【n8n教程】：AI Agent节点，构建你的智能自动化机器人

AI Agent（人工智能代理） 是一种能够理解任务、做出决策并自动执行操作的智能系统。与传统的自动化工作流不同，AI Agent 拥有推理能力，可以根据不同的场景灵活地选择合适的工具来完成任务。

简单来说，如果说传统的自动化是按照既定的规则走流程，那么 AI Agent 就像一个聪明的员工，能够理解你的需求，主动判断需要使用哪些工具，然后完成工作。

点击获取最新AI资讯、n8n工作流、开发经验分享

AI Agent 的核心组成部分

n8n 提供了多种 Agent 类型，每种都有不同的特点和应用场景：

1. Tools Agent（工具代理）- 推荐新手使用

特点：

• 最灵活且功能最强大的 Agent 类型
• 能够理解工具的能力和参数
• 支持最多的大语言模型（OpenAI、Groq、Mistral、Anthropic 等）
• 具有改进的输出解析能力

适用场景：

• 需要与多个第三方服务集成
• 处理复杂的自然语言理解任务
• 需要与 100+ 种预建工具集成

支持的工具范围： 从 Google Sheets、Slack、GitHub，到 Airtable、Salesforce、MySQL 等，Tools Agent 支持 n8n 生态中的所有集成工具。

2. OpenAI Functions Agent（OpenAI 函数代理）

特点：

• 专门针对 OpenAI 的函数调用能力优化
• 必须使用 OpenAI Chat Model
• 更精准的函数调用

适用场景：

• 仅使用 OpenAI 模型
• 需要最高精准度的函数调用

3. Plan and Execute Agent（计划与执行代理）

特点：

• 首先制定高层计划，然后逐步执行
• 适合需要结构化方法的任务
• 更有条理的决策过程

适用场景：

• 复杂的多步任务
• 需要明确的执行计划
• 事项分解（如项目规划、流程设计）

已弃用的 Agent 类型

以下 Agent 类型已在 2025 年 2 月被 n8n 移除：

• Conversational Agent（对话代理）
• ReAct Agent（推理与行动代理）
• SQL Agent（SQL 代理）

前置条件

在开始之前，你需要准备：

1. n8n 账户：前往 n8n.io 注册（免费）
2. LLM API 密钥：
   • OpenAI API 密钥（推荐）：获取地址
   • 或使用 Groq、Mistral、Anthropic 等其他提供商

第一步：创建基础工作流结构

工作流需要的基本节点：

1. Chat Trigger（聊天触发器） – 工作流的入口
   • 提供用户交互界面
   • 捕获用户输入
2. AI Agent（AI 代理） – 工作流的核心
   • 处理用户输入
   • 决定使用哪些工具
   • 返回结果
3. Chat Model（聊天模型） – Agent 的”大脑”
   • 提供 LLM 支持
   • 必须连接到 AI Agent
4. Memory（记忆） – 对话历史管理
   • 保留历史信息
   • 维护上下文

第二步：配置 AI Agent 节点

基本参数配置

Prompt 参数：

Agent Options（代理选项）：

最佳实践：编写有效的 System Message

第三步：连接 Chat Model

1. 点击 AI Agent 节点下方的 “+ Chat Model” 按钮
2. 选择你的 LLM 提供商（如 OpenAI）
3. 输入 API 密钥或选择已保存的凭证
4. 配置参数：
   • Model：选择模型版本（推荐 gpt-4o）
   • Temperature：设置为 0.7（平衡创意和一致性）
   • Frequency Penalty：设置为 0.2（避免重复）

第四步：添加记忆功能

1. 搜索并添加 Simple Memory 节点
2. 配置记忆参数：
   • Session Key：用唯一标识区分不同用户

这样每个用户的对话历史都会被单独保存。

第五步：添加 Tools（工具）

Tools 是 Agent 执行实际操作的方式。你可以添加：

API 调用工具：

• HTTP Request – 调用任何 REST API
• Code – 执行自定义代码

集成工具：

• Gmail – 发送和读取邮件
• Google Sheets – 读写电子表格
• Slack – 发送消息、管理频道
• 等 100+ 其他工具

如何添加工具：

1. 在 AI Agent 节点下方，找到 “+ Tool” 按钮
2. 选择你想使用的工具
3. 配置工具的参数和凭证
4. 为工具编写清晰的描述（Agent 会根据这个判断是否使用）

错误 1: “A Chat Model sub-node must be connected”

原因： AI Agent 没有连接到任何聊天模型。

解决方案：

1. 打开 AI Agent 节点
2. 点击底部的 “+ Chat Model” 按钮
3. 选择并配置一个 LLM 模型

错误 2: “No prompt specified”

原因： Prompt 参数配置不当。

解决方案：

1. 检查 Prompt 下拉菜单
2. 如果选择了 “Connected Chat Trigger Node”，但没有连接触发器，改为 “Define below”
3. 确保输入的表达式返回有效值（不是 null）

错误 3: “Internal error: 400 Invalid value for ‘content'”

原因： Prompt 输入包含 null 值。

解决方案：

1. 检查所有表达式是否引用了有效字段
2. 确保来自上一节点的 不包含 null 值
3. 在测试前验证数据

错误 4: “Error in sub-node Simple Memory”

原因： 使用了旧版本的 Simple Memory 节点。

解决方案：

1. 删除当前的 Simple Memory 节点
2. 重新添加一个新的 Simple Memory 节点
3. 重新配置参数

这个案例演示如何构建一个能够：

• 与用户对话
• 查询天气信息
• 记住对话历史

n8n 工作流 教程

工作流代码

如何使用这个工作流

1. 复制上面的 JSON 代码
2. 导入到 n8n：
   • 在 n8n 中创建新工作流
   • 点击菜单 → “导入从 URL” 或 “导入从文件”
   • 粘贴或上传 JSON 代码
3. 配置凭证：
   • 打开 OpenAI Chat Model 节点
   • 输入你的 OpenAI API 密钥
4. 激活工作流：
   • 点击右上角的 “激活” 按钮
5. 测试聊天：
   • 点击 Chat Trigger 节点的 “打开聊天” 按钮
   • 尝试询问：“巴黎现在的天气怎么样？”

工作流流程说明

扩展这个工作流

添加更多功能的想法：

1. 添加 Google Calendar 工具 – 查询日程安排
2. 添加 Gmail 工具 – 发送天气提醒邮件
3. 添加 Slack 工具 – 在 Slack 中发布天气更新
4. 添加代码节点 – 自定义数据处理逻辑

使用 Streaming（流式传输）

启用 Streaming 可以让 AI Agent 实时返回结果，而不是等待完整回复：

好处：

• 提供实时反馈
• 改善用户体验
• 减少等待时间

返回中间步骤

启用 “Return Intermediate Steps” 可以看到 Agent 的思考过程：

这对于调试和优化很有帮助。

Q: AI Agent 和普通工作流有什么区别？ A: AI Agent 拥有推理和决策能力，可以根据输入灵活选择工具；普通工作流是固定的流程。

Q: 为什么我的 Agent 没有使用我添加的工具？ A: 检查工具描述是否清晰；System Message 中是否指导了工具使用；Prompt 中是否包含使用工具的指示。

Q: 如何降低 AI Agent 的成本？ A: 使用开源模型（如 Ollama）；降低 Max Iterations；优化 Prompt 以减少 Token 使用。

Q: Agent 可以访问机密数据吗？ A: n8n 支持加密凭证存储；确保不要在 Prompt 或工具描述中暴露敏感信息。

官方文档

n8n系列教程