2024 n8n+Deepseek大模型智能工作流高级搭建全攻略

我们接着基础篇的内容往下聊。

基础篇里，我们认识了AI核心节点“AI Agent”以及它下面挂着的Memory和Tool两个子节点，也搞清楚了它们各自的作用、优缺点和适用场景。同时，还演示了怎么把Deepseek的API对接到“AI Agent”的插槽上。不过，那只是其中一种办法。其实还有另一条路，而且这条路的通用性更强——它不只适用于Deepseek，国内目前市面上所有对外开放的AI API，像字节豆包、阿里通义千问、讯飞星火、百度文心一言等等，都能通过这种方式接进来。考虑到基础篇篇幅有限，这部分内容就放到进阶篇来详细拆解。

连接Deepseek的另一种方法

先聊聊另一个方法。基础篇里我们用了点小聪明——通过“欺骗”OpenAI Chat model节点，成功调用了Deepseek。原因很简单，Deepseek的调用接口和ChatGPT的API有99%的兼容性，所以用OpenAI的节点去调它，完全行得通。而且，只要是兼容ChatGPT API的其他模型，理论上一视同仁，都可以照此办理。

不过，真正的“万能钥匙”其实是HTTP Request节点。为什么这么说？因为API本质就是开放的Web调用接口，只要对方提供AI API，我们就可以用HTTP Request节点直接发起请求——填好URL、配好参数，就能完成调用。

但得提醒一句：用HTTP Request调用大模型，会比直接用OpenAI Chat model节点复杂不少。而且，一旦你用了HTTP Request，就没法再用n8n内置的LangChain节点了——因为HTTP Request不能作为子节点挂在LangChain下方。这就意味着，工作流的编排难度会直线上升，n8n在AI领域的很多能力也就没法充分发挥了。所以，实话实说，更推荐还是用“欺骗”OpenAI节点的那个办法，它能把国产大模型的API转成OpenAI API的格式接进来，操作更顺手。

步骤1：把HTTP Request节点拖到画布上

搜索到HTTP Request节点，直接拖拽到画布上，双击打开它的配置面板。

步骤2：配置API参数

面板打开后，开始配置请求参数。在节点成功运行之前，左侧的数据输入和右侧的数据输出都是空的。

首先，请求方法选择POST。

然后，填写Deepseek的API地址：URL 填入 https://api.siliconflow.cn/v1/chat/completions。

接着，打开Send Headers开关，添加请求头参数：

• Name：Authorizations，Value：Bearer sk-4f7e92150feb4368bd677bfb6f338330（注意，Bearer和API Key之间要有一个空格）。
• Name：Content-Type，Value：application/json。

之后，打开Send Body开关，Body Content Type选择Json。Specify Body选择Using Json。这里要注意，一定要用表达式模式，因为“Fixed”模式只能输入纯文本，而我们需要的是一段带变量的JSON。

在JSON字段里，选择expression，然后填入以下内容：

{{{
  "model": "deepseek-chat",
  "messages": [
    {"role": "system", "content": "我是疯哥请帮我写一首诗歌"},
    {"role": "user", "content": "Hello!"}
  ],
  "stream": false
}}}

在n8n里用表达式，必须把实际内容包在两个花括号{{ }}里面。这段JSON的含义很直接：

• model：请求的模型名称，默认是deepseek-chat，必填。
• messages：发给Deepseek的消息数组，每个元素包含role（角色）和content（对话内容）。这个数组支持设置多组角色对话，用中括号[ ]包裹起来。

JSON输入框右下角有个放大按钮，点开可以进入大编辑模式，更容易操作。

步骤3：测试调用

配置完成后，点击Test Step运行节点。如果一切正常，右侧会显示出Deepseek返回的结果。到这一步，HTTP Request节点就成功帮我们拿到了模型回复。有了这个思路，你可以照猫画虎，用同样的方式去调用其他任何提供API的大模型。

配置AI Agent的提示词

基础篇里介绍了AI Agent的作用，但没有实际演示它如何与Open Chat Model节点对接。提示词需要在AI Agent中配置，现在我们来补上这一环。

步骤1：连接节点

先把“欺骗”出来的OpenAI Chat model节点，连接到AI Agent上。

步骤2：配置AI Agent参数

双击AI Agent节点，开始配置。Agent方式选择Tools Agent。提示词方式选择Define below，然后输入提示词，记得选择Expression模式。这里有个关键点：我们还没有运行工作流，所以暂时没有抓取到的新闻数据。所以先跑一遍工作流，等数据进来后，再基于这些数据编辑提示词表达式。

步骤3：运行工作流

点击Test workflow，把工作流跑起来，获取新闻数据。完成后，再双击AI Agent节点，左边就是抓取到的新闻列表。提示词可以直接写在Text框里，也可以继续用表达式模式输入。如果图方便，直接用鼠标拖拽字段也行。

关键点在于：提示词直接写在表达式框里，Deepseek会按照你的要求输出结果。需要注意的是，Deepseek默认返回的是带换行符的Markdown格式——这个格式在网页上显示时会自带样式，方便阅读。如果你不需要，后续可以再处理，这里就不展开了。

既然我们成功抓取了新闻，又让Deepseek按需求做了处理，那这个处理结果后续怎么用，就完全看你的创意了。可以在AI Agent节点后面继续添加其他工作流节点：直接生成PDF、输出海报、发送邮件、存入数据库供网站调用……想象空间非常大。

结语

n8n的一大特色就是：当官方没有提供现成的适配节点时，它允许你手动调整来实现想要的功能。相比于Coze这类全封装的在线服务式工作流平台，n8n的“半开放式节点”设计是它显著的差异化优势。在这一点上，Code节点和HTTP Request节点是最常用的两个工具，它们给了用户极大的自定义空间，能应对各种复杂场景。

来源：互联网