AIAgent智能体应用与实战课件 第4章 n8n智能体工作流技术解析

n8n智能体工作流技术解析第4章4.1n8n平台介绍4.2JSON数据格式解析4.3n8n的部署4.4n8n平台的汉化4.5通过Ollama部署本地大模型4.6n8n工作流常见节点4.74.8AIAgent节点的配置HTTP请求节点的使用4.9实战案例：基础n8n工作流搭建4.10本章小结4.11课后练习4.1.1n8n平台介绍在使用n8n之前，用户需要使用邮箱和密码注册账户并登录，登录成功后可以进入n8n的主界面，如图所示。4.1.2n8n的技术生态n8n具备很强的扩展性，主要源于其社区中包含大量开发者开发的节点与插件，用户可以直接安装和使用。n8n的社区界面如图所示。用户可以在社区中搜索所需的n8n节点，然后根据命令进行安装。社区会经常更新节点，也会举办一些开发赛事。随着社区的不断发展，未来会出现更多新的节点，以解决更多的问题。4.1.3n8n的优势与应用领域n8n相较于其他工作流产品的优势在于它可以部署在本地服务器上，这意味着用户对数据和流程拥有完全的控制权，数据安全性也得到了保证。同时，其开源属性决定了用户可以查看、修改和扩展其源代码，并且可以自行开发节点，以满足特定的新需求。强大的自定义能力让n8n可以实现用户想要的逻辑，轻松将数据通过API提交给外部服务，满足AIAgent调用其他工具的需求；完善的社区与生态使n8n可以随着AIAgent的发展不断适配新的应用场景。n8n的应用领域包括专业分析领域、自媒体创作领域、智能办公领域、文案写作领域、艺术创作领域、视频剪辑领域等。4.1n8n平台介绍4.2JSON数据格式解析4.3n8n的部署4.4n8n平台的汉化4.5通过Ollama部署本地大模型4.6n8n工作流常见节点4.74.8AIAgent节点的配置HTTP请求节点的使用4.9实战案例：基础n8n工作流搭建4.10本章小结4.11课后练习4.2.1JSON的优势4.2.2JSON的数据类型4.2.3JSON数据的传输n8n中的数据传输格式是JSON，根据节点代码逻辑的不同，处理结果也不同。例如，在节点配置界面的左侧可以看到输入的JSON数据，在右侧可以看到经过节点处理后输出的JSON数据，如图所示。4.1n8n平台介绍4.2JSON数据格式解析4.3n8n的部署4.4n8n平台的汉化4.5通过Ollama部署本地大模型4.6n8n工作流常见节点4.74.8AIAgent节点的配置HTTP请求节点的使用4.9实战案例：基础n8n工作流搭建4.10本章小结4.11课后练习4.3.1使用Node.js部署n8n在命令行中，执行以下命令以进行n8n的安装。npminstalln8n-g安装完成后，执行如下命令即可启动n8n。n8n的启动过程如图所示。4.3.2n8n重置用户名与密码当用户清理缓存后，可能会出现忘记用户名和密码的情况。此时，可以通过命令n8nuser-management:reset命令对数据库中的数据进行重置，从而对登录时的用户名和密码进行重置。4.1n8n平台介绍4.2JSON数据格式解析4.3n8n的部署4.4n8n平台的汉化4.5通过Ollama部署本地大模型4.6n8n工作流常见节点4.74.8AIAgent节点的配置HTTP请求节点的使用4.9实战案例：基础n8n工作流搭建4.10本章小结4.11课后练习4.4n8n平台的汉化原生n8n采用英文界面，方便不同国家和地区的用户使用。如果想将其汉化，需要手动进行软件的安装与配置，如果有些文字仍不能汉化，可以采用浏览器中自带的翻译功能对其进行汉化。汉化的主要目的是方便中文用户理解n8n中各项操作的意义。本节讲解如何汉化n8n。n8n的汉化可以通过国际化i18n语言包来实现，先在GitHub中搜索i18n，再将该语言包下载到本地并解压。根据n8n部署方法的不同，其汉化的方法也不同。由于本书使用Node.js部署n8n，因此也使用Node.js来汉化它。按照如下步骤进行操作：首先找到n8n部署本地路径中的npm-cache_npx\n8n\node_modules\n8n-editorpui\dist；接着用解压后的i18n文件替换dist目录下的文件；然后设置环境变量N8N_DEFAULT_LOCALE=zh-CN；最后重启n8n即可实现汉化。4.1n8n平台介绍4.2JSON数据格式解析4.3n8n的部署4.4n8n平台的汉化4.5通过Ollama部署本地大模型4.6n8n工作流常见节点4.74.8AIAgent节点的配置HTTP请求节点的使用4.9实战案例：基础n8n工作流搭建4.10本章小结4.11课后练习4.5.1Ollama介绍Ollama是一款轻量化的大语言模型本地运行框架，支持在个人计算机上快速部署和调用主流开源模型，如Llama、Mistral、Gemma等。它通过简洁的命令行与API，使开发者无须搭建复杂环境即可离线运行大模型，且支持模型管理、推理调用与多模型切换，为AIAgent开发提供了高效便捷的本地推理方案。Ollama的官网如图所示。4.5.2使用Ollama部署本地大模型的方法（1）安装Ollama。Ollama是免费开源的工具，主要用来将大模型部署到本地，支持通过命令行自动完成大模型下载和部署。访问Ollama官网，如图所示，单击“Download”按钮进行下载，然后将Ollama安装在本地，安装成功后便可通过命令行的形式访问。4.5.2使用Ollama部署本地大模型的方法（2）在命令行中执行“ollama”命令，如果能正常返回Ollama的相关信息，就说明Ollama安装成功。如图所示，可以看到Ollama中可用的命令。其中，非常常用的是run命令，执行该命令可以运行大模型。4.5.2使用Ollama部署本地大模型的方法（3）当Ollama安装成功后，可以通过它安装模型。由于Ollama支持的模型有若干版本，需要在Ollama官网的“Model”选项卡中选择模型，进入模型界面后通过模型的版本号来进行选择和部署。找到“deepseek-r1”并单击，如图所示。