研究 YouTube 频道和评论的聊天智能体

研究 YouTube 频道和评论的聊天智能体

一个回答 YouTube 相关问题的 n8n 聊天智能体。你在聊天里输入一个请求，智能体就按用户名找到频道、列出它的视频、读视频的简介和评论、取文字稿，并评判缩略图。它把聊天历史保存在 Postgres。可以用它看观众在要什么、热门视频怎样包装，以及下一步该做什么。

包里有什么

• workflow.json：n8n 导出的工作流，28 个节点，其中 22 个运行，6 个是便签。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。

文件里有两个场景。第一个是聊天智能体。第二个是同一个工作流里的一组工具，智能体通过七个子工作流工具节点调用它们。

我们相对原来的副本改了什么

• AI Agent 原来是 1.6 版、OpenAI Functions 模式。n8n 的源码（2026 年 11 月 12 日查阅）把这个模式标为已弃用，并会在 n8n v3 中移除。现在它是 2.2 版的 AI Agent，提示词、记忆和七个工具照旧。
• 七个工具节点原来按 ID 指向文件作者 n8n 里的一个工作流。现在工具按 {{ $workflow.id }} 调用这个工作流自己，因为第二个场景就在文件里。
• OpenAI Chat Model 没有指定模型，所以 n8n 用了节点的默认值 gpt-5-mini。OpenAI 的弃用页面（2026 年 11 月 12 日查阅）显示它将于 2026 年 12 月 11 日关停，替代模型是 gpt-5.6-terra。现在节点指定了 gpt-5.6-terra。
• 评判缩略图的 OpenAI 节点原来用 gpt-4o。OpenAI 的页面显示这个模型将于 2027 年 1 月 14 日关停，替代模型是 gpt-6-luna，它能接收图片输入。节点现在用它，并允许 1500 个 token，高于默认的 300，因为这个模型会先推理再作答。
• 三张便签带着横幅图片、个人资料链接、社区链接、推荐链接和一个视频缩略图。其中两张已用 Mindket 自己的话重写，带视频缩略图的那张已删除。
• 凭据关联和 Execute Workflow Trigger 里保存的测试数据已删除，文件的名称是我们起的。
• 别的都没改。系统消息、工具描述、路由和请求照原文件。

开始之前

• 一个 n8n 实例，n8n Cloud 或自己的服务器都行。
• 一个开通了 YouTube Data API 的 Google Cloud 项目，和一个 API 密钥。
• 一个 Apify 账号和它的 API 令牌，用于文字稿。
• 一个 OpenAI API 密钥。
• 一个用于聊天记忆的 Postgres 数据库。

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. 为 YouTube 新建一个 Query Auth 凭据。查询参数名为 key，值填你的 Google API 密钥。在 Get Channel Details、Get Video Description、Get Comments、Run Query 和 Get Videos by Channel 里选中它。
3. 为 Apify 再新建一个 Query Auth 凭据。查询参数名为 token，值填你的 Apify 令牌。在 Get Video Transcription 里选中它。
4. 添加一个 OpenAI 凭据，在 OpenAI Chat Model 和 OpenAI 里选中它。
5. 添加一个 Postgres 凭据，在 Postgres Chat Memory 里选中它。
6. 保存工作流。工具是按 ID 调用它保存的版本，所以改了第二个场景之后要再保存一次。
7. 打开聊天，问点什么，比如“找到用户名为 example_handle 的频道，概括它最新视频的评论。”

一次运行的过程

1. When chat message received 接收消息，AI Agent 把它当作 chatInput 读取。Postgres Chat Memory 用聊天的 sessionId，所以每次聊天各自保留历史。
2. 系统消息告诉智能体：按合理的顺序规划工具，请求看起来像笔误时要问。它还告诉智能体，需要去掉短视频时，先查看视频的时长。
3. 智能体按名字调用一个工具：get_channel_details、get_video_description、get_list_of_videos、get_list_of_comments、search、analyze_thumbnail 或 video_transcription。每个工具把一个 command 和它的输入发给第二个场景。
4. Execute Workflow Trigger 接收调用，Switch 把它送到对应的请求。频道、视频、搜索和评论的请求发给 YouTube Data API。Edit Fields 把评论变成一行一条的 author: comment。文字稿请求运行一个 Apify actor 并等待结果。OpenAI 根据缩略图地址和一个提示词描述缩略图。
5. Response 把结果还给智能体，智能体在聊天里作答。

想改的地方

• 智能体的行为：AI Agent 里的系统消息。
• 模型：智能体用 OpenAI Chat Model，缩略图用 OpenAI。
• 返回多少条评论：Get Comments 里的 maxResults，设成了接口一次能给的最大值。
• 新工具：在 Switch 里加一个输出，再加一个设置它的 command 的工具节点。
• 文字稿来源：Get Video Transcription 里的 Apify 请求。
• 聊天记住多少：Postgres Chat Memory。

要知道的

• 按 Google 的配额页面，新的 YouTube Data API 项目默认每天允许 100 次搜索调用，其他所有调用合计 10,000 个单位。Run Query 和 Get Videos by Channel 都是搜索调用。聊天时间长了可能达到上限。
• Get Comments 请求一页最多 100 条评论串，不再往后翻。
• 文字稿来自别人发布的一个 Apify actor。我们读它的时候，它是公开的，并在 2026 年 7 月更新过。一次运行可能要一分钟或更久，Apify 会收费。依赖它之前先看 actor 的页面。
• 文字稿很长。它会进入智能体的上下文和聊天历史，所以几份加起来费用就很可观。
• 评论带着观众公开的显示名称，智能体会把它们和其余内容一起交给 OpenAI。
• 数据去向：查询发给 Google，文字稿发给 Apify，模型和缩略图发给 OpenAI，历史记录存到你的 Postgres。
• 除非你在触发器里把聊天设为公开，否则聊天只在 n8n 里使用。公开的聊天会让任何人花你的密钥。