哈喽大家好，今天来聊聊怎么在自己电脑上部署 n8n。

n8n 是现在很热门的一款自动化工具，支持各种平台对接，还开源，挺香的。不光有官方的线上版本，也支持自己本地部署。

那为什么不直接用线上版本呢？我自己试了一下，最主要的原因就是：太贵了。官方提供的云服务，一个月要 20 多美金，对于个人或者刚起步的小团队来说，这个成本完全没必要，自己部署一下就能省下来。

还有一个问题，就是全是英文。不管是网页版还是自己部署的版本，n8n 的界面语言只有英文，很多人一看到就想退出，最后干脆转去用 Coze、Dify 这些平台了。

今天这篇文章，我就带你 5 分钟搞定 n8n 本地部署 + 汉化教程，让你告别英文痛苦，马上开始玩转自动化。

本篇文章内容分为三步，分别是：

• Docker 安装
• n8n 安装
• 汉化包安装

接下来，跟着我一步步完成安装。

Docker 安装

首先是 docker 安装，访问：https://docs.docker.com/get-started/get-docker/

基于自己的系统选择合适的版本：

以 mac 为例，如果是 M 系列芯片的就点击“Docker Desktop for Mac with Apple silicon”，否则就选择“Docker Desktop for Mac with Intel chip”。

点击之后，就会下载一个安装包，直接根据提示下载即可，这步就不演示了

安装好后打开 Docker Desktop，界面如下：

n8n 安装

进行这一步之前，一定要确保打开你的 Docker Desktop。

打开终端（windows ctrl + R 输入 cmd 回车，Mac 的 就打开终端 App），分别输入如下两行代码：

docker volume create n8n_data

docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n

命令运行完后，结果如下：

在 docker desktop 的 volumes 中，你可以看到通过 docker volume 命令创建的 volume，用来存储本地产生的数据。

❗

如果运行命令时提示这个

Cannot connect to the Docker daemon at unix:xxxxxxxxx Is the docker daemon running?

看下是不是打开了 Docker Desktop

运行完后，在浏览器访问 http://localhost:5678（如果不想用 5678 端口的，或者这个端口被占用了，在第二个命令进行修改）

打开后是这个界面，这里的信息随便填就能登录，邮箱得是正确的。

登录进来后，表单里的选项也随便选就行，最后点击 Get started。

点击 Get started 后会有一个获取 license key 的步骤，直接点获取就行。

到这本地本地就算是把 n8n 搭建起来了。

汉化安装

上一步我们安装完了 n8n，那如果想要安装汉化包的朋友就接着往下看。

目前官方只支持英文界面，如果需要切换到中文，需要自行添加国际化（i18n）语言包。

这里需要用到 github 上的一个 n8n 汉化包，地址如下：

https://github.com/other-blowsnow/n8n-i18n-chinese/releases

将该项目的安装包下载到本地，进行解压。

解压后，还是在终端命令窗口中输入如下的命令：（注意替换解压后的地址）

docker run -it --rm --name n8ntest \
-p 5678:5678 \
-v 解压后的地址:/usr/local/lib/node_modules/n8n/node_modules/n8n-editor-ui/dist \
-v n8n_data:/home/node/.n8n \
-e N8N_DEFAULT_LOCALE=zh-CN \
-e N8N_SECURE_COOKIE=false \
n8nio/n8n

重新访问 localhost:5678

结尾

到这里，n8n 的本地部署和汉化就全部完成啦！

接下来，你就可以开始自由搭建自己的自动化流程：

• 定时抓取和推送最新资讯
• 自动整理文件和数据
• 与 AI 结合，实现智能化工作流

这只是个开始，n8n 能做的远不止这些。后续我会分享更多实用的 n8n 工作流案例和玩法，让你的工作生活全面自动化。

大模型算是目前当之无愧最火的一个方向了，算是新时代的风口！有小伙伴觉得，作为新领域、新方向人才需求必然相当大，与之相应的人才缺乏、人才竞争自然也会更少，那转行去做大模型是不是一个更好的选择呢？是不是更好就业呢？是不是就暂时能抵抗35岁中年危机呢？

答案当然是这样，大模型必然是新风口！

那如何学习大模型 ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。但是具体到个人，只能说是：

最先掌握AI的人，将会比较晚掌握AI的人有竞争优势。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

但现在很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习路线完善出来！

在这个版本当中：

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型路线+学习教程已经给大家整理并打包分享出来, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全咨料，放心领取）👈

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全资料，放心领取）👈

​