根据另一个工作流的数据来回答问题

根据另一个工作流的数据来回答问题

一个根据第二个工作流返回的数据来回答问题的 n8n 工作流。你输入一个问题，一个 OpenAI 模型读取第二个工作流交回来的一切，并据此作答。这种做法适用于 n8n 能访问的任何来源，比如表格、数据库或 API，因为第二个工作流负责取数据，这一个负责提问。

包里有什么

• workflow.json：n8n 导出的工作流，五个节点。四个是提问的流程，第五个是指向你的第二个工作流的检索器。旁边还有两张便签。里面没有任何凭据。
• README.md：这份设置说明，附有一个小的示例第二工作流，可以粘贴进去试一试。压缩包里的是英文版。

我们相对原来的副本改了什么

• Workflow Retriever 原来指向作者自己 n8n 上的一个工作流，而那个工作流不在文件里。它的 ID 现在是 YOUR_SUBWORKFLOW_ID。
• 文件里没有第二个工作流，所以示例问题没有东西可读。下面的示例补上了这个缺口。它是我们写的，不是作者的。
• OpenAI Chat Model 上的凭据关联已删除，文件按它的用途起了名字。
• 别的都没改。示例问题照原文件。

开始之前

• 一个 n8n 实例，n8n Cloud 或自己的服务器都行。
• 一个 OpenAI API 密钥。
• 一个第二工作流，以 Execute Workflow Trigger 节点开头，以一个返回你数据的节点结尾。

一个示例第二工作流

复制下面的 JSON，在 n8n 里打开一个新工作流，把它粘贴到画布上。给它起个名字并保存。它返回三条虚构的顾客记录和备注，让示例问题有东西可找。邮箱地址用的是 example.com，这个域名是专门留给示例用的。

{
  "name": "Customer notes (sample)",
  "nodes": [
    {
      "name": "Execute Workflow Trigger",
      "type": "n8n-nodes-base.executeWorkflowTrigger",
      "typeVersion": 1,
      "position": [0, 0],
      "parameters": {}
    },
    {
      "name": "Customer notes",
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
      "position": [220, 0],
      "parameters": {
        "jsCode": "return [\n  { json: { name: 'Jay Gatsby', email: 'jay.gatsby@example.com', notes: 'Hosts large parties. Prefers evening calls.' } },\n  { json: { name: 'Daisy Buchanan', email: 'daisy.buchanan@example.com', notes: 'Asked for a quote in March. Waiting on the budget.' } },\n  { json: { name: 'Nick Carraway', email: 'nick.carraway@example.com', notes: 'Referred by Jay Gatsby. Wants a demo.' } }\n];"
      }
    }
  ],
  "connections": {
    "Execute Workflow Trigger": {
      "main": [[{ "node": "Customer notes", "type": "main", "index": 0 }]]
    }
  }
}

这个示例不看问题，直接返回每一条记录。三条记录这样做没问题。换成真实数据时，在 Code 节点里用 $input.first().json.query 读出问题，只返回匹配的行。

设置

1. 把上面的示例粘贴到一个新工作流里并保存。看一下地址栏：/workflow/ 后面的部分就是它的 ID。
2. 在 n8n 里再新建一个工作流，打开它的菜单，选 Import from File，选中 workflow.json。
3. 在 Workflow Retriever 里，把 YOUR_SUBWORKFLOW_ID 换成那个 ID。
4. 添加一个 OpenAI 凭据，在 OpenAI Chat Model 里选中它。
5. 点 Execute Workflow，打开 Retrieval QA Chain2 读回答。它应该给出 Jay Gatsby 的备注和邮箱。
6. 想问你自己的问题，就改 Example Prompt 里的文字。

一次运行的过程

1. When clicking "Execute Workflow" 手动开始这次运行。
2. Example Prompt 把一个字段 input 设成 What notes can you find for Jay Gatsby and what is his email address?
3. Retrieval QA Chain2 把这个 input 当作它的问题。在节点 1 版，它读的是 {{ $json.input }}。
4. Workflow Retriever 运行你的第二个工作流，并把问题以名为 query 的字段传给它。最后一个节点返回的每个条目，成为一个带编号的上下文段落。
5. OpenAI Chat Model 根据这些上下文写出回答，链把它返回。

想改的地方

• 问题：Example Prompt 里的 input 值。想从聊天或表单接收问题，就换掉触发器，再用它来设 input。
• 数据：你的第二个工作流。在它的触发器和最后一个节点之间，想放多少节点都行。
• 模型：OpenAI Chat Model。
• 读取哪个工作流：Workflow Retriever 里的 ID。

要知道的

• 检索器自己不做任何搜索。你的第二个工作流最后一个节点返回的一切，都作为上下文交给模型。结果大就更费钱，还可能超出模型的限制，所以要在第二个工作流里过滤。
• 第二个工作流收到的只有作为 query 的问题，别的都没有。用的只是最后一次运行的输出，不是它之前的各个步骤。
• OpenAI Chat Model 没有设模型，所以 n8n 用这个节点的默认值 gpt-5-mini。OpenAI 的弃用页面（2026 年 11 月 12 日查阅）给它定的关停日期是 2026 年 12 月 11 日，替代模型是 gpt-5.6-terra。在这之前请换一个模型。
• 数据去向：问题和你第二个工作流的全部结果，每次运行都发给 OpenAI。
• 费用：OpenAI 按每次运行收费，和交出去的数据量成正比。