小白都能学会！n8n Aggregate、Merge、Summarize 节点完全解析

大家好，我是翔宇，专注于 AI 与自动化。欢迎来到「翔宇工作流」频道！在这里，我会用最通俗易懂的方式，帮你搞定各种自动化场景。

今天要带大家深入了解 n8n 的数据处理利器——Combine Items 功能下的三大核心节点：

• Aggregate（聚合）
• Merge（合并）
• Summarize（汇总）

无论是自动回复邮件、社交媒体管理，还是数据库同步，只要你灵活运用这三大节点，就能让工作流效率瞬间飙升！

当然，由于翔宇的实践经验有一定局限性，本教程可能存在一些疏漏或不准确之处。恳请各位读者理解，也欢迎指正和补充，以便共同进步。

接下来的教程里，我会：

1. 逐一讲解每个节点的作用与典型应用场景
2. 详解设置界面中的各项配置含义与最佳实践
3. 对比它们的原理和使用时机，教你如何避免常见误区
4. 零代码基础也没关系，一步步手把手带你掌握。准备好了吗？跟着我一起，解锁 n8n 数据处理的全新能力吧！

n8n 基础快速回顾

在深入了解这三个节点前，咱们先快速过一下 n8n 的基本概念，这样后面学起来更轻松。

• 节点 (Node): 想象成搭积木，每个节点就是一块积木，代表一个具体操作。比如“读邮件”是一块，“发 Slack 消息”是另一块。咱们要学的 Aggregate, Merge, Summarize 也是节点，它们是 n8n 自带的核心节点，用来做通用的数据处理。
• 工作流 (Workflow): 就是你用好多节点搭起来的一个自动化流程。数据会像水一样，从一个节点流到下一个节点，一步步被处理。
• Item (项目): 在 n8n 里，数据是以 “Item” 的形式流动的。你可以把一个 Item 看作一条记录，比如一封邮件、一个客户信息、一条订单。一个节点通常会处理一批 Items。理解 Item 很重要，因为咱们要学的三个节点都是跟处理 Items 打交道的。
  • 小提示： 在 n8n 内部，数据通常是这样的一串东西：[{ "json": { ...数据1... } }, { "json": { ...数据2... } }]。每个 { "json": {...} } 就是一个 Item。你暂时不用管代码细节，知道数据是一条条来的就行。
• 触发节点 (Trigger Node): 每个工作流都要有个“开关”，这就是触发节点。它负责启动流程，比如“每小时跑一次”、“收到新邮件时启动”等等。
• 动作节点 (Action Node): “开关”后面的节点基本都是动作节点，它们干具体的活儿，比如拿数据、处理数据、发数据。Aggregate, Merge, Summarize 都属于动作节点。
• 连接线 (Connection): 就是连着节点的线，告诉数据该往哪走。

了解了这些，咱们就可以自信地去认识 Aggregate, Merge 和 Summarize 这三个强大的节点了！

深入了解 Aggregate 节点：数据收集器

节点简介：它是干嘛的？

核心功能： Aggregate 节点的作用很简单，就是把 很多个输入 Item 里面，你 指定字段 的值，全都 收集 起来，放到 一个输出 Item 里的一个 列表（数组） 里。

• 打个比方： 你有很多水果篮（输入的 Items），每个篮子里有苹果、香蕉、梨（字段）。你想把所有篮子里的“苹果”（指定字段）都挑出来，放进一个大篮子（输出 Item）里，形成一个“苹果列表”。Aggregate 就是干这个“挑苹果”的活儿。它只关心你指定的那个字段。

典型应用场景：什么时候用它？

• 收集 ID 列表: 从一堆客户信息里，把所有客户 ID 提出来放一起，方便后面批量查数据库或调用 API。
• 汇总名单: 从一堆联系人里，把所有名字或邮箱收集起来，生成一个名单。
• 准备循环数据: 有时候你需要对一组特定的值进行循环处理，可以先用 Aggregate 把它们收集起来。（虽然 n8n 很多节点能自动循环）
• 合并分散信息: 如果某个信息（比如一个订单里的所有商品编号）分散在好几个 Item 里，可以用 Aggregate 把它们收进一个列表。
• 实例： 处理分页数据（比如爬虫翻页）或者循环操作后，把每次得到的部分结果（比如 AI 分析的关键词）重新聚合到一个 Item 里，方便最后统一处理或发送。

