n8n-workflows AI Stack 快速上手单命令拉起 n8n Agent Zero ComfyUI 本地自动化栈【免费下载链接】n8n-workflowsall of the workflows of n8n i could find (also from the site itself)项目地址: https://gitcode.com/GitHub_Trending/n8nworkflo/n8n-workflows本文基于仓库ai-stack/QUICK-START.md快速入门文档展开介绍如何用“装 Docker → 下载代码 → 跑启动脚本”三步在 Windows 或 macOS 上把 n8n工作流编排、Agent ZeroAI 智能体、ComfyUI图像生成三个服务一键部署到本地并逐一验证三个服务入口读完本文后你将能独立完成整个 AI 自动化栈的部署、验证、停止与日常排障并理解启动脚本与 docker-compose.yml 在背后具体做了什么。1. 快速入门总览三步流程ai-stack/QUICK-START.md 定义了一个极简的三步流程目标是让从未接触过 Docker Compose 的开发者也能在几分钟内跑起完整栈步骤内容对应文档小节Step 1安装并确认 Docker 就绪Get DockerStep 2下载仓库代码定位ai-stack目录Download AI StackStep 3运行start.ps1Windows或start.shmacOSRun It跑完之后三个本地地址即可用浏览器访问n8n 工作流编辑器、Agent Zero 聊天界面、ComfyUI 图像生成界面。下面按步骤展开并结合 start.sh、start.ps1 与 docker-compose.yml 的源码说明每一步背后的真实行为。2. Step 1准备 Docker 环境整个 AI Stack 是容器化部署的因此唯一的前置依赖是 Docker含 Docker Compose 插件。快速入门文档给出的安装步骤如下Windows打开 Docker 官方下载页www.docker.com/products/docker-desktop点击Download for Windows大号蓝色按钮按安装向导一路 Next 完成安装重启电脑。macOS同样打开 Docker 官方下载页点击Download for Mac把 Docker 图标拖入 Applications 文件夹从 Applications 打开 Docker。就绪判定信号任务栏Windows或菜单栏macOS出现鲸鱼图标即表示 Docker Desktop 已安装且守护进程在运行。启动脚本会替你复检这些条件ai-stack的两个启动脚本在进入部署动作前都会做一轮前置检查检查失败会直接报错退出而不是带病运行。从 start.sh 的源码看它依次执行三条命令并分别给出带颜色的成功/失败提示docker --version确认 Docker CLI 已安装且在 PATH 中docker info确认 Docker 守护进程正在运行对应快速入门文档中看鲸鱼图标这一步的命令行版本docker compose version确认 Compose 插件可用start.sh。start.ps1 用try/catch做了等价检查。也就是说如果你在跑脚本时看到✗ Docker is not installed或✗ Docker daemon is not running这类提示脚本本身就是在告诉你回到 Step 1。GPU 探测可选但关键除了 Docker脚本还会顺带探测 NVIDIA GPUstart.sh若系统存在nvidia-smi且能查询出 GPU 名称输出NVIDIA GPU detected: 型号ComfyUI 将以 GPU 加速模式运行若未检测到 GPU仅输出一条提示No NVIDIA GPU detected (use --cpu flag for CPU mode)不会阻断部署。没有 GPU 也能继续只是图像生成走 CPU速度会明显变慢详见 README.md 中 Adding Models to ComfyUI 一节的 CPU 模式说明。3. Step 2下载 AI Stack 代码快速入门文档给出的获取方式是ZIP 下载打开仓库页面原文档指向github.com/insomniakin/n8n-workflows点击绿色Code按钮再点Download ZIP解压后找到其中的ai-stack目录。如果你的环境允许使用 git也可以直接克隆到本地本仓库在 gitcode 镜像上的地址git clone https://gitcode.com/GitHub_Trending/n8nworkflo/n8n-workflows克隆后进入n8n-workflows/ai-stack即可。后续所有命令都在ai-stack目录下执行——启动脚本、Compose 文件和它要创建的data/、shared/目录都相对该目录定位。ai-stack目录的核心内容如下文件/目录作用docker-compose.yml三服务栈的主编排文件start.shLinux/macOS 启动脚本start.ps1Windows 启动脚本workflows/预置 n8n 工作流模板comfyui-image-generation.json、comfyui-simple-test.json首跑后导入即可打通 n8n→ComfyUI 链路data/、shared/首次运行时由脚本自动创建见第 5 节4. Step 3运行 AI StackWindows打开ai-stack文件夹右键start.ps1选择Run with PowerShell等待输出中出现 AI Stack is running!。