news 2026/5/12 7:02:44

基于Next.js与n8n构建自托管AI助手：驯服领英收件箱

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
基于Next.js与n8n构建自托管AI助手：驯服领英收件箱

1. 项目概述：LinkedOut，一个帮你驯服混乱领英收件箱的AI助手

如果你和我一样，每天打开LinkedIn（领英）收件箱，看到几十甚至上百条未读消息，既有潜在客户、招聘邀约，也有各种推广和无效连接请求，那种混杂着焦虑和烦躁的感觉一定不陌生。手动筛选、构思回复，尤其是对于那些需要得体、专业但又不想花费半小时来雕琢的社交性消息，简直是时间和精力的黑洞。市面上虽然有各种CRM和自动化工具，但它们要么过于笨重，要么就是直接把你丢给一个庞大的ChatGPT界面，缺乏针对LinkedIn这种半正式、半社交场景的专属优化。

这就是我动手构建LinkedOut的初衷。它不是一个试图接管你所有社交活动的庞然大物，而是一个专注、轻量、自托管的“收件箱副驾驶”。核心目标很简单：让你在手机和电脑上都能快速、优雅地处理LinkedIn消息。它利用AI为你生成回复草稿，提供一个可随时调用的静态文本片段库，帮你把那些格式化的、重复性的回复瞬间搞定，把宝贵的时间留给真正需要深度沟通的对话。

整个项目采用了我个人非常推崇的“现代Web技术栈 + 低代码/无代码后端”的组合拳。前端是React生态的集大成者Next.js，搭配TypeScript保证代码质量，用Tailwind CSS快速构建美观且响应式的界面。后端则完全交给了两个强大的开源工具：PocketBase负责数据存储和用户认证，n8n作为工作流引擎来处理所有业务逻辑和与LinkedIn API的通信。这种架构的好处是，你不需要成为一个全栈专家也能部署和维护它，大部分后端复杂性都被n8n的可视化工作流和PocketBase的开箱即用功能所封装。

你可以把它看作是你的私人LinkedIn效率工具，完全掌控在你自己的服务器上，数据隐私有保障，功能也可以根据你的习惯任意定制。接下来，我会详细拆解这个项目的设计思路、每一步的部署实操、以及我在开发过程中趟过的那些坑，希望能帮你顺利搭建起属于自己的LinkedIn消息管理中心。

2. 核心架构与工具选型解析

为什么选择这样一套技术组合？这背后是基于对项目需求和个人偏好的深度权衡。LinkedOut的核心需求可以归结为三点：快速开发与美观的UI、简单可靠的数据层、灵活可维护的业务逻辑层。传统的单体后端（如Express + PostgreSQL）或全功能BaaS（如Firebase）在这里都不是最优解。

2.1 前端：Next.js + TypeScript + Tailwind CSS + shadcn/ui

前端的选择几乎是一个“现代React开发者的标准答案”，但每项选择都有其明确的理由。

  • Next.js (App Router)：这不仅仅是追新。App Router带来的服务端组件、流式渲染和简化的数据获取模式，对于LinkedOut这种数据驱动型应用至关重要。例如，消息列表的加载可以在服务端直接完成，首屏速度极快，并且能更好地利用缓存。/inbox页面服务端获取数据，而回复消息的AI生成则通过客户端交互完成，这种混合渲染模式非常契合。
  • TypeScript：在处理像LinkedIn消息、用户会话这类结构复杂的数据时，类型安全不是奢侈品，而是必需品。它能极大减少运行时错误，尤其是在与多个后端服务（n8n, PocketBase）交互时，明确的接口定义能让代码更健壮。
  • Tailwind CSS：开发速度的倍增器。构建一个需要在移动端和桌面端都表现良好的响应式界面，Tailwind的效用类（Utility-First）理念让你几乎不需要编写自定义CSS，就能快速实现设计稿。深色模式的切换也因其而变得异常简单。
  • shadcn/ui：这是一个基于Radix UI构建的组件库，其理念是“将组件代码复制到你的项目中”。这避免了传统UI库的包体积膨胀和样式冲突问题。你可以完全控制每一个按钮、对话框的样式和行为，并能轻松地使其与你的Tailwind主题保持一致。LinkedOut中那些看起来精致的模态框、下拉菜单，都得益于此。