4.5.2使用Ollama部署本地大模型的方法（4）在进入的模型界面的下拉列表中，选择“1.5b”作为要部署的版本，在下拉列表的右侧会出现命令“ollamarundeepseek-r1:1.5b”，如图所示。复制命令，准备在命令行中执行它。4.5.2使用Ollama部署本地大模型的方法（5）在命令行中执行上一步复制的命令“ollamarundeepseek-r1:1.5b”，等待Ollama对大模型进行部署，如图所示。4.5.2使用Ollama部署本地大模型的方法（6）等待部署的过程结束，当所有的进度达到100%后，可以看到“success”提示，表示模型已经安装成功，如图所示。4.5.2使用Ollama部署本地大模型的方法（7）可以看到Ollama返回了“Sendamessage”提示，等待用户输入提示词。例如，输入“你好，请帮我写一个三亚旅游攻略，120字左右”，可以看到大模型返回的结果，如图所示，这表示本地部署大模型成功。4.1n8n平台介绍4.2JSON数据格式解析4.3n8n的部署4.4n8n平台的汉化4.5通过Ollama部署本地大模型4.6n8n工作流常见节点4.74.8AIAgent节点的配置HTTP请求节点的使用4.9实战案例：基础n8n工作流搭建4.10本章小结4.11课后练习4.6.1触发器节点触发器节点一般是n8n工作流中的第1个节点，负责接收用户输入。触发器节点的触发类型有以下几种。（1）手动触发：类似于启动按钮，当用户单击按钮时，触发工作流的启动。（2）表单触发：当用户提交表单时自动触发，用于获取用户的输入信息。（3）Webhook触发：当外部系统向指定的统一资源定位符（UniformResourceLocator，URL）发送请求时触发，等待消息到达时启动工作流。（4）定时触发：设定具体的触发时间，准时启动工作流。4.6.2表格提交节点表格提交节点一般用于在工作流中进行用户信息收集，创建好的表单节点如图所示。4.6.3代码节点代码节点用于接收前置节点的输入，并允许用户编写代码来对数据进行处理，是非常灵活的由用户自定义的节点。代码节点支持的编程语言有Python和JavaScript两种，创建好的JavaScript代码节点如图所示。4.6.4编辑字段节点编辑字段节点用于对得到的输入字段进行分类、提取，使其更符合用户的使用标准，并将输出格式化为标准的JSON格式，方便下游节点调用。创建好的编辑字段节点如图所示。4.6.5If节点If节点用于工作流的分支选择，在添加节点界面输入If后就可以找到If节点，创建好的If节点如图所示。在If节点的配置界面中，通过值1和值2的比较结果（true或false），让工作流沿对应的分支执行，和程序设计中的if-else语句是同一个道理。If节点的配置界面如图所示。4.6.6筛选节点筛选节点用于分类数据，根据用户配置的值1和值2之间的关系，将满足条件的数据传递给下游节点，将不满足条件的数据舍弃。创建好的筛选节点如图所示。4.6.7循环节点循环节点用于循环执行循环体内的所有节点，类似于程序设计中的for循环。在循环节点的配置界面中，“批量大小”代表循环次数，指执行循环体内所有节点的次数，当循环结束后，从完毕端口连接到下一个节点，如图所示。4.6.8合并节点合并节点用于将两个或者多个输入合并为同一个输出，例如将两段文本进行拼接。创建好的合并节点如图所示。4.6.9文件类节点文件类节点用于对文件进行操作，如将其存储到磁盘中或者从磁盘中读取文件。创建好的文件类节点如图所示。在文件类节点的配置界面中，“操作”表示读写方式，分为“将文件写入磁盘”“从磁盘读取文件”两种，“文件路径和名称”表示本地保存路径，配置好后即可实现读取/写入文件的功能，如图所示。4.1n8n平台介绍4.2JSON数据格式解析4.3n8n的部署4.4n8n平台的汉化4.5通过Ollama部署本地大模型4.6n8n工作流常见节点4.74.8AIAgent节点的配置HTTP请求节点的使用4.9实战案例：基础n8n工作流搭建4.10本章小结4.11课后练习4.7.1聊天模型配置本节将讲解在n8n中非常重要的一个节点——AIAgent节点。这个节点的使用频率非常高，是整个工作流的“大脑”。要开发完整的AIAgent，就必须向工作流中添加这个节点。创建好的AIAgent节点如图所示，其下方有3个“+”按钮，分别用来创建聊天模型、配置记忆、配置工具。4.7.2工具配置在创建好AIAgent节点后，这个节点还无法和用户进行交互，需要为其配置聊天模型。单击AIAgent节点下方的聊天模型“＋”按钮，跳转至聊天模型选择列表，如图所示。常见的聊天模型有Ollama聊天模型、GoogleGemini聊天模型、DeepSeek聊天模型、AzureOpenAI聊天模型等。4.7.3记忆配置当选择给AIAgent节点配置简单记忆时，配置界面中的“Key”“上下文窗口长度”分别表示记忆的关键字和范围，可以实现长期记忆和短期记忆。简单记忆的配置界面如图所示。4.7.4格式化输出配置当对AIAgent节点的输出进行格式化时，需要用到格式化输出解析器（StrOutputParser），（格式化输出解析开关的位置在AIAgent节点界面的“需要特定输出格式”下，如图4-41所示），如果要使用JSON格式来限制输出的键值对，需要设置“模式类型”为“从JSON示例生成”，如需系统自动修复JSON的格式，可以打开“自动修复格式”开关（默认配置为关闭），在“JSON示例”输入框中输入如下代码。4.1n8n平台介绍4.2JSON数据格式解析4.3n8n的部署4.4n8n平台的汉化4.5通过Ollama部署本地大模型4.6n8n工作流常见节点4.74.8AIAgent节点的配置HTTP请求节点的使用4.9实战案例：基础n8n工作流搭建4.10本章小结4.11课后练习4.8.1什么是HTTP请求本节将讲解n8n工作流中另一个非常重要的节点——HTTP请求节点，它的作用是实现工作流和外部网络的通信。它通过配置GET、POST请求，从外部站点请求、获取数据，完成工作流和外部数据的交互。创建好的HTTP请求节点如图所示。4.8.2

