ai_agent_workflow

# AI 智能体工作流模式 **用例**：构建具备工具访问、记忆和推理能力的 AI 智能体。 --- ## 模式结构 触发器 → AI 智能体 (模型 + 工具 + 记忆) → [处理响应] → 输出 **关键特性**：具备工具使用能力的 AI 驱动决策 --- ## 核心 AI 连接类型 n8n 支持 **8 种 AI 连接类型**用于构建智能体工作流： 1. **ai_languageModel** - LLM (OpenAI, Anthropic 等) 2. **ai_tool** - 智能体可以调用的函数 3. **ai_memory** - 对话上下文 4. **ai_outputParser** - 解析结构化输出 5. **ai_embedding** - 向量嵌入 6. **ai_vectorStore** - 向量数据库 7. **ai_document** - 文档加载器 8. **ai_textSplitter** - 文本分块 --- ## 核心组件 ### 1. 触发器 **选项**： - **Webhook** - 聊天界面、API 调用（最常见） - **Manual** - 测试和开发 - **Schedule** - 周期性 AI 任务 ### 2. AI 智能体节点 **目的**：编排带有工具和记忆的 LLM **配置**： javascript { agent: "conversationalAgent", // 或 "openAIFunctionsAgent" promptType: "define", text: "You are a helpful assistant that can search docs, query databases, and send emails." } **连接**： - **ai_languageModel 输入** - 连接到 LLM 节点 - **ai_tool 输入** - 连接到工具节点 - **ai_memory 输入** - 连接到记忆节点（可选） ### 3. 语言模型 **可用提供商**： - OpenAI (GPT-4, GPT-3.5) - Anthropic (Claude) - Google (Gemini) - 本地模型 (Ollama, LM Studio) **示例** (OpenAI 聊天模型)： javascript { model: "gpt-4", temperature: 0.7, maxTokens: 1000 } ### 4. 工具（任何节点都可以是工具！） **关键见解**：通过 `ai_tool` 端口将任何 n8n 节点连接到智能体 **常见工具类型**： - HTTP Request - 调用 API - 数据库节点 - 查询数据 - 代码 - 自定义函数 - 搜索节点 - 网络/文档搜索 - 预构建工具节点（计算器、维基百科等） ### 5. 记忆（可选但推荐） **目的**：维护对话上下文 **类型**： - **Buffer Memory** - 存储最近的消息 - **Window Buffer Memory** - 存储最近 N 条消息 - **Summary Memory** - 总结对话 ### 6. 输出处理 **目的**：格式化 AI 响应以进行交付 **常见模式**： - 直接返回（聊天响应） - 存储在数据库中（对话历史） - 发送到通信渠道（Slack, 邮件） --- ## 常见用例 ### 1. 对话式聊天机器人 **流程**：Webho