实操心得：很多人会纠结是直接用Next.js的Pages Router还是新的App Router。对于新项目，尤其是像LinkedOut这样需要良好SEO（虽然主要是后台应用）和复杂数据流管理的项目，我强烈建议从App Router开始。它的学习曲线初期较陡，但一旦掌握，开发效率和对复杂场景的掌控力会远超Pages Router。

2.2 后端：PocketBase + n8n 的“无服务器”式组合

这是整个架构中最有趣的部分。我放弃了编写传统的后端API，而是用两个专用工具来分别处理数据和逻辑。

  • PocketBase：它本质上是一个内置了SQLite数据库、实时订阅、文件存储和管理后台的Go语言应用。对于LinkedOut来说，它完美承担了以下角色：

    1. 用户认证系统：自带完整的用户注册、登录、JWT令牌管理，省去了自己实现passport.js或类似方案的麻烦。
    2. 数据存储：threads（对话线程）、messages（消息）、text_snippets（文本片段）这些集合（相当于数据库表）的CRUD操作，通过其自动生成的REST API即可完成。
    3. 管理后台：部署后，你可以通过/admin界面直接查看和管理所有数据，这对于调试和初期数据维护非常方便。 它的轻量（单个可执行文件）和“零配置”特性，使得部署和维护成本极低。

  • n8n：这是一个基于节点的可视化工作流自动化工具。在LinkedOut中，它扮演了“后端API”和“业务逻辑执行器”的角色。每一个前端发起的请求，比如“获取我的收件箱”、“获取某个对话的详情”、“发送一条消息”，实际上都是触发了一个特定的n8n工作流。

    • 优势一：可视化逻辑。与LinkedIn API（通过Unipile）的复杂交互、消息的格式化、AI草稿的生成、数据写入PocketBase等步骤，都在n8n的画布上以节点连接的方式呈现。这意味着你不需要深入JavaScript/Python代码就能理解或修改业务逻辑。
    • 优势二：强大的集成能力。n8n内置了数百个节点，可以轻松连接HTTP请求、AI模型（OpenAI, Anthropic等）、数据库、条件判断、循环等。为消息生成AI草稿的功能，就是在n8n工作流中插入一个“OpenAI”节点实现的。
    • 优势三：易于调试与监控。每个工作流的每次执行都有详细的日志，你可以看到数据流经每个节点时的状态，排查问题比在日志文件中搜索要直观得多。

  • 通信桥梁：Unipile：直接与LinkedIn官方API交互是出了名的复杂和受限。Unipile作为一个中间件服务，提供了一个稳定、合规的API来访问LinkedIn的收件箱、发送消息等功能。它处理了认证、速率限制和API变动的复杂性，让我们可以专注于应用逻辑。在n8n工作流中，我们只需要配置好Unipile的凭证，就可以像调用普通REST API一样操作LinkedIn数据。

架构工作流程简述：

  1. 用户在LinkedOut前端点击“刷新收件箱”。
  2. 前端向一个特定的n8n Webhook URL（例如https://your-n8n.com/webhook/inbox）发送请求。
  3. n8n触发“获取收件箱”工作流：首先通过Unipile节点从LinkedIn拉取原始消息数据，然后进行清洗、格式化，接着通过HTTP Request节点将整理好的数据存入PocketBase的threads和messages集合，最后将数据返回给前端。
  4. 前端收到数据并渲染展示。

这种架构将复杂性分散到了最擅长的工具中，让每一层都做它最擅长的事。

3. 详细部署与配置指南

理论讲完，我们进入实战环节。我将以Docker Compose本地部署为主线，这是最推荐给大多数开发者的方式，因为它能一键拉起所有服务，避免环境差异带来的问题。同时，我也会补充云部署的关键注意事项。

3.1 前期准备：账户与令牌

在运行任何代码之前，你需要准备好以下三把“钥匙”：

  1. Unipile账户与API密钥：

    • 访问 Unipile官网 注册账户。他们有针对开发者的套餐。
    • 在Unipile控制台中，你需要获取两个关键信息：API Key（用于身份验证）和你的Account ID。这些将在配置n8n工作流时用到。
    • Unipile需要配置一个Webhook URL来向你推送新消息通知。对于本地开发，我们需要一个公网可达的地址，这就是ngrok的用武之地。

