?前言
n8n是一款開源的低代碼自動化工具,專注于AI工作流構建,支持靈活的自定義與集成。
就是可以把大模型和其他工具聯合起來,這就厲害了。而且,免費功能又強大,目前很火,來研究一下。
功能說明
本節目標:n8n調用公網的大數據模型,完成一個簡單的工作流。
技術準備
1、n8n的安裝見前面文檔:
【AI平臺】n8n入門1:詳細介紹n8n的多種安裝方式(含docer圖形化安裝n8n)-CSDN博客
2、n8n是英文版(沒找到中文切換到地方?),我給瀏覽器安裝了翻譯插件,需要的可以參考:
【實用】chrome瀏覽器安裝翻譯插件-CSDN博客
3、其他(參考可選):
n8n工作流?,鏈接本地大模型,見
【AI平臺】n8n入門2:第一個工作流,調用本地大模型-CSDN博客
本節涉及的三種調用方式
n8n對大語言模型調用,有不同方式:
一種,內置了大語言模型的信息,只要提供API-key就行了,如?DeepSeek、Gemini
另一種,用request調用,像硅基流動、阿里平臺支持很多模型,就用這種,相對復雜一點點,但平臺有免費token可以用,優先介紹這種:
第三種,和上面類似,是通過Open API標準協議,調用各種大模型,包括各平臺的大模型,當然也可以是大模型原廠的,最后介紹這種。
request調用方式
公網大數據模型準備
沒有大語言模型可以的,參考之前文檔,注冊及API-key(用的是硅基流動200萬免費tocken)
AI入門8:通過vsCode用python訪問公網deepseek-r1等模型(Tocken模式)_vscode deepseek r1 請求格式錯誤-CSDN博客
然后,需要收集三個信息:模型名稱和cURL,以及API-key。
在硅基流動模型廣場,選一個模型:?Models
注意,如果是免費tocken,不要選帶Pro前綴的,這個免費tocken用不了:
我這里以R1?為例,點擊,可以查看詳細信息,
拷貝模型名稱備用:deepseek-ai/DeepSeek-R1
然后,點擊API文檔,進一步查看頁面信息:
把其中cURL信息拷貝下來,備用:
curl --request POST \--url https://api.siliconflow.cn/v1/chat/completions \--header 'Authorization: Bearer <token>' \--header 'Content-Type: application/json' \--data '{"model": "Qwen/QwQ-32B","messages": [{"role": "user","content": "What opportunities and challenges will the Chinese large model industry face in 2025?"}],"stream": false,"max_tokens": 512,"stop": null,"temperature": 0.7,"top_p": 0.7,"top_k": 50,"frequency_penalty": 0.5,"n": 1,"response_format": {"type": "text"},"tools": [{"type": "function","function": {"description": "<string>","name": "<string>","parameters": {},"strict": false}}]
}'
在有就是,把自己的API-key拷貝下來,備用:?
?大模型的信息準備完了,可是正式配置u8n工作流了。
創建工作流
進入n8n軟件:http://localhost:5678/,創建工作流:
?
改名,我這里取名“firstExample”,然后點擊“添加第一步”,觸發選擇“在聊天信息時”:
?
?然后,打開聊天設置窗口:
?
點擊“測試聊天”,輸入一個測試數據,后面配置看著方便,
關聯平臺的大語言模型
因為沒有關聯程序,返回“無響應”=》節點執行成功,關閉聊天,繼續配置就行了:?
?
在主界面,點擊“+”,選擇“核心”:
?
選擇http請求,進入配置頁面,
?點擊“import cURL”,把剛才拷貝的大模型的cURL粘貼過來,導入,系統自動讀入參數:
把API-key替換到Bearer后面,注意這中間要留空格,
?修改json,在json框中,修改model名稱為剛才選的模型名稱,然后content是推給大模型的問題,我們用起始節點的輸入內容,修改代碼參考如下:
{
? "model": "deepseek-ai/DeepSeek-R1",
? "messages": [
? ? {
? ? ? "role": "user",
? ? ? "content": "{{ $json.chatInput }}"
? ? }
? ],
? "stream": false,
? "max_tokens": 512,
? "stop": null,
? "temperature": 0.7,
? "top_p": 0.7,
? "top_k": 50,
? "frequency_penalty": 0.5,
? "n": 1,
? "response_format": {
? ? "type": "text"
? },
? "tools": [
? ? {
? ? ? "type": "function",
? ? ? "function": {
? ? ? ? "description": "<string>",
? ? ? ? "name": "<string>",
? ? ? ? "parameters": {},
? ? ? ? "strict": false
? ? ? }
? ? }
? ]
}?
修改完,點擊頂部的“Test step”,返回大模型的答復信息,就是調用成功了。
就可以聊天使用了:
n8n內置大模型的方式
準備大模型數據
以DeepSeek為例,注冊賬號,進入API開發平臺:
?創建API密鑰,并拷貝備用:
?還需要充值。
創建工作流?
創建一個新工作流,以聊天信息觸發,作為開始節點,這和上邊相同,?然后增加節點,選“人工智能”:
?在選"人工智能代理":
??在彈出頁面,選擇添加聊天模型:
?
選擇DeepSeek:
?
?創建新憑證:
?
添加在DeepSeek網站注冊的APK-key:
?然后,選擇模型,需要平臺充值,模型才能用
后面的步驟就是類似的了。?
Open API的調用方式
準備大數據OpenAPI信息
硅基流動官網API調用方式見文檔:快速上手 - SiliconFlow
拷貝其中的base_url,備用:
base_url="https://api.siliconflow.cn/v1"
?還有大模型名稱、API-key,和request調用方式中的相同。
創建工作流
創建一個新工作流,以聊天信息觸發,作為開始節點,這和上邊相同,?然后增加節點,選“人工智能”:
?在選"人工智能代理",【注,不要選這個界面的OpenAI,這是openAI他家的模型,不是用Open AI協議的模型】:
??在彈出頁面,選擇添加聊天模型:
?
選擇OpenAI聊天模型:
彈出對話框,配置憑證,
輸入硅基流動的base_url,和API-key,保存,回到模型配置界面,選擇一個大模型就可以了:
返回主頁面,測試一下,通過的節點都是標綠的。
結尾
這么簡單的功能,弄起來也不簡單,但復雜的功能,是簡單的功能拼起來的,會越來越強大的,💪💪💪