n8n 中的 LangChain
n8n 的 AI 节点使用 LangChain JavaScript 框架。每个节点都可配置:你可以选择自己的 agent、LLM、memory 和其他组件。你可以像平常一样将任何其他 n8n 节点连接到 LangChain 节点,从而将 LangChain 逻辑与 n8n 支持的任何其他数据源或服务组合起来。
本页面面向已经了解 LangChain、希望了解其概念如何映射到 n8n 的读者。如果你刚接触 AI 概念,请先阅读了解 AI 组件。
LangChain 概念如何映射到 n8n 节点
n8n 将大多数 LangChain 概念表示为集群节点:一个定义集群主要功能的根节点,以及一个或多个用于扩展它的子节点。
| LangChain 概念 | 节点类别 | 示例节点 | 了解更多 |
|---|---|---|---|
| Chain | Root node 根节点 | Basic LLM Chain、Question and Answer Chain、Summarization Chain | 什么是 AI 中的 chain? |
| Agent | Root node 根节点 | AI Agent | 什么是 AI 中的 agent? |
| Language model | Sub-node 子节点 | Anthropic Chat Model、OpenAI Chat Model、Ollama Chat Model | 子节点 |
| Vector store | Root node 根节点 | Pinecone Vector Store、Qdrant Vector Store、Simple Vector Store | 使用向量存储和搜索数据 |
| Memory | Sub-node 子节点 | Postgres Chat Memory、Redis Chat Memory、Simple Memory | Memory 的工作方式 |
| Tool | Sub-node 子节点 | Call n8n Workflow Tool、Custom Code Tool、Wikipedia | 什么是 AI 中的 tool? |
| Retriever | Sub-node 子节点 | Vector Store Retriever、Workflow Retriever | 检索相关上下文 |
| Embeddings | Sub-node 子节点 | Embeddings OpenAI、Embeddings Cohere | 检索相关上下文 |
| Document loader | Sub-node 子节点 | Default Data Loader、GitHub Document Loader | 子节点 |
| Output parser | Sub-node 子节点 | Structured Output Parser、Auto-fixing Output Parser | 子节点 |
| Text splitter | Sub-node 子节点 | Recursive Character Text Splitter、Token Splitter | 子节点 |
Memory 子节点只能连接到 AI Agent 根节点。与 LangChain 不同,n8n 的 chain 节点都不支持 memory,因此无法引用对话中的早期消息。如果工作流需要此功能,请使用 agent 而不是 chain。
以上示例并不完整。要查看每个类别中完整且最新的节点列表,请浏览根节点和子节点库。n8n 还提供 Chat Trigger 节点,可从聊天消息启动工作流;LangChain Code 节点则允许你直接编写 LangChain JavaScript 代码,为尚无专用 n8n 节点的功能提供支持。
在自托管 n8n 实例中使用 LangSmith
LangSmith 是 LangChain 团队提供的开发者平台。将自托管 n8n 实例连接到 LangSmith,可以记录和监控 n8n 执行,方式与追踪 LangChain 应用相同。
提示
Feature availability 功能可用性
LangSmith 追踪可用于:
- Self-hosted: 所有版本
n8n Cloud 不提供此功能。
将 n8n 连接到 LangSmith:
- 登录 LangSmith 并获取 API key。
- 在托管 n8n 的环境中设置以下环境变量:
| 变量 | 值 |
|---|---|
LANGCHAIN_ENDPOINT |
https://api.smith.langchain.com |
LANGCHAIN_TRACING_V2 |
true |
LANGCHAIN_API_KEY |
你的 LangSmith API key |
LANGCHAIN_PROJECT |
可选的项目名称,默认为 default |
LANGCHAIN_CALLBACKS_BACKGROUND |
true 表示异步上传追踪数据 |
- 重启 n8n。
n8n 发送第一条追踪数据后,LangSmith 会创建名为 default 的项目,除非你将 LANGCHAIN_PROJECT 设置为其他名称。之后每条追踪数据都会发送到该项目。由于 LANGCHAIN_CALLBACKS_BACKGROUND 默认会异步上传,追踪数据可能会短暂延迟。调试时可将其设为 false,以进行同步上传。
有关 LangSmith 本身的使用信息,请参阅 LangSmith 文档。
进一步了解 LangChain
使用 n8n 不需要了解 LangChain,但如果你想深入学习,以下资源会有所帮助:
- LangChain 文档介绍核心概念和使用场景。选择 LangChain | Python 或 LangChain | JavaScript 获取快速入门、代码示例和 API 文档。LangChain 还提供适用于 Python 和 JavaScript 的代码模板,其中包含常见模式和使用场景的示例。
- 什么是 LangChain? 面向普通读者,用通俗语言解释 LangChain 术语。
- Greg Kamradt 的 YouTube 系列通过代码示例讲解 LangChain 文档。
- 加入 n8n Discord,与 n8n 社区讨论 LangChain 并分享项目。