  2. ngrok Authtoken（用于本地开发）：

    • ngrok能将你本地的服务（如localhost:3000）暴露到一个临时的公网域名（如https://abc123.ngrok.io）。
    • 注册 ngrok ，在Dashboard的 Get Started 部分找到你的Authtoken。这是一个长字符串，务必保存好。

  3. （可选）n8n Cloud或自托管n8n：

    • 你可以使用 n8n.cloud 的云服务，它有免费额度。也可以在自己的服务器上 自托管n8n 。
    • 如果使用n8n.cloud，记下你的实例地址（如https://yourname.app.n8n.cloud）。

3.2 Docker Compose一站式部署

假设你已经安装了Docker和Docker Compose。

步骤一：克隆项目并配置环境

git clone https://github.com/maxt-n8n/linkedout.git cd linkedout cp .env.example .env

现在，用你喜欢的文本编辑器打开.env文件。你至少需要配置以下项：

# .env 文件示例 NGROK_AUTHTOKEN=你的_ngrok_authtoken_字符串 # PocketBase 管理员账户（用于首次初始化，Docker Compose会自动创建） PB_ADMIN_EMAIL=admin@yourdomain.com PB_ADMIN_PASSWORD=一个强密码 # 注意：NEXT_PUBLIC_N8N_WEBHOOK_URL 和 NEXT_PUBLIC_POCKETBASE_URL 在Docker环境中通常由内部网络配置自动处理，无需手动修改。

重要提示：.env文件中的URL变量（如NEXT_PUBLIC_POCKETBASE_URL）绝对不要以斜杠/结尾。例如，应该是http://localhost:8090，而不是http://localhost:8090/。一个多余的斜杠可能导致前端构建时路径拼接错误，引发难以排查的CORS或404问题。这是我在初期调试时踩过的一个坑。

步骤二：启动所有服务

在项目根目录下，运行：

docker compose up --build

第一次运行会拉取镜像并构建前端应用，可能需要几分钟。成功后，你应该在终端看到四个服务都在运行。

步骤三：访问服务并完成初始化向导

  1. 前端应用：打开浏览器，访问http://localhost:3000。你可能会被重定向到/setup页面，这是LinkedOut的初始化向导。
  2. PocketBase后台：http://localhost:8090/_/可以访问PocketBase的管理界面。使用你在.env中设置的PB_ADMIN_EMAIL和PB_ADMIN_PASSWORD登录。在这里你可以看到自动创建的users,threads,messages,text_snippets等集合。
  3. n8n后台：http://localhost:5678可以访问n8n的编辑器界面。首次访问需要创建一个管理员用户。
  4. ngrok面板：http://localhost:4040可以查看ngrok的隧道状态和转发的请求。

步骤四：运行设置向导

这是最关键的一步。在http://localhost:3000/setup页面，向导会引导你完成以下步骤：

  1. 连接n8n：输入你的n8n实例地址（本地就是http://localhost:5678）和API密钥（在n8n设置中创建）。向导会自动将项目预置的四个核心工作流（/inbox backend,/thread backend,New message ingress,/setup backend）部署到你的n8n实例中。
  2. 连接PocketBase：通常会自动检测到本地的PocketBase (http://localhost:8090)。你需要提供之前设置的管理员账号密码，向导会在PocketBase中创建必要的服务账户。
  3. 连接Unipile：
    • 输入你的Unipile API Key和Account ID。
    • 配置Webhook：这是难点。向导会提示你设置Webhook URL。此时，你需要打开http://localhost:4040查看ngrok面板。ngrok会为你的本地localhost分配一个类似https://abcdef.ngrok.io的公网地址。将这个地址，后面加上/api/n8n-webhook作为Webhook URL填入Unipile的设置中。例如：https://abcdef.ngrok.io/api/n8n-webhook。这样，当LinkedIn有新消息时，Unipile就会通知到这个ngrok地址，ngrok再转发给你本地运行的n8n服务。
    • 在Unipile控制台保存Webhook配置。

完成所有步骤后，向导会提示设置成功。现在，你可以尝试在前端登录（使用PocketBase的普通用户账户，你可以在PocketBase管理界面先创建一个），然后点击“同步收件箱”来测试整个流程是否畅通。