详细使用方法

1. 添加节点: 在工作流画布上点 + 号，搜索 “Aggregate”，添加它
3. 连接输入: 把前面输出多个 Items 的节点连到 Aggregate 的输入端。
4. 配置节点 (关键步骤):
   • 告诉它你要收集 哪个字段 (Input Field Name)。
   • 给收集好的列表起个名字 (Output Field Name)。
   • 选择聚合模式 (Individual Fields 最常用)。
5. 测试: 点节点上的 “Test step”，看看输出是不是只有一个 Item，并且里面有个列表，装着你想要收集的所有值。

示例: 假设上游节点输出了 3 个代表用户的 Item：

输入数据 (Input):[ { “json”: { “id”: 1, “name”: “Alice”, “city”: “New York” } }, { “json”: { “id”: 2, “name”: “Bob”, “city”: “London” } }, { “json”: { “id”: 3, “name”: “Charlie”, “city”: “New York” } } ] ​

• 目标: 收集所有用户的 name 到一个列表里。
• 配置:
  • Aggregate: Individual Fields
  • Input Field Name: name
  • (推荐) 打开 Rename Field 开关
  • Output Field Name: user_names
• 测试输出 (Output):[ { "json": { "user_names": [ "Alice", "Bob", "Charlie" ] } } ] ​看！输出只有一个 Item，里面有个叫 user_names 的列表，包含了所有输入 Item 的 name 值。

节点设置详解

• Aggregate (聚合模式):
  • Individual Fields (聚合指定字段): 最常用。
    • Input Field Name: 输入你想收集值的字段名，比如 name, email。想收集嵌套字段（如 user.address.city）？直接用点 . 就行 (除非你关了 Disable Dot Notation)。
    • Rename Field: 默认关。强烈建议打开，然后给你的列表起个好名字 (Output Field Name)。如果要同时收集多个字段，必须给每个字段都打开这个并起不同的名字。
    • Output Field Name: 给收集好的列表起个名，比如 collected_ids, all_names。
    • (点 “Add Field” 添加更多): 可以同时收集好几个不同字段的值，每个都会生成一个列表。
  • All Item Data (聚合所有项目数据): 把每个输入 Item 的全部或部分数据作为一个整体，收集到一个列表里。
    • Put Output in Field: 指定包含所有 Item 数据列表的那个字段叫啥名。
    • Include: 控制每个 Item 的哪些字段要被包含进来 (All fields / Specified Fields / All Fields Except)。
• Options (选项):
  • Disable Dot Notation: (仅限 Individual Fields) 默认关。推荐保持关闭，这样才能方便地用 . 访问嵌套字段。
  • Merge Lists: (仅限 Individual Fields) 默认关。如果你要收集的字段本身就是个列表（比如商品的 tags），你想把所有这些小列表 合并成一个大平铺列表，而不是一个装着好几个列表的列表（列表的列表），那就打开它。
    • 例子: 输入 [{ "json": { "tags": ["A", "B"] } }, { "json": { "tags": ["C"] } }], 收集 tags。
    • Merge Lists 关 (默认): 输出 [["A", "B"], ["C"]] (列表的列表)。
    • Merge Lists 开: 输出 ["A", "B", "C"] (平铺列表)。
    • 推荐: 看你下一步需要啥格式。如果需要平铺列表，就打开。
  • Include Binaries: (两种模式都有) 默认关。如果输入 Item 里有文件之类的二进制数据，你想保留它们，就打开。注意： 会增加内存消耗，只在需要时打开。
  • Keep Missing And Null Values: (仅限 Individual Fields) 默认关。如果某个 Item 缺了你要收集的字段，或者值是 null：
    • 关 (默认): 直接忽略这个 Item 的这个字段。
    • 开: 会在输出列表的对应位置加一个 null 值。
    • 推荐: 大多数情况保持关闭。只有当你需要输出列表长度严格等于输入 Item 数量，并用 null 标记缺失时才打开。

