【AI Agent】n8n入门 - day1

n8n 操作飞书多维表格 摘要:n8n工作流可通过外接数据库处理数据,其中飞书多维表格是免费便捷的选择。使用前需在飞书开放平台创建应用并开通权限,获取AppId和AppSecret。然后在飞书文档中创建多维表格,记录URL中的token和表格ID。在n8n中安装社区节点(如n8n-nodes-feishu-lite),配置应用凭证后即可通过节点操作多维表格,实现数据插入、查询等功能。整个过程需注意API调用次数的限制。 阅读详情

掘金:【AI Agent】 n8n入门 - day1

基础概念

1.工作流自动化和AI Agent的区别是什么?
我理解就是自动化这个概念包含了AI agent,传统的自动化工作流是固定死板的,逻辑不变的。而AI agent则是传统自动化工作流+一个做决策的LLM大脑。让工作流不是固定死板的,而是变得更智能。

2.n8n 是一个基于 Node.js 的工作流自动化工具,你可以使用它来创建和运行工作流。n8n的工作流由「节点」构成,其中支持「AI 节点」

3.因为n8n是英文的界面,对于英文不好的 同学,推荐使用chrome插件「沉浸式翻译」对页面进行翻译。

image.png

安装运行n8n

方式一、云服务
这种方式无需安装,只需n8n注册,使用已经提供好的服务。

方式二、本地安装
根据n8n官方文档,你可以使用以下命令安装n8n:

npx n8n

过程需要等几分钟后,出现
image.png

按键盘o打开网页http://localhost:5678/。首次会进入注册页面。注册登录完成后,会进入n8n的主界面。
image.png

搭建工作流

基础操作

1.创建一个新工作流。
2.在工作画布上,点击+号,搜索你需要的节点。首先输入“AI agent”选择「AI Agent」节点。
image.png
3.选择后,会有下面的配置页,介绍如下:
image.png

4.点击back to canvas。可以看到下面画布,当发 送消息后就会触发这个workflow执行。
image.png

5.接下来就是配置 「大模型节点」、「记忆节点」和「工具节点」,其中工具这块非常丰富,我们在具体的案例中介绍。
6.配置「大模型节点」,这里我们使用deepseek模型
image.png
image.png

7.同样的,配置好「记忆节点」
image.png

查询飞书多维表格

目标:
我有一个飞书表格,能通过聊天的形式让AI帮我查询和分析内容。
这里我使用飞书创建一个模板多维表格。
image.png

操作:
在完成「基础操作」后,下面我们通过配置「工具节点」。

1.n8n有内置的工具,还有些工具需在设置的「Community nodes」中安装节点image.png

2.点击「browse」进入npmjs官网。所谓的节点工具就是一个npm包。
image.png

3.这里我们选用这个「飞书工具」,名字是n8n-nodes-feishu-lark。(还有另外个n8n-nodes-feishu-lite,feishu-lark是基于这个开发的)image.png

4.安装完成后,需要配置feishu-lark节点

{
  "view_id": "" //飞书多维表格的URL中的view id(前面的图片有)
}

image.png

5.输入提示信息触发workflow执行,你的提示词和feishu-lark数据有关,就会调用feishu-lark工具,最后结合飞书接口返回的数据处理后返回给你。
在这里插入图片描述

6.成功!

手把手教你排查n8n集成飞书机器人的6个高频坑:从社区包安装到消息格式错误 本文详细解析了n8n集成飞书机器人时常见的6个高频问题,包括社区包安装、WebSocket连接、用户ID引用、JSON路径解析、消息回复目标及内容格式错误。通过实战案例和精准排查方法,帮助开发者快速解决集成难题,提升自动化流程效率。特别针对飞书机器人的Webhook和Docker部署提供了专业指导。 阅读详情

相关推荐

飞书多维表格API避坑指南:n8n社区节点feishu-lark的安装与使用技巧

本文详细解析了n8n社区节点feishu-lark在飞书多维表格API对接中的实战技巧,包括节点选型、认证配置陷阱、API频率控制等关键问题。通过具体代码示例和优化策略,帮助开发者避开常见坑点,提升自动化流程的稳定性和性能表现。

weixin_29271263的博客 311

n8n 集成飞书机器人完整实战指南:从零到一的踩坑之路

本文分享了在Docker环境下使用n8n集成飞书机器人的完整实战经验,重点记录了6个关键踩坑点及解决方案:1)社区包安装方式错误导致依赖冲突;2)飞书事件订阅未启用导致消息接收失败;3)用户ID字段选择错误应使用open_id;4)JSON数据结构理解偏差导致路径错误;5)群聊消息误发到私聊需区分chat_id;6)飞书消息格式不符合API要求。文章提供了正确的n8n节点配置、Docker Compose设置和SQL查询参数写法,帮助开发者避免重复踩坑,实现稳定的飞书机器人集成。

