把 Hacker News 查询当作工作流工具的聊天智能体

把 Hacker News 查询当作工作流工具的聊天智能体

一个带聊天窗口的 n8n 工作流。一个 AI Agent 回答你的问题，需要数据时就调用名为 hn_tool 的工具。这个工具是同一块画布上的第二条流程：它向 Hacker News 的搜索要 50 条内容，每条保留五个字段，再以文本交还。把 Hacker News 节点换成你自己的任何数据源，同一个聊天就能从它那里作答。

里面有什么

• workflow.json：n8n 导出的工作流，8 个节点，另有 4 张便签。里面没有任何凭据。
• README.md：这份说明。

我们对原始副本做了哪些改动

Mindket 起步用的那份副本有一处缺口，让智能体看不到你的问题。Mindket 把它补上了：

• AI Agent 把 Text 字段留在默认值。对这个版本的节点，默认值读的是 {{ $json.chat_input }}，而 n8n 的聊天窗口把消息以 chatInput 发给 On new manual Chat Message。智能体拿到的是空提示。现在它的 Text 读 {{ $json.chatInput }}。

这个文件原来也没有名字，Mindket 给它起了一个。

开始之前

• 一个 n8n 实例，n8n Cloud 或你自己的服务器都行。
• 一个 OpenAI API 密钥。
• Hacker News 不需要账号，也不需要密钥。

设置步骤

1. 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File，选中 workflow.json。
2. 添加 OpenAI 凭据，在 OpenAI Chat Model 里选中它。
3. 打开 OpenAI Chat Model，选一个当前可用的模型。文件里没有指定，所以 n8n 会填上 gpt-5-mini。OpenAI 的弃用页面（2026 年 11 月 12 日查看）给出这个模型的停用日期是 2026 年 12 月 11 日，并指定 gpt-5.6-terra 作为替代。
4. 保存工作流。工具是按工作流自己的 ID 来调用它的，所以第一次聊天之前要先保存。
5. 在画布上点 Chat，问一个关于这些帖子的问题。

一次运行是怎么走的

1. On new manual Chat Message 在你于 Chat 窗口发送消息时开始一次运行。
2. AI Agent 是 Conversational 类型的智能体，maxIterations 设为 10。它读你的问题，判断是否需要那份帖子清单。
3. Custom tool to call the wf below 就是那个工具，名为 hn_tool。它的工作流 ID 是 {{ $workflow.id }}，所以它运行自己所在的工作流，从 Execute Workflow Trigger 开始。
4. Hacker News 在不带关键词、不带标签的情况下做搜索，上限 50 条。
5. Clean up data 为每条内容保留五个字段：title、points、url、created_at 和 author。
6. Stringify 把所有内容变成一段 JSON 文本，放进名为 response 的字段返回。
7. 工具把那条数据当文本交给智能体，智能体在聊天里作答。

想改样子，改这里

• 哪些帖子：Hacker News 节点。先从它的关键词、标签和上限入手。它旁边的便签说，可以把它换成任何别的服务。
• 智能体看到的字段：Clean up data 里的五个赋值。
• 智能体对工具的了解：Custom tool to call the wf below 里的名称和描述。
• 智能体能走几轮：AI Agent 里的 maxIterations。
• 模型：OpenAI Chat Model。

要知道的

• 节点自己没有设定排序。它取的是空搜索的前 50 个结果，画布上的一张便签称它们是有史以来最受欢迎的帖子。问到名次的问题之前，先核对一下顺序。
• 文件里没有记忆节点，所以每个问题都是单独回答的。
• 需要用到清单的问题，至少计两次模型调用，一次决定用工具，一次根据返回的内容作答。
• 你的问题和那些内容会发给 OpenAI。搜索请求发到 Hacker News 的搜索地址 hn.algolia.com。
• 它在编辑器里的 n8n Chat 窗口运行。文件里没有任何东西会打开公开的聊天。
• 这个 JSON 里没有任何凭据。