配置HTTP请求的请求头和请求体HTTP请求的关键组成部分如下。（1）请求行：描述了客户端想做什么。其中HTTP方法包含GET（获取）、POST（提交）、PUT（更新）、DELETE（删除）。（2）请求头：包含关于请求的元数据，以键值对的形式存在，例如浏览器类型、接受的语言、认证信息等。（3）请求体：包含要发送给服务器的实际数据，如表单数据或上传的文件，通常在POST请求中出现，与请求头用空行分隔。4.1n8n平台介绍4.2JSON数据格式解析4.3n8n的部署4.4n8n平台的汉化4.5通过Ollama部署本地大模型4.6n8n工作流常见节点4.74.8AIAgent节点的配置HTTP请求节点的使用4.9实战案例：基础n8n工作流搭建4.10本章小结4.11课后练习4.9

【实战案例】：基础n8n工作流搭建（1）启动n8n创建一个工作流，在工作流中创建一个收到聊天消息时启动工作流的触发器节点，如图所示。4.9

【实战案例】：基础n8n工作流搭建（2）在工作流中创建一个基础LLM链节点，配置“提示（用户消息）”为“你是一个领域专家，可以回答各种AI方面的问题。”，如图所示。4.9

【实战案例】：基础n8n工作流搭建（3）在基础LLM链节点中单击“模型”按钮，为其添加一个Ollama聊天模型，效果如图所示。4.9

【实战案例】：基础n8n工作流搭建（4）配置Ollama账户，由于通过Ollama部署的DeepSeek模型在本地，因此只需要配置“BaseURL”为“:11434”，“APIKey”可以不填或者填任意值，如图所示。4.9

【实战案例】：基础n8n工作流搭建（5）将触发器节点和基础LLM链节点进行连接，如图所示。4.9

【实战案例】：基础n8n工作流搭建（6）在下方的“聊天”界面中，输入“介绍下你自己”提示词并发送，大模型返回的结果如图所示。4.1n8n平台介绍4.2JSON数据格式解析4.3n8n的部署4.4n8n平台的汉化4.5通过Ollama部署本地大模型4.6n8n工作流常见节点4.74.8AIAgent节点的配置HTTP请求节点的使用4.9实战案例：基础n8n工作流搭建4.10本章小结4.11课后练习4.10

本章小结本章通过详细介绍n8n平台的功能与工作流构建，帮助读者了解如何使用n8n进行AIAgent应用的开发。本章从对n8n平台的基本介绍开