常见错误与解决方法

• 错误：没输出，或者输出里没有我要的列表。
  • 原因: 上游没数据？Input Field Name 写错了？Output Field Name 没填？
  • 解决: 检查上游输出；仔细核对字段名；确保设置了输出字段名。
• 问题：收集嵌套字段 (如 user.id) 失败。
  • 原因: 可能不小心打开了 Disable Dot Notation。
  • 解决: 关掉 Disable Dot Notation。
• 问题：收集列表字段，结果是列表的列表，不是平铺的。
  • 原因: 没打开 Merge Lists。
  • 解决: 打开 Merge Lists。
• 问题：输出列表里少了值，或者多了 null。
  • 原因: 检查 Keep Missing And Null Values 设置；检查输入数据本身。
  • 解决: 调整设置；检查数据源。
• 问题：在循环 (Loop) 里用 Aggregate，好像只收集了最后一次循环的数据？
  • 原因: 你可能把 Aggregate 放错地方了。如果放在循环 里面，它通常只处理当前这次循环的数据。
  • 理解: 循环节点（如 Loop Over Items）通常会在所有次循环结束后，把 所有 次的结果集合起来，从 “Done” 出口一次性传出去。
  • 解决: 如果你想收集 所有 循环的结果，应该把 Aggregate 节点连到循环节点的 “Done” 输出端口。
• 问题：自动运行时没去掉 null，但手动测试时去掉了？ (曾有社区报告类似问题)
  • 原因: 可能是特定版本的小问题或行为不一致。
  • 解决/规避:
    • 方法1: 在 Aggregate 后面 加个 Code 节点，用几行代码手动过滤 null。
    • 方法2: 确保 n8n 是最新版，可能已经修复了。如果还不行，可以去社区问问。

节点用途总结：何时选 Aggregate？

核心场景： 当你需要把分散在 多个 Item 里的 同一种信息（某个字段的值）收集 起来，变成 一个列表，放在 一个 Item 里，方便后续统一处理时。

关键特征： 输入是多个 Item，输出 永远只有一个 Item。这个输出 Item 的价值就在于那个列表。它不计算，就是 收集。

深入了解 Merge 节点：数据流交汇点

节点简介：它是干嘛的？

核心功能： Merge 节点用来把来自 两个或多个不同来源 (输入) 的 Items，按照你选的规则 (模式 Mode)，合并或组合 成新的输出流。

• 打个比方： 想象一个十字路口，有东、西、南、北来的车（多个输入流的数据 Items）。Merge 节点就是路口的交警。它可以让所有车按顺序排队通过 (Append 模式)；也可以让东西向的车根据车牌号（匹配字段）配对后一起走 (Combine by Matching Fields 模式)；或者按先来后到的顺序两两配对 (Combine by Position 模式)。它的核心任务是 协调不同来源的数据如何汇合。
• 重要提示: Merge 节点在新版本 (0.194.0+) 有较大改进。本教程基于新版本。

典型应用场景：什么时候用它？

• 合并 IF/Switch 分支: 如果你的流程用了 IF 或 Switch 节点分叉了，通常需要用 Merge 把不同分支处理完的结果重新合到一起。
• 数据丰富: 把一个数据源（比如订单列表）和另一个数据源（比如客户信息）根据共同字段（如 customer_id）匹配起来，给订单加上客户详情。这就像数据库里的 JOIN 操作。
• 同步数据: 比较两个系统的数据，用 Merge 匹配记录，找出差异或合并更新。
• 组合不同来源数据: 从两个不同的 API 拿到数据后，把它们合并成一个数据集。
• 等待多个并行任务: Merge 会等所有连到它输入的流都跑完，才开始合并。
• 社区实例： 合并两个不同来源的数据，通过共同的 Key 匹配。

详细使用方法

1. 添加节点: 在工作流画布上点 + 号，搜索 “Merge”，添加它。
2. 连接输入: 把 至少两个 需要合并的上游节点或分支，连到 Merge 节点的 不同输入端 (Input 1, Input 2, …)。
3. 配置节点 (关键步骤):
   • 选择合适的 模式 (Mode)。
   • 根据模式设置相应的选项 (比如按什么字段合并)。
4. 测试: Merge 依赖多个输入，测试前最好确保所有上游都跑过了（或者用 Pin 功能固定上游数据）。然后点 “Test step” 看结果。

示例 (数据丰富):

