5. 创建工作流程代理
功能介绍
n8n 的 AI Agent 功能允许你构建能够自主决策和行动的智能自动化系统。与普通工作流不同,AI Agent 不只是按预定步骤执行,而是通过大语言模型(LLM)理解用户意图,自主决定调用哪些工具来完成任务,并根据工具返回的结果进行下一步决策,直到任务完成。
n8n 通过深度集成 LangChain 框架,提供了完整的 AI Agent 构建能力,主要节点包括:
- AI Agent 根节点:Agent 的核心,连接 LLM 模型、工具和记忆组件。
- Chat Model 子节点:为 Agent 提供推理能力的 LLM(如 OpenAI GPT-4o、Anthropic Claude 等)。
- Tool 子节点:Agent 可调用的工具,包括 HTTP Request 工具、计算器、代码执行、内置工作流工具等。
- Memory 子节点:为 Agent 提供对话历史记忆,使 Agent 能进行多轮对话。
- Output Parser 子节点:将 Agent 的输出解析为结构化数据(JSON 等格式)。
AI Agent 的核心参数
使用方法
创建基础 AI Agent

新建工作流,添加一个 Chat Trigger 节点(作为用户输入来源)。

搜索并选择「AI Agent」节点与「Chat Trigger」节点连接。

点击 AI Agent 节点下方的「聊天模式」子节点连接点,添加 LLM 节点。

在LLM节点中,配置凭证和模型。

点击 AI Agent 节点下方的「工具」连接点,添加工具节点。

点击 AI Agent 节点的「Add Option」> 「系统消息」,可以输入 Agent 的角色设定。

填写提示词。

点击「开放聊天」即可开始测试。

在弹出的聊天面板中与 Agent 对话,测试其能力。

完成调试后即可发布工作流。

在聊天页面也可以找到创建的 AI Agent。
为 Agent 添加记忆

点击 AI Agent 节点下方的「记忆」子节点连接点。

选择记忆类型,保留最近 N 轮对话历史。

配置记忆参数,发布后,Agent 将能在同一会话中记住之前的对话内容。
使用技巧
- System Message 的质量决定 Agent 效果。好的 System Message 应明确告知 Agent:它的角色是什么、可以做什么、不应该做什么,以及何时应该向用户请求澄清。
- 工具描述要清晰准确。Agent 通过工具的名称和描述来决定何时调用它,描述越精确,Agent 的工具选择就越准确。
- 使用 Human Review(人工审批):对于涉及敏感操作的工具(如发送邮件、删除数据),可在工具连接器处启用人工审批,Agent 在调用这些工具前会暂停,等待人工确认。
示例一
示例二
示例三

评论
0 条