【纯水文】安装 n8n,并打通 AI 编程工具,生成“彩虹屁”agent
·
task:安装 n8n,并打通 AI 编程工具,生成“彩虹屁”agent
背景
之前的文章内,我有提到想要打通 AI 编程工具以及 n8n 上的节点 API,并实现一套理论级别很强的框架,也就是如下这一套。
[用户输入]
│
├── 文字任务(转录/排版/发布)
│ ↓
│ [OpenClaw Agent] → 调用 qwen2.5(文本) → 调用 Kestrel API → n8n 发布到公众号
│
└── 图像任务(流程图→视频)
↓
[OpenClaw Agent] → 调用 qwen2.5-vl(看图) → 生成剪辑脚本 → 调用 MoviePy → 输出 MP4
描述
技术栈现状
- Trae: 字节跳动 AI 原生 IDE,支持 Builder 模式、Chat 模式,200K tokens 上下文窗口,中文语义理解准确率 98%
- 飞书开放平台: 提供云文档创建 API、机器人 webhook、事件订阅能力
- n8n: 可视化工作流自动化,支持 webhook 触发器 + HTTP 请求节点
- MCP: Model Context Protocol,AI 与外部工具的统一交互协议(Anthropic 2024年提出)
飞书消息 → webhook → n8n → Trae → 关键词识别 → 飞书云文档 API → 存储「想法点子」
准备怎么干
先安装 n8n,然后再 trae 中调通,再调用一个节点试试。本次目标是打通,并不会有实际的业务场景。

已经安装成功!

已经安装成功,可以在本地访问了

久违的界面,已经揭开面纱!

还记得我们之前的第一件事干嘛吗?配置大模型,让工具有脑袋,然后再试思考后续的工作。当然如果头铁也可以开始手动创建。我印象中,最近应该是 google 的 AI 编程工具里面可以免费使用一些大模型,但是对外不知道是否免费。然后就是英伟达的开放大模型!还有就是 huggingface 可以用!