若 PowerShell 被 Windows 执行策略拦截脚本窗口一闪即关按 TROUBLESHOOTING.md 的处理方式以管理员身份打开 PowerShell执行Set-ExecutionPolicy RemoteSigned输入 Y 确认后重新运行。macOS打开ai-stack文件夹右键start.sh选择Open With → Terminal或直接终端执行chmod x start.sh ./start.sh脚本头部注释即推荐此方式等待输出中出现 AI Stack is running!。若遇到Permission denied执行chmod x start.sh后重试EASY-INSTALL.md 中对该场景有逐步说明。启动脚本实际做了什么两个脚本start.sh/start.ps1的流程一致从 start.sh 源码结构看共五个阶段检查前置条件Docker CLI、守护进程、Compose 插件、NVIDIA GPU见第 2 节创建目录结构一次性mkdir -p出 13 个目录start.sh包括data/n8n、data/agent-zero、shared/comfyui/models/{checkpoints,loras,vae,controlnet,upscale_models,embeddings,clip}、shared/comfyui/{output,input,custom_nodes}、shared/workflows。已存在的目录只提示Exists不会覆盖拉取镜像默认执行docker pull n8nio/n8n:latest、frdel/agent-zero-run:latest、aidockorg/comfyui-cuda:lateststart.sh。加--no-pull可跳过启动容器执行docker compose up -d随后sleep 10等待服务就绪start.sh若设置了--cpu或未检测到 GPU会导出COMFYUI_ARGS--cpu提示 ComfyUI 走 CPU 模式展示状态与地址docker compose ps 打印三个服务 URLstart.sh。启动脚本完整参数功能macOS / Linux (start.sh)Windows (start.ps1)启动./start.sh.\start.ps1停止./start.sh --stop或-s.\start.ps1 -Stop查看日志./start.sh --logs或-l.\start.ps1 -Logs查看状态./start.sh --status.\start.ps1 -Status跳过拉镜像./start.sh --no-pull或-n.\start.ps1 -NoPull强制 CPU 模式./start.sh --cpu或-c.\start.ps1 -CPU参数定义见 start.sh 的解析循环与--help输出以及 start.ps1 的param()块。源码细节提醒start.ps1 中预拉的 ComfyUI 镜像名是yanwk/comfyui-boot:latest而 start.sh 与 docker-compose.yml 实际使用的是aidockorg/comfyui-cuda:latest。由于最终docker compose up -d以 compose 文件中的image字段为准实际启动的 ComfyUI 容器镜像以 docker-compose.yml 为准预拉步骤只是缓存预热。5. 验证结果打开三个服务地址快速入门文档给出的服务入口表格原文档核心内容完整保留WhatWhere to Gon8n制作工作流http://localhost:5678Agent ZeroAI 对话http://localhost:50080ComfyUI图像生成http://localhost:8188首次打开 n8n 会看到注册引导页按提示创建本地账号即可数据只存在于本机data/n8n卷中Agent Zero 呈现聊天界面ComfyUI 呈现节点式编辑器。不靠浏览器也能验证CHEAT-SHEET.md 提供了命令行健康检查命令与 compose 文件内置的 healthcheck 探测的是同一批端点# n8n 健康检查 curl http://localhost:5678/healthz # ComfyUI 系统状态 curl http://localhost:8188/system_stats对照 docker-compose.yml 可以看到这两个端点正是容器健康检查的依据n8nL42-L47每 30 秒探测一次http://localhost:5678/healthz超时 10 秒、重试 3 次启动宽限期 30 秒ComfyUIL101-L106每 30 秒探测http://localhost:8188/system_stats启动宽限期 60 秒——ComfyUI 首启加载较慢宽限给了 60 秒所以刚启动时容器短暂显示 starting 属正常现象Agent ZeroL52-L67宿主机 50080 端口映射到容器内 80 端口depends_on: n8n声明了与 n8n 的启动顺序关系。6. 停止与日常管理快速入门文档给出的停止命令完整保留Windows.\start.ps1 -StopmacOS./start.sh --stop从源码看两个脚本的停止动作等价于执行docker compose downstart.sh、start.ps1即停止并移除本栈容器但不会删除data/、shared/卷里的数据下次启动可无缝恢复。日常运维还可以直接使用原始 Docker Compose 命令不经过脚本docker compose up -d # 启动 docker compose down # 停止 docker compose logs -f # 跟随日志 docker compose ps # 查看状态若需要彻底重置会删除卷数据慎用CHEAT-SHEET.md 给出的紧急重置序列是./start.sh --stop→docker compose down -v→./start.sh。