前言

n8n是一款开源的低代码自动化工具，专注于AI工作流构建，支持灵活的自定义与集成。

就是可以把大模型和其他工具联合起来，这就厉害了。而且，免费功能又强大，目前很火，来研究一下。

功能说明

本节目标：n8n调用公网的大数据模型，完成一个简单的工作流。

技术准备

1、n8n的安装见前面文档：

【AI平台】n8n入门1：详细介绍n8n的多种安装方式（含docer图形化安装n8n）-CSDN博客

2、n8n是英文版（没找到中文切换到地方），我给浏览器安装了翻译插件，需要的可以参考：

【实用】chrome浏览器安装翻译插件-CSDN博客

3、其他（参考可选）：

n8n工作流 ，链接本地大模型，见

【AI平台】n8n入门2：第一个工作流，调用本地大模型-CSDN博客

本节涉及的三种调用方式

n8n对大语言模型调用，有不同方式：

一种，内置了大语言模型的信息，只要提供API-key就行了，如 DeepSeek、Gemini

另一种，用request调用，像硅基流动、阿里平台支持很多模型，就用这种，相对复杂一点点，但平台有免费token可以用，优先介绍这种：

第三种，和上面类似，是通过Open API标准协议，调用各种大模型，包括各平台的大模型，当然也可以是大模型原厂的，最后介绍这种。

request调用方式

公网大数据模型准备

没有大语言模型可以的，参考我之前文档，注册及API-key（用的是硅基流动200万免费tocken）

【AI入门】获得DeepSeek免费token（含其他大模型）-CSDN博客 

然后，需要收集三个信息：模型名称和cURL，以及API-key。

在硅基流动模型广场，选一个模型： Models

注意，如果是免费tocken，不要选带Pro前缀的，这个免费tocken用不了：

我这里以R1 为例，点击，可以查看详细信息，

拷贝模型名称备用：deepseek-ai/DeepSeek-R1

然后，点击API文档，进一步查看页面信息：

把其中cURL信息拷贝下来，备用：

  1. curl --request POST
  2. --url https://api./v1/chat/completions
  3. --header 'Authorization: Bearer <token>'
  4. --header 'Content-Type: application/json'
  5. --data '{
  6. 'model': 'Qwen/QwQ-32B',
  7. 'messages': [
  8. {
  9. 'role': 'user',
  10. 'content': 'What opportunities and challenges will the Chinese large model industry face in 2025?'
  11. }
  12. ],
  13. 'stream': false,
  14. 'max_tokens': 512,
  15. 'stop': null,
  16. 'temperature': 0.7,
  17. 'top_p': 0.7,
  18. 'top_k': 50,
  19. 'frequency_penalty': 0.5,
  20. 'n': 1,
  21. 'response_format': {
  22. 'type': 'text'
  23. },
  24. 'tools': [
    【AI平台】n8n入门3：第二个工作流，链接网上大模型（含三种方式）
  25. {
  26. 'type': 'function',
  27. 'function': {
  28. 'description': '<string>',
  29. 'name': '<string>',
  30. 'parameters': {},
  31. 'strict': false
  32. }
  33. }
  34. ]
  35. }'

在有就是，把自己的API-key拷贝下来，备用： 

 大模型的信息准备完了，可是正式配置u8n工作流了。

创建工作流

进入n8n软件：http://localhost:5678/，创建工作流：

改名，我这里取名“firstExample”，然后点击“添加第一步”，触发选择“在聊天信息时”：

 然后，打开聊天设置窗口：

点击“测试聊天”，输入一个测试数据，后面配置看着方便，

关联平台的大语言模型

因为没有关联程序，返回“无响应”=》节点执行成功，关闭聊天，继续配置就行了： 

在主界面，点击“+”，选择“核心”：

选择http请求，进入配置页面，

 点击“import cURL”，把刚才拷贝的大模型的cURL粘贴过来，导入，系统自动读入参数：

把API-key替换到Bearer后面，注意这中间要留空格，

 修改json，在json框中，修改model名称为刚才选的模型名称，然后content是推给大模型的问题，我们用起始节点的输入内容，修改代码参考如下：

{
  ‘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，点击顶部的“Test step”，返回大模型的答复信息，就是调用成功了。

就可以聊天使用了：

n8n内置大模型的方式

准备大模型数据

以DeepSeek为例，注册账号，进入API开发平台：

 创建API密钥，并拷贝备用：

 还需要充值。

创建工作流 

创建一个新工作流，以聊天信息触发，作为开始节点，这和上边相同， 然后增加节点，选“人工智能”：

 在选’人工智能代理’:

 在弹出页面，选择添加聊天模型：

选择DeepSeek：

 创建新凭证：

添加在DeepSeek网站注册的APK-key：

 然后，选择模型，需要平台充值，模型才能用

后面的步骤就是类似的了。 

Open API的调用方式

准备大数据OpenAPI信息

硅基流动官网API调用方式见文档：快速上手 – SiliconFlow

拷贝其中的base_url，备用：

base_url=’https://api./v1′

 还有大模型名称、API-key，和request调用方式中的相同。

创建工作流

创建一个新工作流，以聊天信息触发，作为开始节点，这和上边相同， 然后增加节点，选“人工智能”：

 在选’人工智能代理’，【注，不要选这个界面的OpenAI，这是openAI他家的模型，不是用Open AI协议的模型】：

 在弹出页面，选择添加聊天模型：

选择OpenAI聊天模型：

弹出对话框，配置凭证，

输入硅基流动的base_url，和API-key，保存，回到模型配置界面，选择一个大模型就可以了：

返回主页面，测试一下，通过的节点都是标绿的。

结尾

这么简单的功能，弄起来也不简单，但复杂的功能，是简单的功能拼起来的，会越来越强大的，💪💪💪