Mindket

LangChain Code 节点示例:一条链和一个 Wikipedia 工具

新上架第 1 版 · 更新于

概览

一个有两个小型 LangChain 演示的 n8n 工作流,都写在 Code 节点里:一条手写的链回答“Tell me a joke”,一个带手写 Wikipedia 工具的智能体回答爱因斯坦是哪一年出生的。

LangChain Code 节点示例:一条链和一个 Wikipedia 工具 是一款 n8n 工作流,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,或复制它的 JSON,再导入 n8n 画布。在 n8n 里启用之前,它不会运行。

速览

用在
  • 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
  • 你自己的提示词:编辑那两个存着问题的 Set 节点
  • 别的触发器:把手动触发器换成 webhook、聊天或定时

平台

连接 2 个应用

运行方式

触发

手动运行

你点 Execute workflow 时开始运行,点一次两个演示一起跑,输入是:

  • 一条讲笑话的请求,设在 Set 节点里
  • 一个关于爱因斯坦的问题,设在 Set1 节点里

动作

  1. 一个 Code 节点根据第一个问题写出提示词,接到一个 OpenAI 聊天模型上
  2. 这条链的回答以文本放在 output 字段里
  3. 一个 AI Agent 接手第二个问题,并带着第二个 Code 节点提供的 Wikipedia 工具
  4. 智能体查到答案,写在它的 output 字段里

结果

这次运行里有两个回答:手写的链给出一则笑话,智能体给出爱因斯坦的出生年份

集成

开始之前要准备好这些。

OpenAI

语言模型

为手写的链运行 gpt-5.6-terra,为智能体运行一个聊天模型,默认是 gpt-5-mini。

需要OpenAI API 密钥,放在一个 OpenAI 凭据里

Wikipedia

知识查询

通过第二个 Code 节点提供的 Wikipedia 工具,回答智能体的搜索。

需要不用登录

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
5 个步骤,手动启动
AI
2 个步骤调用 AI 模型:Custom - LLM Chain Node、Agent
登录
需要登录:OpenAI
API 密钥
文件里没有留下 API 密钥
步骤类型
Mindket 的检查器能读懂它 4 种步骤类型中的 2 种,读不懂的是:Code、AI Agent

以上内容读自工作流文件,并非实际运行的结果。

关于

它是什么

这个 n8n 工作流演示怎么在 n8n 的 LangChain Code 节点里自己写 LangChain 的步骤。点一次 Execute workflow,两个演示并排启动。第一个里,一个 Code 节点根据问题“Tell me a joke”构建提示词,接到一个 OpenAI 聊天模型上并返回回答。第二个里,一个 AI Agent 拿到第二个 Code 节点提供的 Wikipedia 工具,回答“What year was Einstein born?”。干活的是八个节点,旁边还有两张便签给演示命名。

适合谁

懂一点 JavaScript、想在自己动手写之前先看一个在 n8n 里写自定义 LangChain 代码的可用模式的开发者。如果你想要一个现成的业务工作流,就别选它。它只有两个固定的问题,除了这次运行之外没有任何输出。

谁在用,怎么用
行业谁在用怎么用例子
软件后端开发者把这条链的代码拿来当自定义提示词流程的开头一位开发者改了提示词那一行,其余照旧。
AI 工程原型搭建者加一个智能体能调用的工具,写成 Code 节点一位工程师把 Wikipedia 类换成对公司自家搜索的调用。
培训课程作者演示 n8n 怎么让代码加入它的 AI 节点一位讲师在工作坊里现场运行两个演示。
咨询自动化顾问找出内置节点在哪里止步、必须由代码接手一位顾问在提出自定义步骤之前先读了这条链的代码。

你需要会一点 n8n 和一点 JavaScript:导入文件、在两处添加同一个 OpenAI 凭据,再读两段短脚本。

用在哪里

任何能访问 OpenAI API 且有 LangChain Code 节点的 n8n 都能运行它。Wikipedia 不需要密钥。

  • 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
  • 你自己的提示词:编辑那两个存着问题的 Set 节点
  • 别的触发器:把手动触发器换成 webhook、聊天或定时

