n8n AI Agent 完整入门教程：从零构建智能工作流

核心结论

如果你想用 AI 自动化任务但又不想写后端服务，n8n 的 AI Agent 节点能让你通过拖拽画布构建智能工作流——它会推理、调用 API、搜索网页、发送邮件，全自动完成。本教程将带你 30 分钟内构建一个全功能的 AI 智能体，能够搜索网页、总结文章，并将结果保存到 Google Sheets。无需写代码，只需基本的工作流逻辑。

前置条件

开始之前，请确保你具备以下条件：

• n8n 已安装：通过 Docker、npm 自托管，或使用 n8n Cloud（免费套餐即可）。本教程使用 Docker 自托管方式。
• 一个 OpenAI API 密钥（也支持 Anthropic、Google Gemini、Ollama、DeepSeek 等 n8n 兼容的任何 LLM 提供商）。本教程以 OpenAI 为例，其他提供商的设置方式完全相同。
• 一个 Google 账号（用于最后一步的 Google Sheets 集成）。
• 对 n8n 编辑器画布有基本了解——知道如何拖拽节点并连接它们。

第一步：安装并启动 n8n

最快的方式是用 Docker 在本地运行 n8n：

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

容器启动后，在浏览器中打开 http://localhost:5678。你将看到 n8n 编辑器——左侧是节点面板的空白画布。

其他安装方式：

• npm：npm install -g n8n && n8n start
• n8n Cloud：在 n8n.io 注册——免费套餐每月提供 50 次工作流执行，足够测试使用。

首次设置：在提示时创建所有者账户。该账户管理你的工作流和凭据。登录后，你将进入主仪表板。

第二步：创建你的第一个工作流

点击**「创建工作流」**打开空白画布。你将构建一个 AI 智能体，功能如下：

1. 接收一个主题（通过 Webhook 或手动触发器）
2. 使用 AI 智能体决定要做什么
3. 在网页上搜索信息
4. 总结搜索结果
5. 将所有内容保存到 Google Sheets

添加触发器：点击**「+」按钮或按 Tab 打开节点面板。搜索「Manual Trigger」**并将其添加到画布。这样你可以通过点击「执行」来测试工作流——非常适合开发阶段。

双击标题栏重命名触发器，将其命名为「启动智能体」。

添加输入字段：点击 Manual Trigger 节点，在「参数」下添加一个名为 topic、类型为「字符串」的输入字段，默认值设为「最新 AI 新闻」。这就是你的智能体将要研究的内容。

第三步：添加 AI Agent 节点

这是工作流的核心。AI Agent 节点是 n8n 的推理引擎——它接收提示词，决定使用哪些工具，调用这些工具，评估结果，并循环直到获得满意的答案。

在节点面板中搜索**「AI Agent」**，将其拖到画布上。将它连接在 Manual Trigger 之后。

配置智能体：

• 提示词：这是系统指令。写一个清晰、具体的提示词：

  code复制

  你是一个研究助手。当收到一个主题时：
  1. 搜索网页获取最新相关信息。
  2. 阅读排名前 3 的最相关文章。
  3. 总结关键发现，写成简明的摘要。
  4. 用要点的形式格式化输出内容。
  请始终注明信息来源。

• 聊天消息：将它连接到触发器输出。点击「聊天消息」字段，然后从 Manual Trigger 节点的输出中拖入 topic 字段。智能体会将此作为用户消息接收。

• 需要特定输出格式：将此选项切换为开启，输出类型设为「Text」。这确保智能体返回干净的文本而不是原始 JSON。

AI Agent 节点的底层工作原理：它实现了一个 ReAct（推理+行动）循环。智能体接收你的提示词，思考该调用哪个工具，执行工具，检查结果，然后决定是调用另一个工具还是给出最终答案。这个循环会持续到智能体满意或达到最大迭代次数限制（默认为 25 次）。

