docs：n8n工作流管理系統

本項目幫助管理和探索n8n工作流。

它能自動掃描和分析工作流文件，提取關鍵信息如名稱、觸發器和關聯服務。

所有數據將存入可搜索的數據庫，并通過REST API提供訪問。

可以快速定位特定工作流、查看詳細描述，甚至獲取其結構可視化圖表。

架構總覽

章節導航

1. 工作流索引流程
2. 工作流分析引擎
3. 工作流數據庫管理
4. REST API服務
5. 全文檢索(FTS)集成
6. Mermaid圖表生成

---

第1章：工作流索引流程

歡迎來到N8N工作流索引項目

在本章中，我們將介紹實現n8n工作流智能搜索的第一步：“工作流索引流程”。

核心價值

當您積累了大量n8n工作流后，如何快速找到特定功能的工作流（如處理"客戶支持工單"且使用"Gmail"的工作流）？傳統方式需要逐個打開文件查看，效率低下。

工作流索引流程如同圖書館的編目系統，通過以下步驟實現高效管理：

1. 掃描：遍歷指定目錄下的所有工作流JSON文件
2. 分析：提取關鍵元數據（名稱、節點數、關聯服務等）
3. 編目：將結構化數據存入數據庫
4. 增量更新：通過文件哈希值識別變更，避免重復處理

使用方式

通過命令行工具啟動索引流程：

n8n-workflows --index

執行后將輸出索引報告：

📚 N8N工作流索引器
==============================
🔄 開始工作流索引...
? 索引完成！
📊 結果：? 已處理：15? 已跳過：25? 錯誤：0? 總文件數：40

技術實現

核心流程

關鍵代碼

1. 文件掃描（Python實現）：

def get_json_files(dir_path):return [str(p) for p in Path(dir_path).rglob("*.json")]

2. 變更檢測（哈希計算）：

def get_file_hash(file_path):with open(file_path, "rb") as f:return hashlib.md5(f.read()).hexdigest()

3. 數據庫更新（SQL語句）：

INSERT OR REPLACE INTO workflows 
(filename, name, nodes_count) 
VALUES (?, ?, ?)

總結

工作流索引流程通過：

1. 自動化文件掃描
2. 智能變更檢測
3. 高效數據庫更新
   為工作流管理系統奠定數據基礎。下一章將深入講解工作流分析引擎如何提取元數據。

下一章：工作流分析引擎

---

第2章：工作流分析引擎

在第1章工作流索引流程中，我們了解了如何掃描和準備工作流文件。本章將深入探討核心環節——工作流分析引擎，它如同"智能翻譯器"，將原始JSON轉化為結構化數據。

核心功能

問題場景

面對如0150_Awsrekognition_GoogleSheets_Automation_Webhook.json這樣的工作流文件，原始JSON包含大量復雜字段（nodes、connections等），難以快速理解其功能。

解決方案

分析引擎通過七步轉換流程：

1. 讀取JSON：解析文件結構
2. 提取基礎信息：獲取ID、名稱、激活狀態
3. 統計節點數：計算工作流規模
4. 評估復雜度：根據節點數分級（低/中/高）
5. 識別觸發器：判斷啟動方式（Webhook/定時/手動）
6. 發現集成服務：列出所有外部服務（如Gmail、AWS等）
7. 生成描述：自動創建易讀摘要

技術實現

處理流程示例

輸入輸出對比

原始JSON片段：

{"nodes": [{"type": "n8n-nodes-base.awsRekognition","name": "AWS Rekognition"}]
}

分析結果：

{"name": "AWS識別谷歌表格自動化","node_count": 6,"trigger_type": "Webhook","integrations": ["AWS識別","HTTP請求","谷歌表格"],"description": "基于Webhook的AWS識別服務，集成3個外部服務，包含6個節點"
}

核心代碼解析

1. 主分析函數 (analyze_workflow_file)

def analyze_workflow_file(file_path):with open(file_path) as f:data = json.load(f)return {'name': format_name(file_path),'node_count': len(data['nodes']),'trigger_type': detect_trigger(data['nodes']),'integrations': find_integrations(data['nodes'])}

2. 服務名稱映射

SERVICE_MAP = {'awsrekognition': 'AWS識別','googlesheets': '谷歌表格','httprequest': 'HTTP請求'
}

3. 觸發器檢測

def detect_trigger(nodes):for node in nodes:if 'webhook' in node['type']:return 'Webhook'elif 'schedule' in node['type']:return '定時'return '手動'

總結

工作流分析引擎通過：

1. 智能解析原始JSON
2. 精準識別關鍵特征
3. 自動生成易讀摘要

為工作流管理系統提供結構化數據基礎。下一章將介紹如何高效管理這些數據：第3章 工作流數據庫管理