告别重复劳动！用n8n零代码实现数据分析与图表自动化,人人都是数据分析师

如何让数据为你打工呢？

嘿，职场奋斗人，你是否也曾被这样的场景困扰：
每个月总有那么几天，你要对着一堆原始数据，手动筛选、计算、汇总，再小心翼翼地粘贴到 Excel 里生成图表，最后做成报告发给老板或团队。这个过程不仅枯燥乏味，还极易出错，耗费了你大量宝贵的下午茶和摸鱼时间。
如果这一切都能自动完成，该有多好？

今天，就来终结这种低效的循环！本文将手把手带你使用强大的开源自动化工具 n8n，结合 NoCoDB 数据库和 QuickChart 图表服务，搭建一个完全自动化的数据分析与可视化工作流。

最重要的是，你几乎不需要写一行代码，只需简单的拖拉拽，就能让数据为你自动“打工”！📊✨

📌 这篇文章适合谁？

• • 想提升效率的数据分析师：将常规报表自动化，解放你的精力去应对更复杂的分析任务。
• • 不懂编程但想自动化报表的上班族：告别繁琐的手动操作，轻松搞定数据报告。
• • 使用 n8n 的自动化爱好者：解锁 n8n 的新玩法，让你的工作流更强大、更直观。

🆙 前置条件

• • 🪜 VPN 请自行准备
• • 相关的API-Key配置
• • Docker 容器

部署N8N

n8n (https://n8n.io)：本次行动的“大脑”。它是一款开源、可自部署的节点式工作流自动化工具。你可以把它想象成一个拥有超能力的数字管道工，通过连接不同的“节点”（代表各种应用和服务），就能创建出强大的自动化流程。

注：docker部分不予说明，请自行AI。

1、持久化数据

启动docker数据卷，这里是为了持久化存储,确保 n8n_data 卷已正确挂载（docker volume inspect n8n_data 可检查）。

docker volume create n8n_data

2、运行启动n8n

启动运行n8n,如果在n8n 中调用外部服务遇到dns解析错误的时候，可以在启动的时候加上这个参数，在启动命令中添加环境变量，启用 Task Runners,配置文件权限问题,配置-e N8N_ENFORCE_SETTINGS_FILE_PERMISSIONS=true，修正权限。

docker run -it --rm 
    --name n8n 
    --dns 8.8.8.8 
    -e GENERIC_TIMEZONE=Asia/Shanghai 
    -e N8N_ENFORCE_SETTINGS_FILE_PERMISSIONS=true 
    -e N8N_RUNNERS_ENABLED=true 
    -p 5678:5678 
    -v n8n_data:/home/node/.n8n 
    docker.n8n.io/n8nio/n8n

3、更新镜像

升级到最新版本：如果使用的是旧版 n8n，建议更新镜像：

docker pull docker.n8n.io/n8nio/n8n:latest

4、生产环境建议

后台运行（生产环境）：如果不需要交互模式，可以去掉 -it 改用 -d（守护进程模式）：

docker run -d --restart unless-stopped 
    --name n8n 
    --dns 8.8.8.8 
    -e GENERIC_TIMEZONE=Asia/Shanghai 
    -e N8N_ENFORCE_SETTINGS_FILE_PERMISSIONS=true 
    -e N8N_RUNNERS_ENABLED=true 
    -p 5678:5678 
    -v n8n_data:/home/node/.n8n 
    docker.n8n.io/n8nio/n8n

5、配置中文界面

很多人说看不习惯英文，想要中文界面，这里给出详细的步骤，以docker为例，使用开源项目，这个项目会自动根据n8n 的更新而翻译。
第一步，直接去 https://github.com/other-blowsnow/n8n-i18n-chinese/releases

在release界面下载对应版本的包，它通过挂载本地汉化后的 UI 文件来替换默认的英文界面。
https://github.com/other-blowsnow/n8n-i18n-chinese/releases