第四步：连接 LLM 提供商

AI Agent 需要一个语言模型来驱动它的推理能力。你可以通过一个名为 LLM Chat Model 的子节点来连接。

点击 AI Agent 节点内部的**「+」（或将新节点拖到「LLM」连接器上）。搜索「OpenAI Chat Model」**并添加。

设置凭据：

1. 点击 OpenAI Chat Model 节点。
2. 在「OpenAI API 凭据」下，点击**「新建」**。
3. 输入你的 OpenAI API 密钥。给凭据起个名字，比如「我的 OpenAI 密钥」。
4. 点击**「保存」**。

模型选择：选择 gpt-4o 以获得最佳质量，或选择 gpt-4o-mini 以获得更快的速度和更低的成本。如果只是测试，gpt-4o-mini 每百万输入 token 费用约 $0.15——一次典型的智能体交互成本远低于 $0.01。

使用其他 LLM 提供商：任何提供商的设置方式都相同。将「OpenAI Chat Model」替换为：

• Anthropic Chat Model — Claude Sonnet 4 或 Claude Opus 4
• Google Gemini Chat Model — Gemini 2.5 Pro 或 Flash
• Ollama Chat Model — 任何本地模型（免费、私密）
• DeepSeek Chat Model — 经济实惠的替代方案

第五步：为智能体配备工具

工具是让 AI Agent 真正有用的关键。没有工具，它只是一个聊天机器人。有了工具，它就能搜索网页、阅读网站、查询数据库、发送邮件等等。

为我们的研究智能体添加以下工具：

工具一：网页搜索（SerpAPI）

在节点面板中搜索**「SerpAPI」**，将其作为工具添加到 AI Agent。将它连接到智能体的「Tools」连接器。

配置 SerpAPI：

1. 从 serpapi.com 获取免费 API 密钥（每月 100 次免费搜索）。
2. 在 n8n 中使用你的 SerpAPI 密钥创建凭据。
3. 在「参数」下，将 AI Agent 聊天输入中的 topic 映射到 q（查询）字段。

智能体需要查找信息时将使用此工具搜索 Google。

工具二：阅读网页（HTTP Request）

添加一个**「HTTP Request」**节点作为工具。这让智能体能够获取并阅读文章内容。

• 方法：GET
• URL：智能体会根据搜索结果动态填充。保持默认的 ={{ $fromAI("url") }}——这个占位符告诉智能体将 URL 作为参数传入。

工具三：Google Sheets（保存结果）

添加一个**「Google Sheets」**节点作为最终工具。它将智能体的研究输出保存到电子表格中。

• 操作：Append（追加）
• 电子表格 ID：创建一个新的 Google Sheet，并从 URL 中复制其 ID。
• 工作表名称：「Research Results」
• 要追加的字段：映射智能体的最终输出文本。

凭据设置：你需要通过 Google 进行身份验证。n8n 支持 OAuth2——点击「连接」并按照 Google 授权流程操作。这个一次性设置大约需要 2 分钟。

智能体如何使用工具

当你执行工作流时，以下是发生的事情：

1. 智能体从 Manual Trigger 接收主题。
2. 它推理：「我需要搜索网页找到关于这个主题的信息。」
3. 它行动：使用搜索查询调用 SerpAPI 工具。
4. 它观察：读取搜索结果。
5. 它再次推理：「这 3 篇文章看起来与主题相关。我应该阅读它们。」
6. 它行动：为每个 URL 调用 HTTP Request 工具。
7. 它观察：读取文章内容。
8. 它推理：「我已经有足够的信息了。让我做出总结。」
9. 它行动：调用 Google Sheets 保存总结。
10. 它向你返回最终结果。

这个 ReAct 循环是所有 AI 智能体工作流的基础——智能体反复思考、行动和观察，直到任务完成。

第六步：添加上下文记忆

默认情况下，AI Agent 没有记忆能力——每次工具调用都是独立的。对于复杂任务，你需要智能体记住之前的步骤。

n8n 提供三种记忆类型：

• 窗口缓冲记忆（Window Buffer Memory）：记住最近 N 次交互。简单快速。对于大多数用例，将「上下文窗口长度」设为 10。
• Postgres 记忆：用于长时间运行的对话的持久存储。需要 Postgres 数据库。
• MongoDB 记忆：使用 MongoDB 的持久存储。