• 输入数据 1 (Input 1 – 来自 Code 节点 1): 人员列表[ { "json": { "name": "Max", "language": "en" } }, { "json": { "name": "Friedrich", "language": "de" } } ] ​
• 输入数据 2 (Input 2 – 来自 Code 节点 2): 问候语列表[ { "json": { "greeting": "Hello", "language": "en" } }, { "json": { "greeting": "Hallo", "language": "de" } } ] ​
• 目标: 根据 language 字段，把正确的问候语 greeting 合并到每个人员信息里。
• 配置:
  • Mode: Combine
  • Combine By: Matching Fields
  • Input 1 Field: language
  • Input 2 Field: language
• 测试输出 (Output):[ { "json": { "name": "Max", "language": "en", "greeting": "Hello" } }, { "json": { "name": "Friedrich", "language": "de", "greeting": "Hallo" } } ] ​成功！通过匹配 language，数据合并了。

节点设置详解 (推荐配置)

• Mode (模式): 决定 Merge 怎么干活。
  • Append (追加):
    • 作用: 把所有输入流的 Items 按顺序 一个接一个叠起来，形成一个更长的输出流。不匹配，不组合，就是堆叠。
    • 行为: 等所有输入都完成后再执行。
    • Number of Inputs: 你要连几个输入就填几。
    • 推荐场景: 合并 IF/Switch 分支结果，且分支间数据不需要关联，只是想让流程汇合。
    • 注意: 输出的 Item 还是“各回各家”，只带着自己来源的数据。如果后面节点想用一个只在某个分支里才有的字段，可能会报错！
  • Combine (组合):
    • 作用: 把来自 两个输入 (Input 1, Input 2) 的 Items 配对组合。
    • Combine By (组合方式):
      • Matching Fields (按字段匹配):
        • 指定 Input 1 和 Input 2 里哪个字段用来 配对 (Input 1 Field, Input 2 Field)。值相同的 Item 会被合并。
        • 最常用，用于数据丰富 (像 SQL JOIN)。
        • 想匹配嵌套字段？直接写 data.id 这种。
      • Position (按位置匹配):
        • Input 1 的第 1 个 Item 配 Input 2 的第 1 个，第 2 个配第 2 个… 以此类推。
        • 适用于两个数据流顺序严格对应的情况。
        • 数量不一致时，默认丢弃没配上对的。
      • All Possible Combinations (所有可能组合):
        • Input 1 的每个 Item，都和 Input 2 的 所有 Item 组合一次。输出 M * N 个 Item。
        • 慎用，可能产生超多数据。
    • 推荐场景: 数据丰富、按 ID 合并信息、按顺序合并。
  • Choose Branch (选择分支):
    • 作用: 比较特殊。根据条件（比如谁先到，或根据数据内容）只选一个 输入流的数据作为输出，其他流可以等待或忽略。
    • Use output from branch: 选哪个输入的数据往下传。
    • Wait for other branches: 是否等其他输入跑完。
    • 推荐场景: 处理竞争情况（比如两个 API 抢资源，谁快用谁的），或者需要精确控制流程走向。
• Options (选项 – 主要用于 Combine 模式):
  • Clash Handling (冲突处理): Input 1 和 Input 2 要合并的 Item 里有同名字段咋办？
    • Keep Key from Input 1: 用 Input 1 的值。
    • Keep Key from Input 2: 用 Input 2 的值。
    • Rename Key from Input 2: 给 Input 2 的重名字段加个后缀。
    • Merge Objects/Arrays: 尝试深度合并对象或数组。
    • 推荐: 看情况。如果 Input 1 是主要数据，选 Keep Key from Input 1 通常比较稳。
  • Fuzzy Compare (模糊比较): (用于 Matching Fields) 默认关。打开后，比较字段时会忽略类型差异，比如数字 3 和字符串 "3" 算相等。推荐: 只在你知道类型可能不同但逻辑上该相等时才开。
  • Disable Dot Notation: 默认关。推荐保持关闭，方便用 . 访问嵌套字段。
  • Multiple Matches (多重匹配): (用于 Matching Fields) Input 1 的一个 Item 匹配到 Input 2 的多个咋办？
    • Include All Matches: 每个匹配都生成一个输出 Item (一对多)。
    • Include First Match Only: 只保留第一个匹配 (默认，一对一)。
    • 推荐: 看你需要一对一还是一对多。
  • Include Any Unpaired Items (包含未配对项): (用于 Position 模式) 默认关。数量不一致时，打开会保留没配上对的 Item。推荐: 看你需不需要保留没配对的数据。

