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

参数说明
System MessageAgent 的系统指令,定义其角色、行为规则和能力边界
Max IterationsAgent 执行工具调用的最大轮次,防止陷入无限循环(默认 10 次)
Return Intermediate Steps是否在输出中包含中间推理步骤(调试时建议开启)
Require Specific Output Format是否要求 Agent 输出结构化格式(开启后需连接 Output Parser)

使用方法

创建基础 AI Agent

image-20260415234402617

新建工作流,添加一个 Chat Trigger 节点(作为用户输入来源)。

image-20260415234432147

搜索并选择「AI Agent」节点与「Chat Trigger」节点连接。

image-20260415234558046

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

image-20260415234642128

在LLM节点中,配置凭证和模型。

image-20260415234714434

点击 AI Agent 节点下方的「工具」连接点,添加工具节点。

image-20260415234945538

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

image-20260415235113794

填写提示词。

image-20260415235305472

点击「开放聊天」即可开始测试。

image-20260415235347362

在弹出的聊天面板中与 Agent 对话,测试其能力。

image-20260415235410642

完成调试后即可发布工作流。

image-20260415235447150

在聊天页面也可以找到创建的 AI Agent。

为 Agent 添加记忆

image-20260415235937353

点击 AI Agent 节点下方的「记忆」子节点连接点。

image-20260416000039582

选择记忆类型,保留最近 N 轮对话历史。

image-20260416000055135

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

场景:构建一个可以实时查询天气的 AI 聊天助手
配置:
  触发器:Chat Trigger
  AI Agent 系统指令:
    "你是一个天气助手。当用户询问天气时,使用 weather 工具查询实时天气数据。
     回复时使用中文,语气亲切自然,并给出穿衣建议。"
  工具:HTTP Request Tool(调用 OpenWeatherMap API)
    名称:weather
    描述:获取指定城市的实时天气信息。输入城市名称(中文或英文)。
    URL:https://api.openweathermap.org/data/2.5/weather?q={city}&appid=xxx&lang=zh_cn
  LLM:OpenAI gpt-4o

示例二

场景:构建 GitHub Issue 自动分类和分配 Agent
配置:
  触发器:Webhook(接收 GitHub Webhook 事件)
  AI Agent 系统指令:
    "你是一个 GitHub 项目管理助手。分析 Issue 内容,判断其类型
     (bug/feature/documentation/question),评估优先级(high/medium/low),
     并推荐最合适的团队成员来处理。输出 JSON 格式。"
  工具:GitHub Tool(查询仓库贡献者和 Label 信息)
  Output Parser:JSON Output Parser(结构化输出)

示例三

场景:构建支持多轮对话的客服 Agent(带记忆)
组件:
  触发器:Chat Trigger
  AI Agent → System Message:
    "你是 n8n 技术支持助手,专门帮助用户解决 n8n 使用问题。
     如果问题超出你的知识范围,请诚实告知并引导用户查阅官方文档。"
  LLM:Anthropic Claude 3.5 Sonnet
  Memory:Window Buffer Memory(Context Window Length = 10)
  Tool:HTTP Request Tool(搜索 n8n 官方文档)

评论

0
还没有评论,来写第一条吧