设置语言环境变量

N8N_DEFAULT_LOCALE=zh-CN

替换editor-ui包,去release里面找到对应的版本然后映射docker路径

/usr/local/lib/node_modules/n8n/node_modules/n8n-editor-ui/dist

完整测试docker命令

docker run -it --rm --name n8ntest 
-p 15678:5678 
-v 【替换自己的目录】:/usr/local/lib/node_modules/n8n/node_modules/n8n-editor-ui/dist 
-e N8N_DEFAULT_LOCALE=zh-CN 
-e N8N_SECURE_COOKIE=false 
n8nio/n8n

(1)停止并删除旧容器

docker stop n8n && docker rm n8n

(2) 重新运行容器并挂载汉化文件
路径地址为：

/Users/jackfeng/tools/server/dist

原理 editor-ui是支持i18的，但是未开放语言包,手动添加 zh-CN.json 到 editor-ui i18n里面，然后重新编译,环境里面设置语言即可正常使用中文

docker run -d --restart unless-stopped 
    --name n8n 
    --dns 8.8.8.8 
    -e GENERIC_TIMEZONE=Asia/Shanghai 
    -e N8N_ENFORCE_SETTINGS_FILE_PERMISSIONS=true 
    -e N8N_RUNNERS_ENABLED=true 
    -p 5678:5678 
    -v n8n_data:/home/node/.n8n 
    -v /Users/jackfeng/tools/server/dist:/usr/local/lib/node_modules/n8n/node_modules/n8n-editor-ui/dist 
    -e N8N_DEFAULT_LOCALE=zh-CN 
    -e N8N_SECURE_COOKIE=false 
    docker.n8n.io/n8nio/n8n

检查是否正确挂载

docker exec -it n8n cat /usr/local/lib/node_modules/n8n/node_modules/n8n-editor-ui/dist

更新前：

更新后：

6、忘记密码？

当我们在本地部署N8N的时候，有时候会因为刚开始测试，用户名和密码设置的比较随意，所以容易忘记，当然有些朋友有google 账户密码管理工具，可以根据端口域名搜索查看对应的，那么如果你没有保存呢？ 该怎么办呢？

忘记了密码是没有办法通过邮箱去找回的呢！！！

如何解决这个问题呢？

前置条件是： 在不丢失你任何工作流的情况下，带你三步重置密码。

1、查看docker名称

docker ps -a

2、用户管理重置命令

docker exec n8n n8n user-management:reset 

3、重启docker容器

docker restart n8n

当完成重启之后，我们就会进入重新初始化账户的设置界面，完成之后登录，发现我们的工作流还会存在，并不会丢失。
http://localhost:5678/setup

NoCoDB

1、登入并导入数据

登录账号进入主页面，导入以这个数据为例
https://docs.google.com/spreadsheets/d/1bKhqWlNxnZWeRl0db12fd9cicFjV0nrRrcS9D1aZRCQ/edit?gid=2014366975#gid=2014366975

上传到 NocoDb上，重命名为： 工作流-手机销售数据

2、配置凭证

hots： https://app.nocodb.com/

输入token名字，创建成功复制即可，粘贴在配置页面，输入api-key，点击测试就可以看到如下页面了。

3、配置数据表

以工作流-手机销售数据为例， 这部分就是table的id ，配置在接口内，也就是数据表名。

id： m3n9xz13bmxvgo6 为数据表id，替换为自己的即可。

https://app.nocodb.com/api/v2/meta/tables/m3n9xz13bmxvgo6

4、安装NoCoDB

docker run -d --name nocodb 
  -v /Users/jackfeng/opt/nocodb_file/nocodb:/usr/app/data/ 
  -p 8735:8080 
  nocodb/nocodb:latest

部署成功之后，设置管理员账号，点击登录

在这里发现和我们线上使用的完全一致，上传同样的销售数据

设置key是一致的，然后配置的凭证的时候，这里是有一点是需要注意的,因为我们现在使用的都是docker 部署，那么docker，在宿主机使用localhost+端口访问是没有问题的，如果是docker 内部之间访问就会有问题的。