常见错误与解决方法

• 错误：Merge 节点不运行，或者一直转圈圈 (等待状态)。
  • 原因: Merge 会等 所有 连接的输入都跑完。如果有一个输入出错了、或者因为 IF 条件没跑、或者跑太久没结束，Merge 就不会开始。
  • 解决: 检查所有连到 Merge 的上游分支，确保它们都能正常结束并输出数据（或者确定它们就是不该输出）。
• 问题：Merge 好像触发了不该跑的分支？ (比如 IF 为 True，但 False 分支也被 Merge 跑了)
  • 理解: 这是 Merge (尤其旧版) 一个有点怪但有时是“设计如此”的行为。当一个分支的数据到了 Merge，它为了能最终合并，可能会去“拉”其他还没到的分支的数据，这可能导致本不该跑的节点（如 IF 的 False 分支）意外执行。
  • 解决/规避:
    • 更新 n8n: 新版本 n8n 在改进执行逻辑。确保你的 n8n 最新。
    • 调整流程: 尽量避免 Merge 直接连到可能不执行的分支。考虑更线性的流程。
    • 用 Choose Branch 模式: 有时这个模式能更精确控制。
• 错误：合并后的数据在后面节点用不了，报错 “Missing pairedItem data”。
  • 原因: 通常是用 Append 模式惹的祸。Append 输出的 Item 还是“各管各的”。如果后面节点想用只在 Input 2 里有的字段，但当前处理的 Item 来自 Input 1，就报错了。你可能误以为 Append 会把字段合并到一起。
  • 解决:
    • 用 Combine 模式: 如果你想把字段合并到 同一个 Item 里，应该用 Combine 模式 (通常是 Matching Fields 或 Position)。
    • 小心访问: 如果必须用 Append，后面节点访问字段时要考虑它可能不存在（比如用 IF 判断）。
• 问题：用 Merge (Append 模式) 合并多个 (>2个) 输入，只输出了第一个？ (曾在旧版报告)
  • 原因: 可能是旧版 Bug。
  • 解决: 更新 n8n 到最新版。
• 问题：手动测试 (Test Step) 时 Merge 没输出，或者只输出一个输入的，但完整运行 (Test Workflow) 就正常？
  • 原因: 单步测试时，n8n 可能没法模拟所有上游分支都跑完的情况，特别是有些分支可能因 IF 条件没数据。
  • 解决:
    • Pin Data (固定数据): 在 Merge 的上游节点跑完后，点 “Pin Data” 把它们的输出固定住。这样测试 Merge 就有数据用了。
    • 测完整工作流: 对于复杂分支合并，用 “Test Workflow” 更靠谱。
• 问题：用 Merge (SQL Query 模式) 测试结果不对？ (此模式较少用且文档少)
  • 原因: 可能有 Bug 或与测试机制交互不好。
  • 解决/建议:
    • 新手慎用: 优先用标准模式 (Append, Combine)。
    • 求助社区: 如果非用不可，去社区带上详细步骤和例子问问。
• 问题：Merge (Combine by Position) 没按预期工作，只输出了 Input 1 的数据？
  • 原因: 节点没激活？（颜色变浅，标着 Deactivated）输入数据有问题？
  • 解决: 确认节点已激活；检查输入数据；想想 Position 是不是你真想要的模式。

节点用途总结：何时选 Merge？

核心场景： 当你的工作流产生了 多个独立的数据来源 或 处理分支，你需要根据 某种逻辑关系 (共用 ID、按位置对应、或只是简单追加) 把它们的 Items 汇合 或 组合 起来时。

关键特征： 处理 多个输入流；提供 多种合并策略；通常会 等待所有输入完成。输出 Item 数量和结构看模式和数据。它专注于 连接 和 组合 不同路径的数据。

深入了解 Summarize 节点：数据汇总大师

节点简介：它是干嘛的？

核心功能： Summarize 节点的核心作用是对输入的多个 Item 进行 分组 (Group By)，然后对 每个分组内 的 指定字段 执行 聚合计算 (比如算总和 Sum, 计个数 Count, 求平均值 Average, 找最大/最小值 Max/Min, 或者把值收集到列表 Append)。