3.3 网络配置的深层解析与排错

Docker Compose配置采用了一种巧妙的“混合网络”方案，这是为了解决前端应用在浏览器环境和服务器端环境访问后端服务地址不一致的经典问题。

  • 问题：前端Next.js应用在浏览器中运行时，它通过fetch发起的请求目标地址是http://localhost:5678（n8n）或http://localhost:8090（PocketBase）。但是，当Next.js在服务器端渲染（SSR）或执行Server Actions时，它是在Docker容器内运行的，localhost指向的是容器自身，而不是宿主机的服务。
  • 解决方案：在docker-compose.yml中，我们为frontend服务配置了extra_hosts，将宿主机的IP映射到容器内的host.docker.internal。同时，我们在Next.js的代码中做了一个判断：如果检测到在服务器端运行（通过环境变量NEXT_RUNTIME），并且请求的URL包含localhost，就将其替换为对应的Docker服务名（如n8n或pocketbase）。这样，无论代码在哪里执行，都能正确找到后端服务。

常见问题排查：

  1. 前端报错“无法连接到n8n/PocketBase”：

    • 首先运行docker compose ps确认所有容器（frontend,n8n,pocketbase,ngrok）状态都是Up。
    • 检查前端容器日志：docker compose logs frontend，看是否有构建错误或运行时错误。
    • 进入前端容器内部测试连接：docker compose exec frontend curl http://n8n:5678/healthz（如果n8n有健康检查端点）或curl http://pocketbase:8090/api/health。

  2. ngrok隧道无法建立或Webhook收不到通知：

    • 确认.env文件中的NGROK_AUTHTOKEN正确无误。
    • 查看ngrok容器日志：docker compose logs ngrok。确保隧道成功建立，并且状态是online。
    • 在Unipile的Webhook设置中，尝试手动发送一个测试事件，然后在http://localhost:4040的ngrok面板中查看是否有请求进来。

  3. n8n工作流导入失败或执行错误：

    • 登录n8n (localhost:5678)，检查工作流是否成功导入。
    • 打开具体的工作流，检查所有节点的配置。重点检查所有带有****...****占位符的字段，如PocketBase的URL、服务账户密码、Unipile的DSN等，是否都被向导正确替换了。这是最常见的错误来源。
    • 手动触发一次工作流，查看每个节点的执行输入和输出，定位错误发生的环节。

4. 核心功能实现与工作流剖析

部署完成后，我们来深入看看LinkedOut的几个核心功能是如何通过n8n工作流联动实现的。理解这些工作流，是你未来自定义功能的基础。

4.1 收件箱同步工作流 (/inbox backend [linkedout])

这是最核心的工作流。当你在前端点击“同步”或页面加载时触发。

  1. 触发节点：一个Webhook节点，监听/webhook/inbox路径的POST请求。
  2. 获取LinkedIn消息：一个HTTP Request节点，配置了Unipile的Header凭证，调用Unipile的API（如GET /v1/messages）来获取原始的LinkedIn收件箱列表。
  3. 数据清洗与转换：一个Function节点或一系列“Set”节点。这里会做大量工作：
    • 提取关键信息：从Unipile返回的复杂JSON中，提取出消息ID、发送者姓名/头像、消息预览、时间戳、是否已读等。
    • 处理对话线程：LinkedIn的消息是以“对话”为单位的。需要将属于同一对话的消息归组，并计算出最后一条消息和未读状态。
    • 格式化时间：将ISO时间戳转换为相对时间（如“2小时前”）。
  4. 写入PocketBase：
    • 一个循环节点（For Each）遍历处理后的对话列表。
    • 对于每个对话，先检查PocketBase的threads表中是否已存在（通过LinkedIn的对话ID）。使用一个“PocketBase”节点执行“Get Many”操作进行查询。
    • 根据查询结果，使用“PocketBase”节点的“Create”或“Update”操作来创建或更新对话记录。
    • 同时，将该对话下的消息列表，循环写入messages表，并关联到对应的thread_id。
  5. 返回前端：将整理好的、包含本地数据库ID的对话列表数据，通过Webhook节点的Response返回给前端。

实操心得：Unipile的API返回的数据结构可能随着LinkedIn的改动而变化。在Function节点中处理数据时，一定要做好防御性编程，对可能缺失的字段（如sender.profilePicture）设置默认值，避免工作流因某个消息格式异常而整体失败。可以在关键转换步骤后添加“IF”节点，判断数据是否合规，否则记录错误并跳过。