接下来,根据之前的经验,n8n 属于另外一个生态,大概率不能通过 comsumer 的方式处理,所以不会再去走那一条弯路。接下来,我将借用 trae 的基础能力,指导我完成 n8n 的场景测试!
让我先查阅n8n官方文档,了解如何创建AI Agent节点:
toolName: web_search
status: success
query: https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.agent/
toolName: web_search
status: success
query: n8n AI Agent node tutorial create custom agent 2025
让我获取更详细的n8n AI Agent配置文档:
toolName: web_search
status: success
query: https://docs.n8n.io/advanced-ai/
toolName: web_search
status: success
query: https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent/
现在我来为你创建一个详细的指南,教你在n8n中创建一个"彩虹屁生成器"AI Agent:
toolName: todo_write
status: success
Todos updated: 4 items
## 🌈 在 n8n 中创建"彩虹屁生成器" AI Agent
根据官方文档,我来为你提供完整的创建指南:
---
### 第一步:打开 n8n 编辑器
访问 http://localhost:5678,进入工作流编辑界面。
---
### 第二步:创建工作流结构
你需要创建以下节点组合:
```
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ Chat Trigger │ ──▶ │ AI Agent │ ──▶ │ 输出响应 │
│ (聊天触发器) │ │ (彩虹屁生成器) │ │ │
└─────────────────┘ └────────┬────────┘ └─────────────────┘
│
┌────────┴────────┐
│ Chat Model │
│ (LLM模型) │
└─────────────────┘
```
---
### 第三步:详细配置步骤
#### 1️⃣ 添加 **Chat Trigger** 节点
- 点击 `+` 添加节点
- 搜索 `Chat Trigger`
- 这是用户输入的入口
#### 2️⃣ 添加 **AI Agent** 节点
- 点击 `+` 添加节点
- 搜索 `AI Agent`
- 连接到 Chat Trigger
#### 3️⃣ 配置 AI Agent 节点
**System Message(系统提示词)** - 核心配置:
```
你是一个专业的"彩虹屁生成器"AI助手。
你的任务是根据用户提供的主题或场景,生成富有创意、幽默、夸张的赞美语句(俗称"彩虹屁")。
## 角色设定
- 你是一个热情洋溢、语言风趣的赞美大师
- 善于运用比喻、夸张、排比等修辞手法
- 语言风格:温暖、幽默、略带夸张但不失真诚
## 输出规则
1. 每次生成 3-5 条不同风格的彩虹屁
2. 每条彩虹屁用序号标注
3. 可以根据用户指定的风格调整(如:文艺风、搞笑风、职场风等)
4. 如果用户没有提供主题,随机选择一个常见场景
## 示例输出格式
🌈 为您生成专属彩虹屁:
1. 【文艺风】你的存在就像清晨的第一缕阳光,温暖而不刺眼,照亮了整个世界。
2. 【搞笑风】你的智商高到连爱因斯坦都要从棺材里爬出来给你点赞!
3. 【职场风】你的工作效率简直是开了挂,老板看到你都觉得自己的公司要上市了!
请开始你的表演吧!
```
#### 4️⃣ 添加 **Chat Model** 子节点
AI Agent 需要连接一个 LLM 模型。你可以选择:
| 模型选项 | 配置方式 |
|---------|---------|
| **OpenAI** | 需要 API Key,最稳定 |
| **DeepSeek** | 国内可用,性价比高 |
| **本地模型** | 通过 Ollama 运行本地模型 |
**以 OpenAI 为例**:
1. 在 AI Agent 节点下方点击 `+` 添加子节点
2. 搜索 `OpenAI Chat Model`
3. 创建凭证:输入你的 OpenAI API Key
4. 选择模型:`gpt-4o-mini` 或 `gpt-4o`
**以 DeepSeek 为例**:
1. 添加 `OpenAI Chat Model` 节点
2. 创建凭证时设置:
- Base URL: `https://api.deepseek.com/v1`
- API Key: 你的 DeepSeek API Key
3. 模型名称填入:`deepseek-chat`
---
### 第四步:完整工作流配置图
```yaml
工作流名称: 彩虹屁生成器
节点配置:
1. Chat Trigger:
- Mode: Chat
- 无需额外配置
2. AI Agent:
- Agent: Tools Agent (默认)
- System Message: [上面的彩虹屁提示词]
3. OpenAI Chat Model (子节点):
- Model: gpt-4o-mini
- Temperature: 0.8 (增加创意性)
- Max Tokens: 500
```
---
### 第五步:测试工作流
1. 点击右上角 **Save** 保存工作流
2. 点击 **Test Workflow** 或 **Chat** 按钮
3. 在聊天框输入测试内容,例如:
- "给我生成关于程序员的彩虹屁"
- "夸夸我的老板"
- "为我的猫咪生成彩虹屁"
---
### 可选增强功能
#### 添加记忆功能(让Agent记住对话)
在 AI Agent 节点下方添加 **Window Buffer Memory** 子节点:
- 这让 Agent 能记住之前的对话上下文
- 用户可以说"再来几条"或"换个风格"
#### 添加自定义工具
你可以创建一个自定义工具节点,提供预设的彩虹屁模板库:
```javascript
// Code 节点示例
const templates = [
"你的{主题}简直是{形容词},让人{反应}",
"看到你的{主题},我只想说:{夸张语句}",
"如果{主题}有段位,你绝对是王者级别!"
];
return {
json: {
templates: templates,
suggestion: "可以使用以上模板生成彩虹屁"
}
};
```
---
### 快速开始
现在你可以:
1. 打开 http://localhost:5678
2. 点击 **Add workflow** 创建新工作流
3. 按照上述步骤配置节点
4. 测试你的彩虹屁生成器!
更多推荐



所有评论(0)