• 打个比方： Summarize 特别像 Excel 里的 “数据透视表 (Pivot Table)”。你告诉它：“我想按‘部门’（分组字段）来统计每个部门的‘销售额’（聚合字段）的‘总和’（聚合操作）”。然后它就给你一份报告（输出 Items），列出每个部门和对应的总销售额。
• 重要区分: n8n 里有两个带 “Summarize” 的节点！咱们说的是 核心的 Summarize 节点，用来 分组统计数据 的。不是 那个用来总结文章内容的 AI 节点（那个通常叫 Summarization Chain 之类的）。

典型应用场景：什么时候用它？

• 生成统计报告: 算每个销售区的总销售额、平均订单价、客户数等。
• 分类计数: 统计网站日志里，每种浏览器访问了多少次；或者像社区例子那样，统计不同推荐结果（”DENY”, “CHALLENGE”）各有多少个。
• 数据透视: 把流水账数据（每个 Item 是一笔交易）变成按月或按产品汇总的报告。
• 按用户聚合信息: 按用户 ID 分组，用 append 操作把每个用户的所有订单号收到一个列表里（类似 Aggregate，但在分组内做）。
• 社区实例： 读 Excel 数据，按某个 ID 分组统计，结果存数据库。

详细使用方法

1. 添加节点: 在工作流画布上点 + 号，搜索 “Summarize”，添加它。
2. 连接输入: 把包含要汇总数据的上游节点连到 Summarize 的输入端。
3. 配置节点 (核心步骤):
   • 指定按 哪个字段分组 (Fields to Split By)。
   • 设置要做的 聚合计算 (Fields to Summarize)：选操作 (Aggregation)、指定对哪个字段操作 (Field)、(推荐) 给结果起个名 (Output Field Name)。
4. 测试: 点 “Test step”，看输出结果。通常会得到多个 Item，每个代表一个分组的汇总结果。

示例 (分类计数):

• 输入数据 (Input):[ { "json": { "user": "user1", "recommendation": "DENY" } }, { "json": { "user": "user2", "recommendation": "DENY" } }, { "json": { "user": "user3", "recommendation": "CHALLENGE" } } ] ​
• 目标: 统计每种 recommendation 出现了多少次。
• 配置:
  • Fields to Split By: recommendation
  • Fields to Summarize: (点 “Add Aggregation”)
    • Aggregation: count
    • Field: recommendation (或 user，对 count 操作，字段存在就行)
    • Output Field Name: count_recommendation (推荐起个清晰的名字)
• 测试输出 (Output – 默认格式):[ { "json": { "recommendation": "DENY", "count_recommendation": 2 } }, { "json": { "recommendation": "CHALLENGE", "count_recommendation": 1 } } ] ​输出是两个 Item，代表 “DENY” 组和 “CHALLENGE” 组的计数结果。
• 格式转换提示: Summarize 默认输出上面这种格式。如果你想要 { "DENY": 2, "CHALLENGE": 1 } 这种键值对格式，需要在 Summarize 后面 加个 Code 节点，用代码转换一下。这说明 Code 节点在处理特定格式时很灵活。

节点设置详解

• Fields to Split By (分组依据字段):
  • 作用: 指定按哪个 (或哪些，用逗号隔开) 字段来 分组。所有在这个字段上值完全一样的 Item 会被归为一组。
  • 关键: 这是实现“Group By”的核心。如果 留空，所有 Item 算一大组，只输出一个汇总结果。
  • 注意: 如果字段值是像 "0123" 这种看起来像数字的字符串，节点可能会把它当数字处理，丢掉前面的 0 (后面会说)。
• Fields to Summarize (要汇总的字段):
  • 作用: 定义你要对每个分组做哪些 计算。可以点 “Add Aggregation” 添加多个计算。
  • 对每个计算项设置：
    • Aggregation (聚合操作): 选计算类型。常用有：
      • sum: 求和 (字段需为数字)。
      • count: 计数 (分组内 Item 数量)。
      • average: 平均值 (字段需为数字)。
      • min: 最小值。
      • max: 最大值。
      • first: 取分组里第一个 Item 的字段值。
      • last: 取分组里最后一个 Item 的字段值。
      • append: 把分组内所有 Item 的该字段值 收集到列表 (类似 Aggregate，但在组内做)。
      • merge: 合并 JSON 对象。
    • Field: 指定对 哪个字段 进行上面的操作。比如选 sum，这里就填包含数字的字段名。选 count，填任意存在的字段都行。
    • Output Field Name: (可选但 强烈推荐) 给计算结果起个名字，在输出 Item 里用。比如 total_sales。不填会自动生成 (如 sum_sales_amount)，有时不直观还可能变。最佳实践：永远手动命名！
    • Include Empty: (可能在 append 等操作中有) 是否包含 null 或空字符串。默认通常不包含。
• Options (选项):
  • Disable Dot Notation: 默认关。推荐保持关闭，方便用 . 访问嵌套字段。
  • Output Format:
    • Each Split in a Separate Item (默认): 最常用。每个分组的汇总结果是一个单独的 Item 输出。分了 5 组就输出 5 个 Item。
    • All Splits in a Single Item: 只输出一个 Item，里面包含一个列表，列表里才是每个分组的结果。不常用。