使用 docker inspect（推荐）

docker inspect <容器名或ID> | grep IPAddress


# 例如
docker inspect nocodb | grep IPAddress


# 更加精确的查询，这个是直接获取ip

docker inspect -f '{{range .NetworkSettings.Networks}}{{.IPAddress}}{{end}}' <容器名或ID>

# 例如
docker inspect -f '{{range .NetworkSettings.Networks}}{{.IPAddress}}{{end}}' nocodb

同样，在http请求节点中，也要将url 换成本地的，这样我们的数据就是完全本地化

如果为了做更好的分析，我们可以在这 https://archive.ics.uci.edu/ 获取一些公开的数据集，以银行营销为例子

QuickChart

QuickChart (https://quickchart.io)：“专属画师”。这是一个神奇的在线服务，能通过一个简单的 API 请求，将你的数据瞬间转换成精美的图表图片。

QuickChart 是一项非常实用的图表生成服务，它允许开发者通过简单的 URL 请求或 API 调用快速生成各种数据可视化图表。以下是关于 QuickChart 的详细介绍：

核心功能

1. 1. 基于 URL 的图表生成：
   • • 通过构造特定格式的 URL 直接生成图表图片
   • • 示例：https://quickchart.io/chart?c={type:'bar',data:{labels:['Q1','Q2'],datasets:[{label:'Sales',data:[100,200]}}
2. 2. 多种图表类型支持：
   • • 支持 Chart.js 所有图表类型：柱状图、折线图、饼图、雷达图等
   • • 兼容 Chart.js 2.x 和 3.x 版本
3. 3. 高度可定制化：
   • • 完全支持 Chart.js 的所有配置选项
   • • 可自定义尺寸、颜色、标题、图例等

使用方式

1. 基本 URL 调用

const chartUrl = `https://quickchart.io/chart?
  width=500&
  height=300&
  c=${encodeURIComponent(JSON.stringify({
    type: 'bar',
    data: {
      labels: ['一月', '二月', '三月'],
      datasets: [{
        label: '销售额',
        data: [12000, 19000, 15000]
      }]
    }
  }))}`;

2. API 端点调用

fetch('https://quickchart.io/chart/create', {
method: 'POST',
headers: {
    'Content-Type': 'application/json'
  },
body: JSON.stringify({
    chart: {
      type: 'bar',
      data: {
        labels: ['Q1', 'Q2'],
        datasets: [{ label: 'Sales', data: [100, 200] }]
      }
    }
  })
})

主要优势

1. 1. 无需前端代码：
   • • 后端直接生成图片URL，前端只需使用<img>标签显示
2. 2. 轻量级解决方案：
   • • 不需要在前端引入Chart.js等大型库
3. 3. 响应式设计：
   • • 生成的图片可自适应不同屏幕尺寸
4. 4. 高性能：
   • • 服务端渲染，减轻客户端负担

在n8n中的典型应用

在您的工作流中，QuickChart可以这样使用：

// 在Function节点中生成图表URL
const chartConfig = {
type: 'bar',
data: {
    labels: $input.all()[0].json.labels,
    datasets: $input.all()[0].json.datasets
  },
options: {
    responsive: true,
    plugins: {
      title: {
        display: true,
        text: $input.all()[0].json.title || '默认标题'
      }
    }
  }
};

return {
chartUrl: `https://quickchart.io/chart?width=800&height=400&c=${encodeURIComponent(JSON.stringify(chartConfig))}`,
chartConfig: chartConfig
};

使用建议

1. 1. 参数编码：
   • • 始终使用encodeURIComponent处理JSON配置
2. 2. 错误处理：

   try {
     const response = await $axios.get(chartUrl);
     if (response.status !== 200) throw new Error('图表生成失败');
   } catch (error) {
     return { error: error.message };
   }

