列出哪些工作流用了哪些凭据的聊天智能体

列出哪些工作流用了哪些凭据的聊天智能体

一个分两步的 n8n 工作流。第一步向你自己的 n8n 要它所有的工作流，留下每个工作流的 ID、名称和它的节点所指向的凭据，存进一个小小的 SQLite 数据库。第二步是个聊天。AI 智能体把你的问题变成一条 SQL 查询，再根据返回的内容作答。

它读什么，直说

它读凭据的类型、ID 和名称，关于凭据的其他东西一概不读。工作流从 n8n 的工作流列表里取每个节点的 credentials 条目，这个条目里只有类型、ID 和名称。它从不调用 n8n 的凭据接口，所以不会读取或保存任何密钥、密码或令牌。不过，凭据的名称是自由文本，里面可能有邮箱地址或客户的名字。

里面有什么

• workflow.json：n8n 导出的工作流，9 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

这份副本是为较旧的 Python 运行器写的。Mindket 做了这些改动，让它能在 n8n 当前的运行器上运行：

• 两个 Python 步骤都读 _input，并用了 item.json 和 .to_py()。当前的运行器只给代码 _items，对工具则给 _query。Mindket 把两个步骤都改写成匹配的样子，并把 Save to Database 设为 Python (Native)。
• 工具原来会运行模型写出的任何 SQL。现在它只回应以 select 开头的查询，这也正是它自己的描述所要求的。
• 智能体的系统消息用 window.location 拼出工作流链接。n8n 的表达式给的 window 里什么都没有，所以消息拼不出来。现在消息里放的是 <YOUR_N8N_ADDRESS>。
• 聊天模型没有指定模型，所以 n8n 会填上 gpt-5-mini，OpenAI 会在 2026 年 12 月 11 日停用它。Mindket 的副本指定 gpt-5.6-terra，这是 OpenAI 给它的替代。
• 一张便签说数据库放在内存里，n8n 重启时就清空。其实 Python 步骤建的是一个文件，所以便签现在这样写。
• 里面没有任何凭据。

开始之前

• 一个带 Python 任务运行器的 n8n 实例。它的 Python 代码默认什么都不能导入，所以必须通过运行器的变量 N8N_RUNNERS_STDLIB_ALLOW 允许 json 和 sqlite3，比如 json,sqlite3。对外部运行器，n8n 的文档（2026 年 11 月 12 日查看）说要在运行器的配置文件里把它设成环境变量覆盖。
• 一个 n8n API 密钥，和你的实例的 API 地址，地址以 /api/v1 结尾。
• 一个 OpenAI API 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. 按上面所说，在 Python 运行器里允许 json 和 sqlite3。
3. 在 n8n 里创建一个 API 密钥。添加一个 n8n API 凭据，填这个密钥和你的 API 地址，在 n8n 里选中它。
4. 添加 OpenAI 凭据，在 OpenAI Chat Model 里选中它。
5. 打开 Workflow Credentials Helper Agent，把它系统消息里的 <YOUR_N8N_ADDRESS> 换成你的 n8n 的地址，比如 https://n8n.example.com。
6. 在手动触发器上点 Test workflow。Save to Database 应当报告它存了多少个工作流。
7. 打开聊天，提一个问题。

一次运行是怎么走的

第一步在你点 Test workflow 时运行：

1. When clicking "Test workflow" 开始这次运行。
2. n8n 列出这个 API 密钥能看到的每个工作流。
3. Map Workflows & Credentials 为每个工作流留下三个字段：workflow_id、workflow_name 和 credentials，后者是它的节点所用的每个凭据的类型、ID 和名称列表。
4. Save to Database 在表 n8n_workflow_credentials 不存在时建好它，然后为每个工作流插入或替换一行。

第二步在你发送聊天消息时运行：

1. Chat Trigger 开始一次运行。
2. Workflow Credentials Helper Agent 是 1.6 版的 Tools Agent，配 OpenAI Chat Model 和 Window Buffer Memory。
3. Query Workflow Credentials Database 是它的工具，名为 query_workflow_credentials_database。它运行智能体写的 SELECT。它的描述告诉智能体这张表，以及凭据那一列是 JSON 字符串，所以用 LIKE 搜索效果最好。
4. 智能体作答，你要的话它会给出某个工作流的链接。

想改样子，改这里

• 读哪些工作流：n8n 的选项。
• 存哪些字段：Map Workflows & Credentials 里的三个赋值。
• 智能体知道什么、怎么回答：系统消息和工具的描述。
• 模型：OpenAI Chat Model。

要知道的

• 数据库是个快照。你的工作流有变化之后，再点一次 Test workflow。
• Python 给每次运行一个全新的进程，所以两个步骤共用一个 SQLite 文件，它由运行器建在它工作的文件夹里。那个文件夹必须可写，文件在重启后能不能留下，也取决于它。
• 智能体的回答，其中可能有凭据名称和工作流名称，会发给 OpenAI。
• 你能列出哪些工作流，取决于你的 API 密钥。
• 每个问题至少一次模型调用，智能体查数据库时是两次。
• 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。