7. 深入一层docker-compose.yml 如何组装这套栈快速入门只讲跑脚本而 ai-stack/docker-compose.yml 揭示了三个服务如何协同。理解它能帮你解释 90% 的运行行为7.1 n8n编排中枢The Conductor镜像n8nio/n8n:latest宿主机 5678 端口映射 5678。关键环境变量L21-L35变量值作用N8N_HOST/N8N_PORT/N8N_PROTOCOLlocalhost/5678/http本地部署基本配置WEBHOOK_URLhttp://localhost:5678决定 n8n 编辑器里生成的 webhook 地址是否正确——文档注释明确标注 critical for correct webhook URLs in editorGENERIC_TIMEZONE/TZ${TZ:-America/Los_Angeles}时区可经.env的TZ覆盖EXECUTIONS_DATA_PRUNE/EXECUTIONS_DATA_MAX_AGEtrue/168自动清理超过 168 小时7 天的执行历史防止本地磁盘膨胀N8N_PAYLOAD_SIZE_MAX256放宽请求体上限方便在工作流里传递 ComfyUI 返回的图片数据数据卷./data/n8n挂载到容器内/home/node/.n8nn8n 的账号、凭证、工作流都持久化在这里./shared挂载到/shared供跨服务交换文件。7.2 Agent ZeroAI 智能体运行时镜像frdel/agent-zero-run:latest容器内 Web UI 跑在 80 端口映射到宿主机 50080。数据持久化在./data/agent-zero映射到/app/data同时挂载./shared。7.3 ComfyUI图像生成与 GPU/CPU 双形态主服务使用aidockorg/comfyui-cuda:latestCLI_ARGS--listen 0.0.0.0 --port 8188让服务监听容器内全部网卡从而能被 n8n 通过 Docker 内部网络访问L74-L106。GPU 加速通过deploy.resources.reservations.devices声明driver:nvidia, count:all前提是宿主机已安装 NVIDIA Container Toolkit。四个数据卷把 ComfyUI 的模型与产物落到宿主机shared/comfyui/下这也是启动脚本批量创建那些目录的原因宿主机路径容器路径用途shared/comfyui/models/comfyui/models模型库checkpoints、LoRA、VAE 等子目录shared/comfyui/output/comfyui/output生成产物shared/comfyui/input/comfyui/input输入素材shared/comfyui/custom_nodes/comfyui/custom_nodes自定义节点没有 GPU 的机器可以使用 compose 文件中被注释掉的 CPU 变体comfyui-cpuL108-L127镜像frdel/comfyui-docker:latestCLI_ARGS追加--cpu并挂在cpu-onlyprofile 下按需启用即可。三个服务统一接入 bridge 网络ai-stack-networkL129-L132这就是容器之间要用服务名互访这一规则第 8 节的来源。8. 首跑实战导入预置工作流打通 n8n → ComfyUI栈跑起来后README.md 建议的第一个练习是导入ai-stack/workflows/下两个预置工作流它们正好演示了服务间的调用方式8.1 连通性测试comfyui-simple-test.jsonai-stack/workflows/comfyui-simple-test.json 的结构是Webhook路径 comfyui-status→ 两个并行 HTTP Request → Code 节点格式化 → Respond to Webhook。关键细节可从该 JSON 直接读到HTTP 请求的地址写的是http://comfyui:8188/system_stats与http://comfyui:8188/object_info——用的是 Docker 内部网络的服务名comfyui而不是localhost。README 的排障小节对此有专门强调容器间互访必须走内部地址localhost在容器内指向容器自身会导致n8n 连不上 ComfyUI这类经典错误Code 节点统计可用节点数并列出全部关键端点POST /prompt、GET /history/{prompt_id}、GET /queue、GET /system_stats、GET /view。操作步骤在 http://localhost:5678 左侧栏进入Workflows → Import from File选择该 JSON保存后打开Active开关然后浏览器访问 http://localhost:5678/webhook/comfyui-status应返回包含status: connected的 ComfyUI 状态 JSON。