如何用n8n构建第一个AI智能体：2026零基础完整教程

TL;DR

如果你在搜索「如何用 n8n 构建 AI 智能体」，简短答案是：安装 n8n（Docker 或 npm），添加一个 AI Agent 节点，连接到一个大语言模型（OpenAI、Claude 或通过 Ollama 使用本地模型），挂载工具（如网页搜索、邮件），并可选择添加 Memory 节点来保持对话上下文。你的智能体将在 30 分钟内运行——无需编写任何代码。

你将学到什么

完成本教程后，你将：

• 理解什么是 AI 智能体以及 n8n 的智能体架构如何工作
• 使用 Docker 在本地或服务器上安装 n8n
• 配置带有大语言模型提供商的 AI Agent 节点
• 添加 Memory 使你的智能体记住对话上下文
• 连接工具（网页搜索、HTTP 请求、邮件）赋予智能体真实世界的能力
• 构建两个完整的 AI 智能体：邮件摘要器和网页研究助手
• 排查五个最常见错误（API 密钥问题、记忆丢失、无限循环）

前置条件

• 一台电脑，运行 macOS、Windows 或 Linux
• 至少一个 LLM 提供商的 API 密钥（OpenAI、Anthropic 或 Google AI Studio）
• Docker Desktop 已安装（推荐）—— 或 Node.js 18+ 用于 npm 安装
• 基本了解 JSON 数据格式（你将检查节点的输出数据）
• 无需编程经验——n8n 是完全可视化的

费用说明：使用 OpenAI 的 GPT-4o-mini 运行本教程花费不到 $0.05。Claude Haiku 和 Gemini Flash 同样便宜。

第一步：安装并启动 n8n

n8n 可以通过多种方式安装。Docker 是获得可用实例的最快路径。

方式 A：Docker（推荐）

docker run -d \
  --name n8n \
  -p 5678:5678 \
  -v n8n_data:/home/node/.n8n \
  -e N8N_SECURE_COOKIE=false \
  docker.n8n.io/n8nio/n8n

等待 10 秒，然后在浏览器中打开 **http://localhost:5678**。使用你的邮箱和密码创建所有者账户。

方式 B：npm（如果你已安装 Node.js）

npm install -g n8n
n8n start

方式 C：n8n Cloud

如果你不想自己托管，在 n8n.cloud 注册免费试用。可视化编辑器完全相同——本教程的所有步骤同样适用。

编辑器加载后，你将看到工作流画布。左侧是节点面板；中央是空白画布。每个自动化流程都从一个触发器节点开始。

第二步：理解 AI 智能体架构

在连接节点之前，让我们先了解底层发生了什么。n8n AI 智能体是一个遵循以下模式的工作流：

## 触发器] → [AI Agent] → [LLM 模型] → [Memory（可选）] → [输出
               ↕

## 工具：网页搜索、HTTP 请求、邮件、数据库等

AI Agent 节点是大脑。它接收用户查询（来自触发器），发送给 LLM，并决定是否使用工具。如果 LLM 说「我需要搜索网页」，智能体调用网页搜索工具，将结果反馈给 LLM，重复此过程直到 LLM 产生最终答案。Memory 节点存储对话历史，使智能体能引用之前的交流。

n8n 提供四种智能体类型：

本教程使用 Tools Agent——它适用于任何 LLM 提供商，能处理最广泛的任务类型。

第三步：构建你的第一个智能体——邮件摘要器

让我们构建一个简单的智能体，接收邮件正文作为输入，返回包含行动项的简洁摘要。

3.1 添加手动触发器

点击画布上的 + 按钮或按 Tab 键。搜索「Manual」并选择 Manual Trigger 节点。这允许你通过点击「Test workflow」来执行工作流——非常适合开发阶段。

3.2 添加 AI Agent 节点

点击手动触发器下方的 +。搜索「AI Agent」并添加。

在 AI Agent 配置面板中：

1. Agent Type：选择 Tools Agent
2. Prompt：暂时保留默认系统消息

3.3 连接 LLM

AI Agent 节点需要一个「大脑」。点击智能体 LLM Model 字段内的 +。

• OpenAI：选择「OpenAI Chat Model」，通过粘贴 API 密钥创建新凭证，选择模型（gpt-4o-mini 快速且便宜）
• Claude：选择「Anthropic Chat Model」，添加 API 密钥，选择 claude-3-haiku
• Google：选择「Google Gemini Chat Model」，添加 API 密钥，选择 gemini-1.5-flash

