?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，💪💪💪
)
