【n8n教程】：AI工作流的核心概念与实战应用

通过本教程，你将学会如何创建能思考的自动化工作流，这些工作流不仅能执行预定义的步骤，还能像真正的助手一样做出决策、使用工具、记住对话历史。

点击获取最新AI资讯、n8n工作流、开发经验分享

🎯 核心概念 - 快速理解AI的三个支柱

1️⃣ 链（Chain）- 预设步骤的执行者

什么是链？

链是AI工作流中最简单的形式，就像一条装配线。它按照预先设定的顺序依次调用AI模型和其他组件，每一步的输出成为下一步的输入。

链的特点：

• ✅ 流程清晰，易于理解
• ✅ 适合处理结构化的、有明确步骤的任务
• ✅ 包含三种类型：
  • 基础LLM链：直接与语言模型交互
  • 问答链：连接向量数据库或工作流检索器
  • 总结链：对文本进行总结

链的局限：

• ❌ 不支持记忆功能（无法记住之前的对话）
• ❌ 不能动态选择使用哪些工具
• ❌ 适应性差，必须按固定顺序执行

**生活中的类比：**如果chain是一台自动贩卖机，你投入钱，它按照程序出货。每次都是相同的流程，不会根据你的需求调整。

---

2️⃣ 代理（Agent）- 会思考的决策者

什么是代理？

代理是链的智能升级版。它像一个真正的智能助手，能够理解你的需求，自主做出决策，选择合适的工具来完成任务。代理会不断思考：“我现在需要什么工具？”、“这个结果有意义吗？”、“我需要采取什么下一步行动？”

代理的关键特征：

• 🧠 能做决策：根据当前情况选择使用哪些工具
• 🔄 支持记忆：能记住对话历史，进行持续的、自然的对话
• 🛠️ 灵活使用工具：可以调用多个工具来解决复杂问题
• ⚡ 多步执行：同一个查询可能触发代理多次运行
• 🎯 自适应：能根据查询内容和配置提示灵活调整行为

与链的根本区别：

维度	链	代理
决策能力	无	有
工具使用	不支持	完全支持
记忆能力	❌ 无	✅ 有
适用场景	简单、流程化任务	复杂、动态、需要思考的任务
用户交互	每次都从零开始	持续、自然的对话

**生活中的类比：**代理就像一个聪明的私人助手。你告诉她目标，她会思考该用什么资源、该问谁、该做什么。如果结果不对，她还会自动调整。

---

3️⃣ 记忆（Memory）- 对话的灵魂

什么是记忆？

记忆是AI保存对话历史的机制，让AI能够理解对话的上下文，进行自然的多轮对话。没有记忆，每次AI都像是第一次见到你。

n8n提供的记忆类型：

• 简单记忆（Simple Memory）：最易用，存储最后N条消息的对话历史（推荐新手使用）
• 高级记忆服务：支持与数据库、向量数据库等集成

为什么记忆很重要：

❌ 没有记忆的对话：
用户："我叫张三"
AI："很高兴认识你，张三"

用户："我叫什么名字？"
AI："I'm sorry, I don't know your name."  ← 它忘记了！

✅ 有记忆的对话：
用户："我叫张三"
AI："很高兴认识你，张三"

用户："我叫什么名字？"
AI："你叫张三"  ← 它记住了！

---

🛠️ 核心工具 - AI与世界的桥梁

什么是工具（Tools）？

在AI中，工具是AI可以使用的接口或函数，用来与世界交互、访问外部数据和资源。就像医生需要听诊器和X光机一样，AI代理需要各种工具来完成复杂任务。

n8n提供的强大工具：

工具	用途	示例
Call n8n Workflow Tool	调用任何n8n工作流作为工具	从Google Sheets查询数据、调用API
HTTP Request Tool	直接调用任何API	调用天气API、获取新闻
Custom Code Tool	编写自定义代码执行复杂逻辑	数据处理、计算
预置工具	Wikipedia、SerpAPI等	网络搜索、知识查询

实际应用场景：

• 📊 AI需要查询销售数据 → 使用Call n8n Workflow Tool连接到数据库查询工作流
• 🌤️ AI需要获取天气信息 → 使用HTTP Request Tool调用天气API
• 💬 AI需要处理文本数据 → 使用Custom Code Tool

---

📊 向量数据库 - 让AI理解复杂信息

什么是向量数据库？

向量数据库将文本、图像等信息转换成数学向量（一串数字）存储，使AI能够进行语义搜索。这是实现RAG（检索增强生成）的基础。

简化理解：

传统数据库：存储具体的文字信息
"n8n是一个开源自动化工具"

向量数据库：存储这句话的"含义"
[0.1, 0.2, 0.3, ..., 0.9]  ← 一个有数百或数千维度的向量

搜索时，不是精确匹配文字，而是找"意思最接近"的内容
搜索："自动化平台" → 可以找到"n8n是一个开源自动化工具"

