenture 的合作。

对于企业该集中还是分散,Jan 的答案很鲜明:集中化团队替别人构建,短期有价值,但「到某个时点它会变得无法维护,因为那一个部门必须维护成百上千个自动化」——这恰恰与 n8n 的初衷相反。他创建 n8n 就是因为看到有问题的人被迫依赖别人来构建。

n8n 内部也设了 AI 与自动化部门,但职责是赋能而非代建:创建护栏、负责教育、帮你想清楚什么是可能的,「授人以渔」,但构建必须由真正有问题的人负责——「没有人能比他们做得更好。他们对整个流程烂熟于心。」

ROI 怎么量:别发明新指标

时间节省是最直觉的指标,但 Jan 说它容易被作弊:一个自动化每分钟运行一次、每次「节省」十分钟,不代表真省了那么多。现在 n8n 内部反而不精确衡量 ROI,而是推动「改变真正发生」:每个部门定义自己的 AI 愿景、每季度设具体目标,公司确保每部门至少达成 90% 。

降本上,n8n 的主张是「AI 不是一切问题的解决方案」:AI 只是一块,「批准邮件」「根据某个数字做 X 或 Y」这类确定性逻辑不需要 AI——AI 昂贵、更不可靠、还慢。加上 human-in-the-loop,系统成本被压得很低,ROI 自然清晰。

衡量价值也别只盯省钱:那个旅游代理商的例子里,价值是更好的客户体验——AI 客服永不疲倦、会说任何语言、7×24 工作、拥有完美上下文。「无论你的公司在追求什么,那就是你应该衡量的东西。」甚至有时因为 AI 花更多钱是对的:人要 15 秒、AI 三秒搞定,也许值得付五倍价钱 。

本集带走

• 想成为默认工具,先免费:fair-code 许可证让企业内任意规模免费商用,只禁「转卖托管版」;规则从第一天说死、绝不变,信任才是社区的根基。
• 进大企业靠个人种子用户:Meta、Nvidia、Mercedes 全是「某人从免费版解决自己的问题,再带进组织」;别只想让用户明天付费。
• AI 别撒在表面:想清楚模型需要什么数据、往哪输出,把 AI 做进价值链,才不只是「调用一下 API 的集成」。
• 确定性逻辑别用 AI:AI 昂贵、慢、不可靠;该走规则的走规则,再加 human-in-the-loop 关键操作审批,才能上生产、出真实 ROI。
• 自动化由有问题的人自己建:中央团队只做护栏、教育和救急,代建成百上千个自动化必然失控。
• ROI 别发明新指标:时间节省易作弊;用你已有的业务指标(客户满意度、营收),或者干脆像 n8n 一样——按影响已成定局处理,改成推动各部门每季度的 AI 目标达成率。

说实话,我们所有人,包括我们自己,都只是在表面撒了一点 AI。
All of us, including ourselves, honestly, were just sprinkling some AI on top.
—— Carlos González de Villaumbrosia · [03:54]

对其中很多平台来说,你可以非常快地搭建出一个东西,但如果你真的想把它投入生产或扩展规模,平台就到顶了。
With many of them you could build something very fast, but if you actually wanted to bring it into production or scale it, the platform maxed out.
—— Carlos González de Villaumbrosia · [06:35]

这较少是因为他们选的那个许可证本身,更多是因为公司突然改变了规则:「之前你可以做这一切」,然后他们夺走了一些权利。
Less because of the license they chose, and more because the company suddenly changed the rules: “first you could do all of this,” and then they took some rights away.
—— Carlos González de Villaumbrosia · [09:57]

建立一个成功的社区非常难,而失去它却非常容易。
Building a successful community is very hard, and it’s also very easy to lose.
—— Carlos González de Villaumbrosia · [10:11]

我们进入所有这些公司的方式都一样:某个人遇到一个问题,从我们的免费版开始,然后把它带进了他们的企业组织。
We got into all of those companies the same way: someone had a problem, started with our free version, and brought it into their enterprise organization.
—— Carlos González de Villaumbrosia · [13:29]

在我看来:LLM 是发动机,而我们是车、是道路、是整个系统。
The way I see it: the LLM is the engine, and we’re the car, the roads, and the whole system.
—— Carlos González de Villaumbrosia · [16:37]

写代码的问题在于你可能有 10,000 行你希望是对的代码,但真正去阅读并理解它们几乎是不可能的;理解代码可能比写代码花的时间还多。
The problem with writing code is that you might have 10,000 lines you hope are right, but actually reading and understanding them is almost impossible; it can take more time to understand the code than to write it.
—— Carlos González de Villaumbrosia · [24:10]

那个例子的妙处在于,人们对这个 AI 客服代表的满意度实际上比对人类客服更高。
The nice thing about that example is that people are actually happier with the AI customer representative than with a human one.
—— Carlos González de Villaumbrosia · [23:06]

他们审查的不是 10,000 行代码;他们审查的是一个他们能轻松理解并逐步走过的工作流,所以他们确切知道它会做什么。
And they’re not reviewing 10,000 lines of code; they’re reviewing a workflow they can easily understand and step through, so they know exactly what it will do.
—— Carlos González de Villaumbrosia · [35:08]

有问题的人应该被赋能去自己构建。
The people who have a problem should be empowered to build it themselves.
—— Carlos González de Villaumbrosia · [39:06]

构建应该由真正有问题的人来负责,因为没有人能比他们做得更好。
The building should be owned by the people who actually have the problem, because nobody can do it better than them.
—— Carlos González de Villaumbrosia · [39:45]

你很容易作弊:一个自动化可能每分钟运行一次,每次「节省」十分钟,但这并不意味着它真的为你省下了天文数字的时间。
You can cheat very easily: an automation might run every minute and “save” ten minutes each time, but that doesn’t mean it saves you crazy amounts of time.
—— Carlos González de Villaumbrosia · [41:12]

它不需要 AI,因为 AI 昂贵、可靠性更低、而且慢。
It doesn’t need an AI, because AI is expensive, less reliable, and slow.
—— Carlos González de Villaumbrosia · [43:05]

无论你的公司在追求什么,那就是你应该衡量的东西。
Whatever your company is striving for, that’s the thing you should measure.
—— Carlos González de Villaumbrosia · [44:40]

如果一个人要花 15 秒而 AI 三秒就能做完,也许值得付五倍的价钱。
If a human takes 15 seconds and the AI does it in three, maybe that’s worth paying five times as much.
—— Carlos González de Villaumbrosia · [45:50]