4.2 AI草稿回复生成

这是提升回复效率的杀手锏。其逻辑嵌入在获取单个对话详情的工作流 (/thread backend [linkedout]) 或一个独立的工作流中。

  1. 触发与上下文获取：当用户在前端点击“生成AI回复”时，前端会发送当前对话的最后一条消息（对方发来的）以及对方的名字给n8n。
  2. Prompt工程：一个Function节点负责构建发送给AI模型（如OpenAI GPT-3.5/4）的提示词（Prompt）。这个Prompt非常关键，它决定了回复的风格和质量。例如：
    你是一位专业的职场人士。请根据以下LinkedIn消息，起草一段友好、专业、简洁的回复。回复语言与消息语言一致。 发送者：[对方姓名] 消息内容：[对方消息正文] 请生成回复：
    你可以根据你的行业和沟通风格，定制这个Prompt，比如加入“语气热情但不过分”、“避免使用俚语”、“如果对方是招聘者，重点询问职位详情”等指令。
  3. 调用AI模型：使用n8n的“OpenAI”节点，选择模型（如gpt-3.5-turbo），填入上一步构建的Prompt和对话历史（可选）。
  4. 后处理与返回：收到AI的回复后，可能需要进行一些后处理，比如去除AI可能添加的引号或多余格式，然后将其返回给前端，填充到回复框中。

当前版本的局限与改进方向：目前，AI草稿仅基于最后一条消息生成。更优的方案是，将整个对话历史（最近的5-10条）作为上下文提供给AI，这样AI能更好地理解对话脉络，生成更连贯、贴切的回复。这需要修改前端传递的数据结构，并在n8n工作流中从PocketBase查询历史消息。

4.3 文本片段库的管理与使用

文本片段（Text Snippets）是应对高频、格式化回复的利器。比如“谢谢你的连接请求”、“很高兴认识你，这是我的简历链接”、“我对这个职位很感兴趣，何时可以通话聊聊？”。

  1. 数据结构：在PocketBase中有一个text_snippets集合，字段可能包括：id,title（片段标题）,content（片段内容）,category（分类，如“连接回复”、“面试安排”等）,user_id（归属用户）。
  2. 前端使用：在回复消息的界面，有一个下拉按钮或弹出面板，列出用户所有的文本片段。点击某个片段，其内容就会直接插入到回复框中，用户可以稍作修改后发送。
  3. 管理界面（当前局限）：根据项目说明，目前片段的创建、更新、删除需要通过PocketBase的管理后台直接操作。这是一个已知的待完善功能。一个完整的实现应该在前端增加一个“管理我的片段”页面，提供对片段的CRUD操作，并通过n8n工作流或直接调用PocketBase API来同步数据。

4.4 新消息实时通知（Webhook入口）

为了接近实时地收到新消息提醒，我们配置了Unipile的Webhook。

  1. 入口工作流(New message ingress [linkedout])：这个工作流由一个Webhook节点触发，路径是/api/n8n-webhook，也就是我们配置在Unipile中的那个地址。
  2. 验证与解析：当Unipile推送新消息事件时，工作流首先验证请求的合法性（例如检查一个简单的令牌），然后解析事件体。
  3. 触发同步或直接处理：一种简单策略是，一旦收到新消息事件，就立即调用前面提到的“收件箱同步工作流”，强制刷新一次数据。更精细的策略是，解析出具体是哪个对话的新消息，然后只更新那个对话在PocketBase中的记录和未读计数。这可以减少不必要的数据处理。
  4. （可选）推送通知：在工作流中可以集成一个“Pushover”或“Telegram”节点，或者调用一个发送邮件/SMS的服务，在收到重要消息时（比如来自特定联系人的）给你发送一个外部通知。