为什么这很强大：

• 语义相似性搜索（不需要精确关键词）
• 支持多语言搜索
• 能理解上下文和概念

n8n支持的向量数据库：

• Pinecone（云端、易用）
• Qdrant（开源、强大）
• Weaviate（云端或自托管）
• Milvus（开源）

---

🌐 高级特性详解

📍 使用 $fromAI() 函数 - 让AI自动填参数

在AI代理中，有些工具参数可以由AI模型自动推断和填充。使用 $fromAI() 函数，你可以让AI根据对话内容动态生成所需的参数。

基本语法：

$fromAI('parameter_name', 'description', 'type')

实际例子：

// 让AI自动决定搜索的城市
$fromAI('city', 'The city to get weather for', 'string')

// 让AI自动决定数量
$fromAI('count', 'How many items to return', 'number')

这样，AI会根据用户的自然语言请求自动推断正确的参数值。

---

👤 人工回退 - AI遇到难题时求救

不是所有问题AI都能完美解决。设置人工回退机制，当AI无法回答时，自动通知人类团队。

工作流逻辑：

用户问题
    ↓
AI尝试回答
    ↓
能回答？ → 是 → 返回给用户
    ↓
    否
    ↓
发送Slack/邮件给人类代理
    ↓
人类处理 → 返回答案

---

🔗 实际应用场景速览

场景1：Chat with Google Sheets - AI数据助手
用户：「给我看过去30天销售超过10000的客户」
AI的工作流程：

1. 通过Chat Trigger接收问题
2. 用Agent理解问题
3. 调用n8n工作流工具连接Google Sheets
4. 根据用户要求过滤数据
5. 返回结果和可视化

场景2：Populate Pinecone Vector Database - AI知识库

1. 爬取网站内容（HTTP + HTML节点）
2. 使用OpenAI Embeddings将文本转换为向量
3. 存储到Pinecone
4. 用户提问时从Pinecone检索相关内容
5. AI结合检索结果回答问题

---

🚀 动手实战 - 构建你的第一个AI工作流

步骤1：创建新工作流

在n8n中，点击"新建工作流"开始你的第一个项目。

步骤2：添加Chat Trigger（聊天触发器）

这是用户与AI互动的入口。

配置说明：

• 模式选择：选择"Hosted Chat"（使用n8n托管的聊天界面，推荐新手）
• 界面展示：用户会看到一个简洁的聊天界面

步骤3：添加AI Agent节点

这是AI工作流的心脏。

基本配置：

1. 点击Chat Trigger下的添加节点按钮
2. 搜索"AI Agent"
3. 添加到画布

步骤4：配置聊天模型

AI代理需要连接到一个语言模型来处理对话。

支持的模型：

• OpenAI GPT-4o / GPT-4o mini
• Google Gemini
• DeepSeek
• Anthropic Claude
• Groq
• Azure OpenAI

添加模型步骤：

1. 点击AI Agent节点下面的"Chat Model"连接器旁的"+"按钮
2. 选择你想使用的模型
3. 点击"Select credential"添加API密钥
4. 去模型供应商官网获取API密钥并粘贴

步骤5：测试基础功能

1. 点击画布下方的"Chat"按钮
2. 打开聊天窗口
3. 输入任何问题，比如"你好，你是谁？"
4. 看AI的回答

步骤6：优化系统提示（System Message）

默认提示是"You are a helpful assistant"。你可以定制AI的个性。

添加自定义提示：

1. 打开AI Agent节点
2. 滚动到底部，点击"Add Option"
3. 选择"System Message"
4. 修改提示，例如：

你是一个专业的中文AI助手。你需要：
- 始终用简体中文回答
- 对用户友好、耐心
- 当不确定时要说"我不确定"
- 提供清晰、有条理的回答

步骤7：添加记忆功能

这样AI才能记住对话历史。

添加记忆：

1. 在AI Agent节点下方找到"Memory"连接器
2. 点击"+"按钮
3. 选择"Simple Memory"
4. 设置记忆消息数量（默认5条，通常足够）

步骤8：保存并激活工作流

1. 点击右上角"Save"按钮
2. 给工作流取个名字
3. 点击"Activate"使工作流在线运行

---

📋 完整可执行工作流示例

下面是一个完整的初学者友好的n8n AI工作流JSON代码。你可以复制这段代码到你的n8n实例中。

如何导入：

1. 在n8n中，创建一个新工作流
2. 点击菜单 → “Import from file” 或 “Paste JSON”
3. 复制下面的JSON到你的n8n
4. 添加你的OpenAI API密钥
5. 激活工作流