8.2 图像生成管线comfyui-image-generation.json导入 ai-stack/workflows/comfyui-image-generation.json 并激活后可用一个 POST 请求触发整条生成链路README.md 给出的示例curl -X POST http://localhost:5678/webhook/generate-image \ -H Content-Type: application/json \ -d { prompt: a cyberpunk city at night, neon lights, rain, highly detailed, negative_prompt: blurry, low quality, steps: 20, cfg: 7, width: 512, height: 512 }其工作原理对应 README 的Typical Workflow Loopn8n 收到 webhook 触发 → 向 ComfyUIPOST /prompt提交队列任务拿到prompt_id→ 轮询GET /history/{prompt_id}直到完成 → 通过GET /view?filename...typeoutput取回图片并投递。ComfyUI 侧的完整 API 参考含/queue、/system_stats等端点见 README.md 的 ComfyUI API Reference 一节。8.3 让 ComfyUI 有模型可跑生成任务真正出图的前提是shared/comfyui/models/下有模型文件。目录约定README.md模型类型目录Stable Diffusion checkpointsshared/comfyui/models/checkpoints/LoRA 模型shared/comfyui/models/loras/VAEshared/comfyui/models/vae/ControlNetshared/comfyui/models/controlnet/放大模型shared/comfyui/models/upscale_models/嵌入Embeddingsshared/comfyui/models/embeddings/README 建议的入门模型是 SD 1.5 checkpoint放入checkpoints/目录后重启 ComfyUI 或刷新页面即可被识别CHEAT-SHEET.md Adding Models to ComfyUI 一节同。9. 出问题怎么办快速入门内置排障与扩展手册QUICK-START.md 文末自带的排障清单只有三条保留原文确认 Docker 正在运行找鲸鱼图标重启电脑再试一次。仍卡住时文档指向 EASY-INSTALL.md 获取详细帮助。仓库内还有两份更系统的补充手册按症状对号入座EASY-INSTALL.md逐步图文级安装指引附启动前检查清单Docker 已装、守护进程运行、ai-stack 位置明确、网络可用与常见报错Port already in use、Permission denied、PowerShell 执行策略的解法TROUBLESHOOTING.md按报错信息索引的修复手册覆盖Docker 未安装 / 守护进程未运行 / 权限拒绝 / 端口占用 / 脚本窗口闪退等问题。几个高频症状与定位思路汇总症状处理Docker daemon is not running打开 Docker Desktop等鲸鱼图标出现后重跑启动脚本Port 5678 is already in use先./start.sh --stop/.\start.ps1 -Stop停掉旧栈或按 README.md 修改 compose 中ports映射为NEW_PORT:INTERNAL_PORTPermission deniedmacOSchmod x start.sh后重试PowerShell 窗口闪退Windows管理员终端执行Set-ExecutionPolicy RemoteSigned日志/状态查看./start.sh --logs、./start.sh --status或docker compose logs -f/docker compose psn8n 连不上 ComfyUI确认工作流里用的是http://comfyui:8188内部网络而非localhost10. 文档地图继续深入的路径ai-stack/INDEX.md 是 ai-stack 子目录的文档索引围绕 QUICK-START.md 本文骨架各文档分工如下ai-stack/README.md完整文档——目录结构、全部命令、集成架构图、ComfyUI API 参考、.env配置TZ、n8n Basic Auth、Agent Zero 的OPENAI_API_KEY/ANTHROPIC_API_KEY等与安全注意事项ai-stack/EASY-INSTALL.md面向零基础用户的逐步安装指南ai-stack/UBUNTU-INSTALL.mdUbuntu/Linux 完整安装指南ai-stack/TROUBLESHOOTING.md报错索引式排障手册ai-stack/CHEAT-SHEET.md可打印速查表启停命令、URL、关键目录、健康检查命令、紧急重置ai-stack/SUMMARY.md总览与学习路径。一句话收尾ai-stack目录把装 Docker → 下载 → 跑脚本压缩成三步而每一步背后都由 start.sh/start.ps1 的前置检查、目录初始化、镜像拉取与 docker-compose.yml 的三服务编排兜底。按本文顺序操作你应能在本机得到三个可互相调用的本地 AI 自动化服务。【免费下载链接】n8n-workflowsall of the workflows of n8n i could find (also from the site itself)项目地址: https://gitcode.com/GitHub_Trending/n8nworkflo/n8n-workflows创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考