5. 自定义、扩展与故障排除

部署成功只是开始，让LinkedOut真正贴合你的工作流，还需要一些自定义和可能的问题排查。

5.1 自定义AI回复行为

如果你对默认的AI回复风格不满意，或者想为不同场景（如招聘者消息 vs. 销售问询）生成不同风格的草稿，可以这样修改：

  1. 在n8n中定位AI节点：打开/thread backend或相关的AI工作流。
  2. 修改Prompt：编辑Function节点中构建Prompt的逻辑。你可以增加条件判断。例如，在前端发送请求时，附带一个消息类型标识（type: ‘job_inquiry’），然后在n8n中根据这个类型选择不同的Prompt模板。
    // 在n8n的Function节点中示例 const lastMessage = $input.first().json.lastMessage; const senderName = $input.first().json.senderName; const messageType = $input.first().json.type || ‘general’; let systemPrompt = “你是一位专业的职场人士，请起草一段LinkedIn回复。”; if (messageType === ‘job_inquiry’) { systemPrompt = “你是一位正在寻找机会的求职者。对方是招聘者。请起草一段表达兴趣、询问下一步流程、并附上简历链接的专业回复。”; } else if (messageType === ‘sales_pitch’) { systemPrompt = “你是一位繁忙的决策者。对方是销售。请起草一段礼貌但坚定、表示目前暂无需求并建议未来再联系的回复。”; } const userPrompt = `发送者：${senderName}\n消息：${lastMessage}\n请生成回复：`; // 将 systemPrompt 和 userPrompt 传递给下一个OpenAI节点 return { systemPrompt, userPrompt };
  3. 更换AI模型/供应商：n8n支持OpenAI、Anthropic Claude、Google Gemini等多种AI节点。你可以轻松地将OpenAI节点替换为其他供应商的节点，只需更改凭证和模型参数即可。这对于成本优化或获取不同模型的特性很有帮助。

5.2 添加新功能点子

  • 消息分类与标签：在PocketBase的threads集合中增加一个tags字段（存储为JSON数组）。在前端，为对话添加标签（如“待回复”、“重要客户”、“求职”）。修改收件箱同步工作流，可以尝试用AI对消息内容进行简单分类并自动打标。
  • ** scheduled发送**：在前端编写消息时，增加一个“定时发送”选项。n8n有一个强大的“Schedule Trigger”节点，可以创建一个新的工作流，在指定时间读取PocketBase中待发送的消息，并通过Unipile节点发送出去。
  • 数据统计面板：利用PocketBase的API或直接查询SQLite数据库，构建一个简单的仪表盘，展示如“本周回复率”、“消息来源分布”、“最活跃的联系人”等数据。可以在前端新增一个/analytics页面来实现。

5.3 常见问题故障排除速查表

问题现象可能原因排查步骤
前端页面白屏或JS错误1. 前端构建失败
2. 环境变量未正确加载		1. 查看docker compose logs frontend构建阶段是否有报错。
2. 检查浏览器开发者控制台（Console）的具体错误信息。
3. 确认.env文件存在且变量名正确，重启容器docker compose down && docker compose up --build。
收件箱同步失败，提示“无法连接到后端”1. n8n工作流未激活或配置错误
2. 网络配置问题（Docker内部）
3. Unipile凭证错误		1. 登录n8n (localhost:5678)，确认/inbox backend工作流已激活（开关为绿色）。
2. 手动执行该工作流，查看每个节点的错误日志。
3. 检查Unipile节点的Header凭证是否配置正确，API Key是否有权限。
能同步收件箱，但AI回复不工作1. OpenAI/AI模型节点未配置或额度不足
2. 生成回复的工作流路径错误		1. 检查生成回复的n8n工作流中，AI模型节点的凭证是否有效，模型是否可用。
2. 在前端发起生成请求时，打开浏览器“网络”标签，查看请求的URL和响应，确认是调用了正确的工作流。
收不到新消息实时通知1. ngrok隧道断开
2. Unipile Webhook配置错误
3. n8n的Webhook入口工作流未激活		1. 访问localhost:4040确认ngrok隧道状态为online。
2. 登录Unipile控制台，检查Webhook URL是否准确（必须是ngrok提供的https://xxx.ngrok.io/api/n8n-webhook）。
3. 在n8n中确认New message ingress工作流已激活。可以在Unipile手动发送测试事件。
PocketBase管理界面无法登录1. 管理员账号密码错误
2. PocketBase服务未运行		1. 确认.env中的PB_ADMIN_EMAIL和PB_ADMIN_PASSWORD与登录时输入的一致。
2. 运行docker compose ps确认pocketbase容器状态为Up。
部署到生产环境后出现CORS错误生产环境域名与本地不同，未正确配置CORS1. 对于PocketBase：登录管理界面，进入“设置”->“API规则”，确保你的前端生产域名被允许。
2. 对于n8n：在n8n设置中，配置“CORS”选项，允许前端域名。最简单的方式是在反向代理（如Nginx）层面统一处理CORS。