工作流代码：

{
  "name": "AI Smart Assistant - 智能助手",
  "nodes": [
    {
      "parameters": {
        "accessibility": "public"
      },
      "id": "chat-trigger",
      "name": "Chat Trigger",
      "type": "n8n-nodes-langchain.chatTrigger",
      "typeVersion": 1,
      "position": [
        -20,
        300
      ]
    },
    {
      "parameters": {
        "model": "gpt-4o-mini",
        "options": {
          "systemMessage": "你是一个非常有帮助的AI助手。你的目标是：\n1. 用简体中文回答所有问题\n2. 提供清晰、有条理的回答\n3. 当你不确定时，诚实地说'我不太确定'\n4. 友好、耐心地对待每个用户\n5. 根据需要提供详细的解释或简明扼要的答案\n\n记住：你是在帮助一个用户完成任务，所以要尽你所能提供最好的帮助。"
        }
      },
      "id": "ai-agent",
      "name": "AI Agent",
      "type": "n8n-nodes-langchain.agent",
      "typeVersion": 1,
      "position": [
        260,
        300
      ],
      "credentials": {
        "openAiApi": "your-openai-credentials-id"
      }
    },
    {
      "parameters": {
        "sessionIdType": "fromInput",
        "sessionIdValue": "chat_session",
        "order": "oldestFirst"
      },
      "id": "memory",
      "name": "Simple Memory",
      "type": "n8n-nodes-langchain.memorySimple",
      "typeVersion": 1,
      "position": [
        540,
        450
      ]
    }
  ],
  "connections": {
    "Chat Trigger": {
      "main": [
        [
          {
            "node": "AI Agent",
            "branch": 0,
            "index": 0,
            "type": "main"
          }
        ]
      ]
    },
    "AI Agent": {
      "ai_memory": [
        [
          {
            "node": "Simple Memory",
            "branch": 0,
            "index": 0,
            "type": "ai_memory"
          }
        ]
      ]
    }
  },
  "active": false,
  "settings": {
    "executionOrder": "v1"
  },
  "id": "ai-smart-assistant",
  "meta": {
    "templateId": "n8n-ai-smart-assistant"
  },
  "versionId": "123abc"
}

工作流说明：

这个工作流包含三个核心节点：

1. Chat Trigger（蓝色聊天图标）

   • 作用：提供用户聊天界面
   • 接收用户输入的文本消息
   • 触发整个工作流执行

2. AI Agent（紫色AI图标）

   • 作用：处理用户消息的核心
   • 连接到OpenAI的GPT-4o-mini模型
   • 使用你设置的系统提示来指导AI行为
   • 会多次运行来思考和生成最佳回答

3. Simple Memory（记忆图标）

   • 作用：存储对话历史
   • 默认保存最后5条交互
   • 让AI记住用户之前说的话

数据流向：

用户输入 → Chat Trigger 
    ↓
AI Agent 读取消息并思考
    ↓
AI Agent 查询Simple Memory（"用户之前说了什么？"）
    ↓
AI Agent 调用OpenAI模型生成回答
    ↓
Simple Memory 存储这次对话
    ↓
回答返回给用户

使用体验：

激活后，你可以这样与AI互动：

👤 你：你好，我是李明
🤖 AI：你好，李明！很高兴认识你。有什么我可以帮助你的吗？

👤 你：我叫什么名字？
🤖 AI：你叫李明。我们刚才才认识呢！

👤 你：用中文解释什么是机器学习
🤖 AI：机器学习是一种让计算机从数据中学习的技术...

---

💡 常见问题解答

Q1: Chain和Agent到底应该怎么选择？

• 如果任务流程固定、不需要思考：用Chain
• 如果任务需要AI做决策、需要工具、需要记忆：用Agent
• 大部分AI应用都应该用Agent

Q2: 我的AI总是给出不好的答案，怎么办？

• 改进System Message，给AI更详细的指导
• 使用更强大的模型（例如从gpt-4o-mini升级到gpt-4o）
• 提供示例：在System Message中给出输入输出示例
• 使用RAG连接向量数据库提供准确的背景信息

Q3: 如何处理敏感数据？

• 使用自托管n8n保持数据完全控制
• 不要在System Message中存储敏感信息
• 使用OAuth和API密钥加密
• 定期检查n8n的审计日志

Q4: AI工作流会用完我的API配额吗？

• 会。每个Chat Trigger消息 = 一次工作流执行
• 对话越长，AI运行次数越多
• 建议监控使用情况
• 可以设置每天/月的执行上限

Q5: 我可以让多个代理一起工作吗？

• 可以！这叫Multi-Agent System
• 一个代理可以调用另一个代理工作流
• 适合分工合作处理复杂任务

---

总结

AI自动化不再是少数人的特权。通过n8n，任何人都可以构建智能、高效的自动化工作流。

你现在已经掌握了：

• ✅ AI的核心概念（Chain、Agent、Memory）
• ✅ 工具的强大能力
• ✅ 如何构建你的第一个AI工作流
• ✅ 实际应用的思路

---

• 官方文档
• n8n系列教程