固定 JSON 格式并带自动修复重试的回答

它是什么

这个 n8n 工作流演示怎样让语言模型按固定的 JSON 格式回答。你点一下按钮，提示词就请 OpenAI 列出面积最大的五个美国州，每个州列出三个最大的城市和它们的人口。Structured Output Parser 让答案符合一个 schema。Auto-fixing Output Parser 包在它外面，把不合格的回复交给第二次模型调用，修复一次。十一个节点干活，其中四个是便签。

适合谁

需要把模型的回答当成数据、让后面的节点能读的 n8n 工作流搭建者，比如要存一行，或者按某个字段分支。如果你要的是自由文本，就别选它。它在编辑器里手动运行，所以是一个可以照着做的范例，不是一项服务。

你需要会一点 n8n：导入一个文件、添加一个 OpenAI 凭据，然后运行它。

用在哪里

任何能访问 OpenAI 的 n8n 都能运行它。回复显示在 LLM Chain 节点的输出里。

• n8n Cloud：在那里新建一个工作流，把文件导入进去
• 你自己的 n8n 服务器：同一个文件，同样的步骤
• 其他工作流：把 LLM Chain 和它的两个解析器复制到一个有自己触发器和提示词的工作流里
• 别的聊天模型：把两个 OpenAI 模型节点换成别的聊天模型节点

设置

点“下载”会把一个压缩包存到你的下载文件夹，里面有 workflow.json 和 Mindket 写的设置说明。设置是一个凭据，用在两个节点里，再给每个节点选一个模型。

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. 添加一个 OpenAI 凭据，填上你的密钥，在 OpenAI Chat Model 和 OpenAI Chat Model1 里选中它。
3. 在这两个节点里各选一个模型。默认的 gpt-5-mini 将于 2026 年 12 月 11 日关停。
4. 点 Execute workflow，再打开 LLM Chain 读答案。

如何使用

在 Prompt 里改问题，在 Structured Output Parser 里改 schema，再运行一次。schema 告诉模型要返回哪些字段，解析器会拒绝其他内容。被拒的回复连同错误提示交给 OpenAI Chat Model1，由它重写一次。

示例

一位搭建者保持问题不变，看它返回什么。

模型用 JSON 回答。解析器接受回复的话，LLM Chain 就把它输出：单个对象作为这条记录本身，列表则作为带 data 字段的一条记录，列表就放在里面。不接受的话，修复调用再试一次。请对照来源核实数字，因为解析器检查的是格式，不是真假。

新手与专家

新手：n8n 把工作流画成用线连起来的方框，每个方框叫节点，只做一件事。模型的回复是普通文本，所以后面的节点没法指望它的版式。解析器按 schema 读回复，再把符合你要求的格式的数据传下去。两个模型挂在链的下面，不在那条线上。

专家：LLM Chain 是打开了输出解析器的 Basic LLM Chain。Structured Output Parser 接收 JSON schema。在 n8n 当前的代码里，它接受一个对象，或这种对象的列表。Auto-fixing Output Parser 包在它外面。失败时，它把指令、有问题的回复和错误一起发给它自己的模型。

注意事项

这个工作流手动运行，而且依赖一个即将停用的默认模型。

• 模型：两个模型节点都没有指定模型，所以各自用节点的默认值，也就是 2026 年 11 月 12 日 n8n 仓库里的 gpt-5-mini。OpenAI 的弃用页面（当天查阅）写明 gpt-5-mini 将于 2026 年 12 月 11 日关停，替代模型是 gpt-5.6-terra。两个节点还都设了温度 0，如果 OpenAI 对你选的模型拒绝它，就把它清掉
• Schema：它描述的是一个州带一个城市列表，而问题问的是五个州。在 n8n 当前的代码里，五个州的列表能通过，所以运行没问题，但还是把你要的格式写清楚
• 宽松的字段：name 和 population 写成了光秃秃的词，不是 {"type": "string"}，所以任何值都能通过。把每个都写成带 type 的对象，才会强制检查
• 只修复一次：第二次回复还是不符合 schema，运行就带着错误停下
• 费用：每次运行至少调用一次模型，修复时会调用第二次
• 触发：手动，所以你不点按钮就不会运行
• 你的数据：问题和回复会发给 OpenAI
• 凭据：JSON 里没有任何凭据