3.4 添加记忆（可选但推荐）

没有记忆时，智能体将每条消息视为全新对话。添加 Window Buffer Memory 节点：

1. 点击 AI Agent 的 Memory 连接器上的 +
2. 搜索「Window Buffer Memory」并添加
3. 设置 Session Key 为 email_session（按用户分组消息）
4. 设置 Context Window Length 为 10（保留最近 10 轮对话）

3.5 连接输入

创建一种将邮件文本传入智能体的方式：

1. 在手动触发器和 AI Agent 之间添加一个 Set 节点
2. 在 Set 节点中，创建一个名为 email_body 的字段，示例值：

1. 在 AI Agent 的 Prompt 字段中，将默认提示替换为：

你是一个邮件摘要器。给定以下邮件正文，返回：
1. 一句话摘要
2. 关键行动项（项目符号列表）
3. 任何提到的日期或截止日期

邮件正文：{{ $json.email_body }}

3.6 测试智能体

点击屏幕底部的 Test workflow 按钮。n8n 将执行工作流并显示每个节点的输出。点击 AI Agent 节点查看 LLM 的回复——你应该得到一个带有行动项的清晰摘要。

刚刚发生了什么：智能体接收了你的邮件文本，将其与摘要提示一起传递给 LLM，并返回了结构化输出。启用了记忆后，如果你用后续邮件再次运行，智能体将引用第一次运行的上下文。

第四步：构建带工具的网页研究智能体

现在让我们构建一个能力更强的智能体，它可以搜索网页、浏览页面并编制研究报告——全程自主完成。

4.1 创建新工作流

点击 n8n 标志返回仪表板，然后点击 New Workflow。

4.2 设置触发器和智能体

1. 添加 Manual Trigger 节点
2. 添加 AI Agent 节点（Tools Agent 类型）
3. 挂载 LLM（与之前相同）
4. 添加 Window Buffer Memory（Session Key：research_session）

4.3 添加工具——网页搜索和 HTTP 请求

智能体需要「手」。添加两个工具：

工具 1：SerpAPI（Google 搜索）

1. 点击 AI Agent 的 Tools 连接器上的 +
2. 搜索「SerpAPI」并添加
3. 创建凭证：在 serpapi.com 注册（免费套餐：100 次搜索/月），粘贴 API 密钥
4. 此工具允许智能体搜索 Google 并获取结果

工具 2：HTTP Request（网页抓取）

1. 再次点击 AI Agent 的 Tools 连接器上的 +
2. 搜索「HTTP Request」并添加
3. 设置 Method 为 GET
4. 保持 URL 为空——智能体将动态填入
5. 设置 Response Format 为 String（智能体读取原始 HTML）

4.4 配置智能体提示词

在 AI Agent 的 Prompt 字段中：

你是一个研究助手。当给定一个主题时，你应该：
1. 搜索最近、可靠的来源
2. 阅读最相关的页面
3. 编制结构化的研究简报，包含：
   - 关键发现（3-5 个项目符号）
   - 来源 URL
   - 任何冲突的观点
   - 「可信度」评估（高/中/低）

始终用 URL 引用来源。如果找不到信息，请如实说明。

研究主题：{{ $json.query }}

4.5 添加输入并测试

1. 在 AI Agent 之前添加一个 Set 节点
2. 创建一个字段 query，测试主题："AI 智能体框架对比 2026"
3. 点击 Test workflow

智能体将：

1. 调用 SerpAPI 搜索「AI agent frameworks comparison 2026」
2. 从搜索结果中选择相关条目
3. 使用 HTTP Request 工具获取页面内容
4. 通过 LLM 处理内容
5. 返回结构化的研究简报

这可能需要 30-60 秒，取决于智能体决定访问多少页面。你可以在执行日志中观察每次工具调用。

第五步：部署到生产环境

一旦你的智能体在本地正常工作，以下是使其达到生产就绪状态的方法：

5.1 更换触发器

将手动触发器替换为真实的触发器：

• Webhook：接受 HTTP POST 请求——适合与其他应用集成
• Schedule：按 cron 时间表运行（每小时、每天）
• Email Trigger (IMAP)：监控收件箱并自动处理新邮件
• Form Trigger：接受来自 n8n 表单的提交

对于邮件摘要器，使用 Email Trigger (IMAP) 节点。对于研究智能体，使用 Webhook 节点——然后你可以从 Slack、仪表板或任何 HTTP 客户端 POST 研究查询。