常见错误与解决方法

• 错误：计算结果不对 (Sum 是 0? Count 错了?)
  • 原因: 字段名写错了？对文字做了数学计算 (如 sum)？输入数据有 null 或格式不对？分组 (Fields to Split By) 设错了？
  • 解决: 仔细核对字段名；确保数学计算的字段是数字类型（必要时前面加 Set/Code 节点转类型）；检查上游数据；检查分组逻辑。
• 问题：分组字段 (Fields to Split By) 是 "0123" 这种字符串，输出变成数字 123，前面的 0 没了！
  • 现象: 这是 Summarize 处理分组字段的一个 已知限制。如果值看起来像数字，它就可能按数字输出，导致格式变化（丢前导零最常见）。
  • 解决/规避:
    • 目前没直接选项: 节点本身没提供强制保留字符串格式的选项。
    • 方法1 (预处理): 在 Summarize 前面 加 Set 或 Code 节点，给这个字段值加个前缀 (如 "0123" -> "ID_0123")，这样它就不像纯数字了。Summarize 之后 再去掉前缀（如果需要）。
    • 方法2 (Code 节点替代): 最稳妥的方法是用 Code 节点自己写分组统计逻辑，这样能完全控制格式和类型。
    • 关注更新: 社区提过这问题，n8n 可能未来会改进。保持更新。
• 问题：聚合字段用了点 (params.interval)，自动生成的输出名 appended_params_interval 变成了 appended_paramsinterval (下划线没了)? (曾在旧版报告)
  • 现象: 旧版的一个 Bug。自动生成的名称没处理好点符号。
  • 解决:
    • 最佳实践 (推荐): 始终手动指定 Output Field Name！ 不依赖自动生成，代码更清晰、稳定。
    • 更新 n8n: 更新到新版应该修复了此 Bug (但还是推荐手动命名)。
• 问题：Summarize 输出格式不是我想要的，比如要 { "分组值": 结果 } 这种对象。
  • 原因: Summarize 标准输出格式是固定的 Item 列表。
  • 解决: 在 Summarize 后面 加个 Code 节点。用代码遍历 Summarize 的输出，自己组装成想要的格式。

节点用途总结：何时选 Summarize？

核心场景： 当你需要像用 Excel 做分析一样，对一堆数据（Items）根据某些 类别（分组字段）进行 分类归组，并对 每个组 分别进行 统计计算（求和、计数、平均值、找最值、收列表等）时。

关键特征： 输入多个 Item，输出通常也是多个 Item (每个代表一组的统计结果)。核心操作是 分组 (Split By) 和 聚合计算 (Summarize)。目的是产生数据的 统计视图。

功能对比：Aggregate vs Merge vs Summarize

我们已经分别了解了这三个节点，现在把它们放一起比一比，帮你搞清楚它们的不同，做出正确选择。

核心原理差异：

• Aggregate (聚合): 像个 收集员。遍历所有来的包裹 (Items)，只拿出你指定的同一样东西 (字段值)，放进一个大容器 (输出 Item 的列表) 里。它不管包裹间的关系，只负责 收集，最后交出一个收集品列表。
• Merge (合并): 像个 交通枢纽调度员。处理来自不同道路 (输入流) 的车辆 (Items)。根据规则（对车牌号？按顺序配对？排队通过？）指挥车辆 汇合、配对或排序。它关心的是如何处理 不同来源 数据流的关系。
• Summarize (汇总): 像个 数据分析师。拿到一堆原始记录 (Items)，先按标准 分类 (分组)，然后对每个类别进行 量化分析 (算总数、平均值等)，最后提交一份分类 统计报告 (输出 Items)。

