LangChain - Example - Code Node Example

工作流名称

LangChain - Example - Code Node Example

主要功能和亮点

该工作流展示了如何使用自定义代码节点结合LangChain框架，实现与OpenAI语言模型的交互，并通过自编LLM Chain节点和自定义工具节点（如Wikipedia查询）扩展功能。支持手动触发，灵活设置输入内容，能够处理多种自然语言查询请求。

解决的核心问题

传统的自动化流程在集成大型语言模型时，往往受限于节点功能单一或缺乏灵活性。此工作流通过自定义代码节点，实现了对语言模型请求的灵活构造和调用，解决了复杂查询场景下的定制化需求，提升了自动化智能问答和工具调用的能力。

应用场景

• 智能问答机器人搭建
• 自然语言接口的自动化任务触发
• 结合外部知识库（如Wikipedia）进行信息检索
• AI辅助的文本生成和处理场景
• 教育、客服和内容创作等领域的智能助手开发

主要流程步骤

1. 手动触发工作流启动
2. 通过“Set”节点设置自然语言查询输入（示例包括“讲个笑话”、“爱因斯坦出生年份”等）
3. 自定义“LLM Chain节点”将输入转化为提示模板，并调用OpenAI语言模型生成回答
4. “Agent”节点结合Chat OpenAI模型和自定义Wikipedia工具节点，实现复杂任务的多工具调用与响应整合
5. 返回最终结果，支持多轮和多输入的灵活处理

涉及的系统或服务

• OpenAI（用于调用GPT等语言模型）
• LangChain框架（实现语言模型链式调用和工具集成）
• 自定义代码节点（n8n中自编写节点实现复杂逻辑）
• Wikipedia查询工具（作为外部知识库辅助回答）

适用人群或使用价值

• 需要集成大型语言模型进行智能问答和自动化的开发者
• 希望通过低代码平台自定义AI流程的技术人员
• 企业自动化团队，提升客服或内容生成效率
• 教育和研究机构，搭建基于语言模型的教学辅助系统
• 任何希望通过灵活调用AI模型并结合外部知识库实现智能化业务的用户

---

此工作流以“自编码LLM Chain节点”为核心，结合OpenAI强大的语言理解能力和Wikipedia知识查询工具，帮助用户实现高度定制化的智能语言处理与自动化，极大拓展了n8n工作流在AI领域的应用边界。