3. 3. 缓存策略：
   • • 对相同配置的图表URL进行缓存，减少API调用

QuickChart是将数据可视化快速集成到应用中的理想选择，特别适合需要简单、高效图表生成解决方案的场景。

全自动-数据分析工作流

主节点说明

工作流概述

本工作流是一个智能数据分析系统，通过自然语言接口接收用户查询，连接 NocoDB 数据库获取数据，使用 AI 进行分析并生成可视化图表。工作流主要包含以下功能模块：

1. 1. 聊天消息接收与处理
2. 2. NocoDB 数据查询
3. 3. AI 数据分析
4. 4. 图表生成与展示
5. 5. 对话上下文记忆管理

1. 触发节点 - When chat message received

• • 类型: @n8n/n8n-nodes-langchain.chatTrigger
• • 功能: 接收用户通过聊天界面发送的消息
• • 输出:
  • • sessionId: 会话ID，用于跟踪对话上下文
  • • chatInput: 用户输入的查询内容
• • Webhook ID: data-analysis-chat-webhook

2. NocoDB API 请求节点

• • 类型: n8n-nodes-base.httpRequest
• • 配置:
  • • URL: http://172.17.0.3:8080/api/v2/meta/tables/mqzjqetyh29wa80
  • • 认证方式: NocoDB API Token
• • 功能: 查询指定NocoDB表的元数据信息

3. 字段编辑节点 - Edit Fields2

• • 类型: n8n-nodes-base.set
• • 功能: 格式化输入数据，准备AI分析所需字段
• • 输出字段:
  • • sessionId: 从触发节点传递
  • • chatInput: 用户查询内容
  • • columns: 从NocoDB表元数据中提取的列名列表

4. AI 代理主节点

• • 类型: @n8n/n8n-nodes-langchain.agent
• • AI模型: Google Gemini
• • 系统提示:
  • • 角色: 专业数据分析专家
  • • 任务:
    1. 1. 理解用户请求并查询NocoDB数据
    2. 2. 分析数据并提供简明结论
    3. 3. 按需生成可视化图表
  • • 图表要求: 使用Chart.js规范格式
  • • 响应格式: 文本分析+Markdown格式图表

5. 上下文记忆节点

• • 类型: @n8n/n8n-nodes-langchain.memoryBufferWindow
• • 配置:
  • • 会话ID: 使用自定义键sessionId
  • • 上下文窗口长度: 20
• • 功能: 维护对话历史，实现多轮对话上下文理解

6. 图表生成工具节点

• • 类型: @n8n/n8n-nodes-langchain.toolWorkflow
• • 配置:
  • • 工作流ID: xuxNSLsB405waaHt
  • • 错误处理: 继续常规输出
• • 功能: 调用子工作流生成图表
• • 输入要求: 符合Chart.js规范的JSON配置

7. NocoDB数据查询工具节点

• • 类型: n8n-nodes-base.nocoDbTool
• • 配置:
  • • 操作类型: getAll
  • • 工作区ID: 动态从API请求节点获取
  • • 项目ID: p1iq7bz903349t5
  • • 表名: mqzjqetyh29wa80
• • 功能: 查询NocoDB表中的实际数据

8. 数据流说明

1. 1. 用户输入阶段:
   • • 用户发送消息 → 触发When chat message received节点
   • • 查询表结构 → NocoDB API Request节点
   • • 格式化输入 → Edit Fields2节点
2. 2. AI分析阶段:
   • • 主AI代理接收格式化后的输入
   • • 根据需要使用Get many rows in NocoDB工具查询实际数据
   • • 如需图表，调用Generate Chart工具
3. 3. 输出阶段:
   • • AI代理组合分析文本和图表URL
   • • 返回Markdown格式的响应

子节点说明

工作流概述

这个子工作流专门用于生成符合 Chart.js 规范的图表配置，并将配置转换为 QuickChart 可用的 URL。工作流接收来自主工作流的图表生成请求，通过 AI 生成规范的图表配置，最后输出可直接使用的图表 URL。