5.4 生产环境部署要点

如果你想将LinkedOut部署到云服务器（如AWS EC2、DigitalOcean Droplet、或任何VPS）上长期使用，Docker Compose依然是最佳选择，但需要一些调整：

  1. 域名与SSL：为你的服务器IP配置一个域名（如linkedout.yourdomain.com），并使用Let‘s Encrypt（通过Nginx Proxy Manager或Traefik）为所有服务（前端、n8n、PocketBase）启用HTTPS。这是必须的，因为现代浏览器和LinkedIn/Unipile的API都可能要求安全连接。
  2. 修改Docker Compose配置：
    • 移除ngrok服务，因为你的服务器已经有公网IP和域名了。
    • 更新.env文件中的所有localhostURL为你的实际域名。例如：
      NEXT_PUBLIC_N8N_WEBHOOK_URL=https://n8n.yourdomain.com NEXT_PUBLIC_POCKETBASE_URL=https://pb.yourdomain.com
    • 在Unipile的Webhook设置中，将URL更新为https://yourdomain.com/api/n8n-webhook（假设你的n8n暴露在这个路径下）。
  3. 数据持久化与备份：确保PocketBase的数据库文件（默认在PocketBase容器内的/pb_data目录）通过Docker Volume映射到了宿主机的持久化存储路径。定期备份这个目录。
  4. 安全加固：
    • 为PocketBase和n8n的管理界面设置强密码，并考虑限制访问IP。
    • 不要使用默认端口。在Docker Compose中映射到非标准端口，或者通过反向代理来管理。
    • 定期更新Docker镜像（docker compose pull&&docker compose up -d）以获取安全补丁。

这个项目是我对“用现代、简洁的工具解决具体痛点”的一次实践。它可能不是功能最全面的社交管理工具，但它精准地击中了我自己在使用LinkedIn时的效率痛点，并且整个架构给予了极大的自定义空间。从技术选型到部署踩坑，整个过程就像在组装一个精致的乐高模型，每一块（Next.js, PocketBase, n8n）都各司其职，组合起来却产生了奇妙的化学反应。如果你也受困于纷繁的领英消息，不妨花点时间搭建一套属于自己的LinkedOut，那种从信息洪流中重新获得掌控感的感觉，非常值得。

版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设 2026/5/12 6:59:11

暗黑破坏神2终极存档编辑器：5分钟掌握角色定制与装备管理

暗黑破坏神2终极存档编辑器：5分钟掌握角色定制与装备管理 【免费下载链接】d2s-editor 项目地址: https://gitcode.com/gh_mirrors/d2/d2s-editor 想要彻底掌控暗黑破坏神2的单机游戏体验吗？d2s-editor为您打开了一扇通往无限可能的大门&#xf…

作者头像 李华
网站建设 2026/5/12 6:54:34

别再傻傻用matlab求逆了！用追赶法高效求解三对角矩阵（附MATLAB代码）

高效求解三对角矩阵：追赶法原理与MATLAB实战 三对角矩阵在科学计算中无处不在，从热传导模拟到量子力学计算，这类特殊稀疏矩阵的高效求解直接关系到整个仿真流程的速度。许多工程师第一反应是直接调用A\b或inv(A)，但当矩阵维度超过…

作者头像 李华
网站建设 2026/5/12 6:37:44

从 LLM 到 Agent Skill

AI Agent 入门指南：从零理解智能体的世界理解 AI Agent 生态中的核心概念，知道每个名词是做什么用的一、先搞清楚：什么是 AI Agent？想象你有一个超级聪明的数字助理：它不仅能聊天，还能主动帮你做事它会自己…

作者头像 李华
网站建设 2026/5/12 6:36:37

丘陵山地移栽机卡尔曼模糊PID调平控制【附程序】

✨ 长期致力于移栽机、调平系统、卡尔曼滤波、模糊PID、调平控制研究工作，擅长数据搜集与处理、建模仿真、程序编写、仿真设计。 ✅ 专业定制毕设、代码 ✅如需沟通交流，点击《获取方式》 （1）多源传感器融合与自适应卡尔曼滤波器&…

作者头像 李华