设置

点“获取”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。同一个 OpenAI 密钥供两个演示共用。

先准备好这些
需要说明
n8nn8n Cloud 或你自己的服务器,带有 LangChain Code 节点
OpenAI一个用于 OpenAI 凭据的 API 密钥。链用的模型是 gpt-5.6-terra,智能体用的是节点的默认值
  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,在 OpenAI Chat Model 和 Chat OpenAI 里选中它。
  3. 打开 Set 和 Set1,读一读那两个问题。想改就改。
  4. 点 Execute workflow。打开链的 Code 节点看笑话,打开 Agent 看爱因斯坦的答案。

如何使用

点 Execute workflow,两个演示从同一个触发器一起运行。每个 Code 节点都可以用 console.log 往浏览器的控制台写东西,智能体调用工具时,这个工具的 Code 节点会记一行日志。

想要不同的效果,改这里
要改的在哪里改
问题Set 和 Set1 里的 input
链的步骤链的 Code 节点里的代码
智能体的工具工具的 Code 节点里的代码
模型链用 OpenAI Chat Model,智能体用 Chat OpenAI

示例

一位开发者原样运行,Set 里是“Tell me a joke”,Set1 里是“What year was Einstein born?”。

链的 Code 节点返回一项,它的 output 里是模型讲的笑话文本。Agent 返回的 output 里给出爱因斯坦的出生年份 1879。模型也可能凭记忆回答这个问题,而不去调用工具。

新手与专家

新手:n8n 把工作流画成用线连起来的方框,每个方框是一个节点,只做一件事。LangChain 是围绕语言模型构建应用的工具包,n8n 的 AI 节点就跑在它上面。LangChain Code 节点让你手写这些代码。先原样运行这个文件,再改一个问题。

专家:链的节点读取接上的任何模型,所以换模型节点不用改代码。

值得细看的地方
节点做什么要知道的
链的 Code 节点执行模式的 LangChain Code 节点,有一个主输入和一个必需的语言模型输入它用 getInputConnectionData 读取模型,把提示词接到模型上并返回 output
工具的 Code 节点供数据模式的 LangChain Code 节点,带一个 AI 工具输出它返回一个 WikipediaQueryRun 对象给智能体调用
AgentAI Agent 1,默认是对话式智能体它从 input 读取问题,这个字段由 Set1 写入

注意事项

原来的副本调用的是一个已经下线的模型,它的导入路径也已不存在。

  • 模型:原来的副本用的是 n8n 的 OpenAI Model 节点,它的默认值是 gpt-3.5-turbo-instruct。OpenAI 已于 2026 年 9 月 28 日把这个模型关停。它指定的替代 gpt-5.6-terra 不支持旧的 completions 接口,所以 Mindket 的版本改用一个设为 gpt-5.6-terra 的聊天模型节点,链返回回复的 content。OpenAI 的弃用页面和模型页于 2026 年 11 月 12 日查阅
  • 导入:原来的代码导入的是 langchain/prompts 和 langchain/tools。n8n 现行 Code 节点的起始代码(2026 年 11 月 12 日查阅)导入的是 @langchain/core/prompts 和 @langchain/community/tools/wikipedia_query_run,Mindket 的版本用的就是这两个
  • 智能体的模型:Chat OpenAI 把模型留在节点的默认值 gpt-5-mini。OpenAI 的页面给出的关停日期是 2026 年 12 月 11 日,替代是 gpt-5.6-terra
  • 花括号:链把问题当作提示词模板,所以带 { 和 } 的问题会被读成变量
  • 费用:OpenAI 对链计一次调用,对智能体至少计一次
  • 你的数据:两个问题都会发给 OpenAI,智能体的搜索词会发给 Wikipedia
  • 凭据:JSON 里没有任何凭据

README 和文件

README

LangChain Code 节点示例:一条链和一个 Wikipedia 工具

一个有两个小型演示的 n8n 工作流,演示 n8n 的 LangChain Code 节点。第一个里,手写的代码为“Tell me a joke”构建提示词,接到一个 OpenAI 聊天模型上并返回回答。第二个里,一个 AI Agent 用第二个 Code 节点提供的 Wikipedia 工具回答“What year was Einstein born?”。

包里有什么

  • workflow.json:n8n 导出的工作流,十个节点。八个干活,两个是便签,给演示命名(“Self-coded LLM Chain Node”和“Self-coded Tool Node”)。里面没有任何凭据。
  • README.md:这份设置说明,压缩包里的是英文版。

