【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）

正经教主

已于 2025-04-27 09:41:00 修改

阅读量1.2k

点赞数 34

分类专栏： n8n AI入门 MCP 文章标签：人工智能 AI工具 n8n 工作流

于 2025-04-25 18:56:33 首次发布

本文链接：https://blog.csdn.net/2501_90561511/article/details/147516246

版权

AI入门同时被 3 个专栏收录

26 篇文章

订阅专栏

n8n

8 篇文章

订阅专栏

MCP

8 篇文章

订阅专栏

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：

curl --request POST \
  --url https://api.siliconflow.cn/v1/chat/completions \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
  "model": "Qwen/QwQ-32B",
  "messages": [
    {
      "role": "user",
      "content": "What opportunities and challenges will the Chinese large model industry face in 2025?"
    }
  ],
  "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
      }
    }
  ]
}'

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
}
}
]
}