输入与输出对比：

• 输入: Aggregate 和 Summarize 通常处理来自 单一 源头的多个 Item。Merge 天生用来处理来自 两个或多个 不同源头的数据流。
• 输出:
  • Aggregate 永远只输出一个 Item，里面装着收集好的列表。
  • Merge 输出的 Item 数量和结构 看模式和数据 (Append 输出总和数量，Combine 输出匹配/组合结果)。
  • Summarize 通常输出 多个 Item，每个 Item 是一组的统计结果 (除非你不分组)。

应用场景辨析：

• 选 Aggregate 当你: 想把散落在多个 Item 里的 同一种信息 (所有 ID、所有名字) 收集 成 一个列表，放进 一个 Item 里，用于后续批量操作或循环。本质是 打包 同类信息。
• 选 Merge 当你: 需要把来自 不同源头 或 不同处理路径 (IF/Switch 分支) 的数据，根据 某种关联 (共用 ID、顺序对应) 进行 连接、配对或合并。比如用客户信息补充订单，或把分支结果合流。本质是 对接 不同来源的数据。
• 选 Summarize 当你: 需要对一批数据 分类统计，计算每个类别的 总和、数量、平均值 等指标，像做数据报告或透视表。比如按月统计销售额。本质是 分析 和 提炼 数据的统计特征。

关键限制与选择考量：

• Aggregate 限制: 输出只有一个 Item，丢失了大部分原始结构。不做计算。
• Merge 限制: 逻辑较复杂，尤其 Combine 模式选项多。结合 IF/Switch 时可能出现反直觉执行（主动拉取）。Append 模式可能导致后续字段访问出错。SQL Query 模式文档少且可能不稳。测试可能需要 Pin Data。
• Summarize 限制: 主要做分组统计，复杂逻辑不如 Code 节点灵活。可能错误地将数字字符串转为数字（丢前导零）。旧版曾有自动命名 Bug。输出格式固定，特殊格式需配合 Code 节点。

选择时思考：

1. 最终想要一个 列表 吗？ -> 可能选 Aggregate。
2. 需要 连接/组合 来自 不同流/分支 的数据吗？ -> 可能选 Merge。
3. 需要 分组 并计算 统计值 (总和/数量/平均值) 吗？ -> 可能选 Summarize。
4. 逻辑 很复杂 或要 精确控制格式/类型 吗？ -> 考虑 Code 节点 或组合节点。
5. 在处理 IF/Switch 分支 吗？ -> 用 Merge 要 特别小心 其执行逻辑，或更新 n8n。
6. 关心 分组字段 的原始格式 (如带前导零的编号) 吗？ -> 用 Summarize 注意类型转换限制，必要时用 Code 或预处理。

理解这些差异，你就能更自信地为你的 n8n 工作流选择最合适的节点了！

总结与后续学习

回顾: 我们一起学习了 n8n 中三个核心数据处理节点：

• Aggregate: 收集特定值到列表。
• Merge: 连接不同来源的 Items。
• Summarize: 分组并进行统计计算。
  掌握它们是用好 n8n 的关键一步。

强调实践: 理论懂了，更要动手试！强烈建议你打开 n8n，用教程里的例子或者你自己的数据，亲自配置、测试这三个节点。观察输入输出的变化，甚至故意搞点小错误看看会怎样。记住，单步测试 (“Test Step”) 和完整流程测试 (“Test Workflow”) 有时结果可能不一样，特别是对 Merge 这种多输入的节点。

超越基础: 这三个节点是基石，但 n8n 的能力远不止于此。遇到它们搞不定的复杂需求时，别忘了 Code 节点！它让你能用 JavaScript (或 Python) 写代码，实现几乎任何逻辑，是解决特殊场景的“万能钥匙”。此外，还有像 Item Lists 节点 (包含拆分列表、排序、去重等操作) 和 Compare Datasets 节点 (提供另一种强大的比较合并数据集的方式) 也非常有用。

鼓励探索: 掌握了这三个核心节点，你就有了处理 n8n 数据流的基础。以此为起点，大胆探索更复杂的应用，尝试把它们和 n8n 成百上千的其他节点组合起来，你会发现 n8n 的无限潜力！

翔宇希望今天的教程能够帮助各位小伙伴设计出令人惊叹的工作流！