5.2 添加错误处理

生产环境的智能体会以可预测的方式出错。添加 Error Trigger 工作流：

1. 创建一个带有 Error Trigger 节点的新工作流
2. 将其连接到 Email 节点（或 Slack/Discord），在任何工作流失败时通知你
3. 在原始工作流的设置中，将 Error Workflow 设置为这个新工作流

5.3 设置资源限制

在 AI Agent 节点设置的 Options 下：

• Max Iterations：设置为 8（防止无限循环——如果结果不清晰，智能体会重试工具调用）
• Timeout：设置为 300 秒（每次执行最多 5 分钟）

5.4 使用环境变量

切勿在生产工作流中硬编码 API 密钥。在 Docker 命令或 .env 文件中：

OPENAI_API_KEY=sk-......

在 n8n 中，在凭证字段中引用为 {{ $env.OPENAI_API_KEY }}。

第六步：高级模式

熟悉基础智能体后，尝试以下模式：

多智能体编排

将多个 AI Agent 节点串联起来。例如：

## 网页研究智能体] → [摘要智能体] → [事实核查智能体] → [报告撰写智能体

每个智能体专注于一项任务，并将结构化输出传递给下一个。添加 Split In Batches 和 Merge 节点进行并行处理。

人机协同（Human-in-the-Loop）

添加一个 Wait 节点，暂停执行并向 Slack 或 Discord 发送消息，等待人工批准后再让智能体执行操作——这对于发送邮件的智能体或数据库写入操作至关重要。

通过 Code 节点构建自定义工具

Code 节点（JavaScript/Python）允许你构建 AI 智能体可以调用的自定义工具：

// 一个返回城市当前天气的自定义工具
const city = $input.first().json.city;
const response = await fetch(`https://api.open-meteo.com/v1/forecast?latitude=52.52&longitude=13.41&current_weather=true`);
return await response.json();

将此 Code 节点作为工具连接到 AI Agent，在工具的 Description 字段中描述其用途，LLM 将决定何时调用它。

故障排除

「No model specified」错误

症状：AI Agent 节点显示红色错误徽章，提示「No model specified」。

修复：点击 AI Agent 节点，找到 LLM Model 字段，确保已选择一个 Chat Model 节点（不能为空）。子节点必须是 Chat Model 类型——Basic LLM 和其他节点类型在此处无法使用。

智能体调用了错误的工具

症状：智能体使用了 HTTP Request 工具，但你希望它使用 SerpAPI。

修复：每个工具节点都有一个 Description 字段。写一句清晰的描述，说明该工具的功能以及何时使用。LLM 读取这些描述来决定调用哪个工具。例如：「使用此工具在 Google 上搜索当前信息。当用户询问近期事件、新闻或你不知道的事实时使用。」

智能体陷入循环

症状：工作流运行数分钟，反复调用同一个工具却不产生输出。

修复：

1. 在智能体节点选项中设置 Max Iterations 为 5-8（防止失控循环）
2. 检查工具的输出格式——如果 LLM 无法解析 JSON，它会不断重试。在工具后添加一个 Code 节点，在结果返回智能体之前清理输出
3. 在 AI Agent 提示词中添加：「如果某个工具在 2 次尝试后仍未返回有用信息，停止尝试并报告目前已找到的内容。」

记忆在运行之间不持久

症状：再次测试时，智能体不记得之前的对话。

修复：

1. 确保 Memory 节点中的 Session Key 在运行之间保持一致
2. 在手动触发模式下，每次点击「Test workflow」默认创建新会话。改用 Chat Trigger 节点进行持久对话测试
3. 生产环境使用 Postgres 作为记忆后端，而非默认的内存缓冲区（在 n8n 的 DB_SQLITE_* 或 DB_POSTGRESDB_* 环境变量中配置）

速率限制 /「429 Too Many Requests」

症状：智能体因 LLM 提供商的 HTTP 429 错误而失败。

修复：

1. 减少 Max Iterations，使智能体每次运行调用更少的 API
2. 在 AI Agent 和 LLM 之间添加一个 Wait 节点，延迟 2 秒
3. 对于 OpenAI，在 platform.openai.com 检查使用层级——免费套餐账户有较低的速率限制（某些模型 3 RPM）
4. 切换到速率限制更高的模型（GPT-4o-mini 的限制比 GPT-4o 高）

相关教程

• Aider 终端 AI 结对编程完全指南
• Codex CLI vs Claude Code：如何选择 AI 编码智能体
• Cursor AI Rules：.cursorrules 完整设置指南