我们相对原来的副本改了什么

  • 第一个演示的模型原来是 n8n 的 OpenAI Model 节点,一个 completions 模型。不设模型时它用 gpt-3.5-turbo-instruct,OpenAI 已于 2026 年 9 月 28 日把它关停。OpenAI 指定的替代 gpt-5.6-terra 不支持旧的 completions 接口。现在这个节点是 1.2 版的 OpenAI Chat Model,名为 OpenAI Chat Model,它的 ID 栏里填的是 gpt-5.6-terra。
  • 聊天模型返回的是一条消息,不是纯文本,所以链的代码现在以 (await chain.invoke()).content 结尾。输出仍然是回复的文本,和以前一样。
  • 链原来导入的是 langchain/prompts,工具导入的是 langchain/tools。n8n 自己为这个节点准备的起始代码(2026 年 11 月 12 日查阅)导入的是 @langchain/core/prompts 和 @langchain/community/tools/wikipedia_query_run,所以这个副本用这两个路径。它的加载器会改写旧的 langchain/tools 路径,但不会改写 langchain/prompts。
  • 两个模型节点原来都关联着作者 n8n 里的一个凭据。这些关联已删掉,请选你自己的。
  • 工作流的标签和它的 id 都删掉了。
  • 别的都没改。问题、智能体和布局都是文件原有的。

开始之前

  • 一个带 LangChain Code 节点的 n8n 实例,n8n Cloud 或自己的服务器都行。
  • 一个 OpenAI API 密钥,用于 OpenAI 凭据。Wikipedia 不需要密钥。
  • 一点 JavaScript,用来读那两段脚本。

设置

  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,在 OpenAI Chat Model 和 Chat OpenAI 里选中它。
  3. 打开 Set 和 Set1,读一读那两个问题。想改就改。
  4. 点 Execute workflow。打开 Custom - LLM Chain Node 看笑话,打开 Agent 看爱因斯坦的答案。

一次运行的过程

  1. 手动触发器启动两个演示。它接到 Set 和 Set1,各写一个 input 字段。
  2. Custom - LLM Chain Node(LangChain Code,执行模式)有一个主输入和一个必需的语言模型输入。它的代码用 PromptTemplate.fromTemplate 从 input 构建提示词,用 getInputConnectionData('ai_languageModel', 0) 读取接上的模型,把提示词接到模型上,并返回一项带 output 的结果。
  3. Agent(AI Agent 1,默认是对话式智能体)从 input 读取问题。它用 Chat OpenAI(模型留在节点的默认值)和 Custom - Wikipedia。
  4. Custom - Wikipedia(LangChain Code,供数据模式,一个 AI 工具输出)记一行日志,并返回一个 WikipediaQueryRun 对象。智能体想查东西时就调用它。

改变风格

  • 问题:Set 和 Set1 里的 input 值。
  • 链:Custom - LLM Chain Node 里的代码。在提示词后面再接更多步骤,或者解析回答。
  • 工具:Custom - Wikipedia 里的代码。可以返回任何 LangChain 工具对象,比如一个调用你自己搜索的。
  • 模型:链用 OpenAI Chat Model,智能体用 Chat OpenAI。链读取接上的任何模型,所以换节点不用改代码。
  • 调试:Code 节点里的 console.log 会写到浏览器的控制台。

注意事项

  • 链把问题当作提示词模板,所以带 { 和 } 的问题会被读成变量。
  • Chat OpenAI 把模型留在节点的默认值 gpt-5-mini。OpenAI 的弃用页面(2026 年 11 月 12 日查阅)把它的关停日期定为 2026 年 12 月 11 日,替代是 gpt-5.6-terra。
  • 模型可能凭记忆回答爱因斯坦的问题而跳过工具。看控制台里工具记的那一行,就知道它有没有运行。
  • OpenAI 对链计一次调用,对智能体至少计一次。
  • 两个问题都会发给 OpenAI,智能体的搜索词会发给 Wikipedia。
  • 文件里没有任何凭据和密钥。
文件
NOTICE.md  611 B
README.md  4 KB
workflow.json  6 KB

3 个文件,共 11 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

开发类的相似商品

查看开发类的全部商品

Lexnet

alpindale · 工具包

用一个只有约 984 个权重的小型神经网络,为 C 源代码的每个字符打上语法高亮标签,通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。

新上架

FLUX.2 Klein LoRA Studio

prithivMLmods · 工具包

在浏览器或你自己的电脑上,用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。

新上架

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架