1. 触发节点 - When Executed by Another Workflow

• • 类型: n8n-nodes-base.executeWorkflowTrigger
• • 功能: 作为子工作流的入口点，接收来自主工作流的调用
• • 输入来源: passthrough (直接传递主工作流的输入)
• • 预期输入:

  {
    "query": "用户关于图表的自然语言描述"
  }

2. AI 图表生成代理 - AI Agent Chart Generator

• • 类型: @n8n/n8n-nodes-langchain.agent
• • AI模型: Google Gemini
• • 关键配置:
  • • 系统提示: 严格要求AI输出符合特定JSON格式的Chart.js配置
  • • 重试机制: 启用retryOnFail自动重试失败请求
• • 输出要求:
  • • 必须包含type、data和options三个顶级字段
  • • 完全遵循Chart.js配置规范
  • • 不包含任何额外解释文本

3. 结构化输出解析器 - Structured Output Parser

• • 类型: @n8n/n8n-nodes-langchain.outputParserStructured
• • 功能: 验证和规范AI输出的图表配置
• • Schema配置:
  • • 严格模式: 启用(strict: true)
  • • 图表类型: 限定9种Chart.js支持的图表类型
  • • 数据结构:
    • • 必须包含labels数组和datasets数组
    • • 每个dataset必须包含label、data等必需字段
  • • 选项配置:
    • • 必须包含scales和plugins配置
    • • 支持响应式、动画等高级配置

4. Google Gemini 模型

• • 类型: @n8n/n8n-nodes-langchain.lmChatGoogleGemini
• • 模型版本: gemini-2.5-flash-preview-05-20
• • 功能: 为AI代理提供语言模型支持
• • 认证: 使用预配置的Google Gemini API凭证

5. JSON验证与图表URL生成

• • 类型: n8n-nodes-base.code
• • 功能:
  1. 1. 验证输入的图表配置是否符合要求
  2. 2. 将配置转换为QuickChart可用的URL
• • 代码逻辑:

  // 验证配置完整性
  if (!chartConfig || !chartConfig.type || !chartConfig.data) {
  thrownewError("无效的图表配置");
  }
  
  // 生成QuickChart URL
  const chartUrl = "https://quickchart.io/chart?width=850&height=420&c=" + 
  encodeURIComponent(JSON.stringify(chartConfig));
  
  return {
  json: {
      chartUrl: chartUrl,
      originalConfig: chartConfig
    }
  };

数据流说明

1. 1. 输入阶段:
   • • 主工作流通过Execute Workflow节点调用本工作流
   • • 传递包含用户图表描述的参数query
2. 2. 图表生成阶段:
   • • AI代理根据用户描述生成图表配置
   • • 结构化输出解析器验证配置格式
   • • 如不符合要求，AI代理会自动重试
3. 3. 输出处理阶段:
   • • 代码节点验证配置完整性
   • • 将有效配置转换为QuickChart URL
   • • 返回包含URL和原始配置的对象

错误处理机制

1. 1. AI生成失败:
   • • 通过retryOnFail自动重试
   • • 结构化解析器会捕捉格式错误
2. 2. 配置验证失败:
   • • 代码节点会抛出明确错误信息
   • • 错误会传递回主工作流处理
3. 3. URL生成失败:
   • • encodeURIComponent处理特殊字符
   • • JSON.stringify确保有效序列化

输出规范

成功执行后，工作流将输出:

{
  "chartUrl": "https://quickchart.io/chart?width=850&height=420&c=%7B%22type%22%3A%22...",
  "originalConfig": {
    "type": "bar",
    "data": {...},
    "options": {...}
  }
}

子工作流设计为高度可重用组件，可与任何需要图表生成功能的工作流集成，确保输出的图表配置符合专业标准且可直接用于QuickChart服务。

生成完整的数据报告