对于我们的研究智能体，窗口缓冲记忆是理想选择：

1. 点击 AI Agent 节点。
2. 找到「记忆」部分。
3. 选择**「Window Buffer Memory」**。
4. 将上下文窗口长度设为 5。

这意味着智能体会记住对话中的最近 5 步。当它阅读第三篇文章时，它仍然知道前两篇的内容——从而产生更好的总结。

何时使用持久记忆：如果你正在构建一个需要跨天保持上下文的聊天机器人（如客服智能体），请使用 Postgres 或 MongoDB 记忆。对于我们这样的单会话工作流，窗口缓冲就足够了。

第七步：测试与部署

测试工作流：点击画布底部的**「执行工作流」**按钮。Manual Trigger 将触发，你会看到每个节点在执行时亮起绿色。右侧的执行日志会准确显示智能体正在思考和做什么。

预期效果：一次典型的执行需要 30-90 秒，具体取决于智能体阅读了多少篇文章。你将看到：

• ✅ Manual Trigger 触发
• ✅ AI Agent 开始推理
• ✅ SerpAPI 返回搜索结果
• ✅ HTTP Request 获取文章内容
• ✅ Google Sheets 追加总结

打开你的 Google Sheet——你应该会看到新的一行，包含你的主题和要点形式的总结。

部署到生产环境：测试完成后，将 Manual Trigger 替换为 Webhook 触发器用于 API 访问，或替换为 Schedule 触发器用于自动运行：

• Webhook：将 Manual Trigger 替换为「Webhook」节点。n8n 会生成一个唯一 URL。发送带有 {"topic": "你的查询"} 的 POST 请求即可触发智能体。
• 定时任务：替换为「Schedule Trigger」并设置 cron 表达式，如 0 9 * * * 表示每天早上 9 点运行。
• 邮件触发：使用「Email Trigger (IMAP)」节点，当你发送带有特定主题行的邮件时触发智能体。

成本管理提示：在 LLM Chat Model 节点中设置最大 token 限制（例如，输出 token 限制为 4096）。这可以防止智能体在意外循环时产生失控费用。对于一次使用 gpt-4o-mini 的典型研究查询，预计每次执行花费 $0.005-$0.02。

常见问题排查

「AI Agent 超时」

将 AI Agent 节点的**「最大迭代次数」**从 25 增加到 50。如果智能体正在阅读多篇文章，它需要更多的迭代次数。同时检查你的工具是否返回了结果——一个损坏的工具会导致智能体无限重试。

「OpenAI 返回 429 Too Many Requests」

你触发了速率限制。在 AI Agent 和 LLM Chat Model 之间添加一个**「Wait」**节点（设置为 2 秒）。对于生产工作负载，请升级你的 OpenAI 使用层级，或使用多个 API 密钥进行轮询。

「Google Sheets 身份验证失败」

重新认证：前往设置 → 凭据，找到你的 Google Sheets OAuth2 凭据，点击**「重新连接」**。如果 7 天未使用，Google token 会过期。

「智能体返回不相关的结果」

优化你的系统提示词。更具体地说明你想要什么。不要写「搜索网页」，而写「搜索关于 X 的过去一周最新新闻文章」。不要写「写一个总结」，而写「写一个 3 点总结，重点放在关键事实和日期上」。

「SerpAPI 没有返回结果」

你的搜索查询可能过于具体。在 SerpAPI 工具之前添加一个**「Code」节点，追加 site:reputable-domain.com 或拓宽查询。或者切换到「Google Custom Search」**节点（需要 Google API 密钥，但免费套餐的速率限制更高）。

相关教程

• 在 n8n 中构建 AI 邮件助手
• 用 Docker Compose 自托管 n8n
• 通过 Ollama 将 n8n 连接到本地 LLM
• 用 n8n 和 AI 自动化社交媒体发布
• n8n vs Zapier vs Make：AI 工作流对比