warkcod的博客 3829

AI工作流与Agent技术:从GitHub趋势到n8n实战部署

如果你最近在 GitHub 上关注 AI 项目,可能会发现一个有趣的现象:那些能直接“干活”的、能串联起多个 AI 模型或步骤的“工作流”工具,正在成为新的焦点。过去一周,一个名为 OpenMontage 的项目冲上了 GitHub AI 趋势榜第一,紧随其后的,是各种与“工作流”和“Agent”相关的项目。 这传递出一个清晰的信号: AI 开发正在从“模型崇拜”转向“工程化落地” 。开发者们不再仅仅满足于调用一个强大的 API,而是开始思考如何将多个 AI 能力像搭积木一样组合起来,构建出能自动完成复杂任

weixin_33827731的博客 459

n8n系统实现:获取热点新闻后存储到飞书多维表格

本文介绍了如何通过n8n工作流将热点新闻自动存储到飞书多维表格的方法。实现步骤包括:1)安装飞书MCP插件并配置应用权限;2)获取热点新闻API接口数据;3)通过代码节点处理返回数据;4)将处理后的数据写入飞书多维表格。文章特别强调了权限配置的重要性,指出需要预先创建多维表格并授权给应用,以避免后续编辑权限问题。最后提供了具体的节点配置示例和注意事项,包括获取多维表格Token和ID的方法。该方案解决了直接使用大模型创建表格导致的权限管理问题。

weixin_43248394的博客 1547

AI Agent开发实战:从LangChain入门到生产级部署12个项目

AI Agent作为能够感知环境、自主决策并执行动作的智能系统,其核心原理基于大语言模型的推理能力与外部工具的协同调用。在技术价值层面,Agent通过RAG检索增强生成、多步骤任务规划等能力,有效解决了传统程序在处理复杂、动态任务时的局限性。这些技术在企业知识库问答、智能客服、多工具协作等应用场景中展现出巨大潜力。本文聚焦LangChain、LangGraph等主流框架,通过12个由浅入深的实战项目,系统讲解Agent开发从基础概念到生产部署的完整路径,涵盖工具调用、记忆管理、状态流转等关键热词技术,为开发

weixin_30835649的博客 358

uniapp+openlayers集成天地图实战:renderjs通信陷阱与性能优化避坑指南

本文深入探讨了uniapp与openlayers集成天地图时的renderjs通信陷阱与性能优化策略。通过实战案例解析了renderjs的特殊通信机制、地图实例生命周期管理、图层懒加载等关键技巧,帮助开发者避免常见坑点,提升应用流畅度。特别针对多语言切换、热重载偏移等疑难问题提供了解决方案,是uniapp+openlayers开发者的实用避坑指南。

weixin_30872157的博客 362

n8n实践-使用n8n搭建一个定时发送天气预报邮件的工作流

摘要:本文介绍了使用n8n工作流平台搭建定时发送天气预报邮件的自动化流程。通过计划触发器设置每天7:30启动,依次调用第三方天气API获取数据,使用DeepSeek AI分析生成生活提示,将Markdown格式转换为HTML后,最终通过QQ邮箱发送。整个流程无需复杂编程,利用可视化组件即可完成API调用、AI处理和邮件发送的完整链路,展示了n8n在自动化任务中的便捷性和灵活性。

weixin_55010563的博客 619

手把手教你用UC3842搭建12V/5A反激电源(附PSIM仿真文件)

本文详细介绍了基于UC3842的12V/5A反激电源设计与PSIM仿真实践。从UC3842芯片选型、高频变压器计算到PSIM仿真模型搭建,提供完整的开关电源设计流程。特别包含PCB布局要点和实测优化建议,帮助工程师快速掌握反激电源开发技巧。

u6v7w8x的博客 1203

AI Agent学习日记 Day1

个人AI学习日记

qq_44964686的博客 491

EtherCat 从站开发中遇到的问题分享

EtherCat从站 AX58100

yu_arius的博客 2058

Android中的Service:Binder,Messenger,AIDL(2)

前言前面一篇博文介绍了关于Service的一些基本知识,包括service是什么,怎么创建一个service,创建了一个service之后如何启动它等等。在这一篇博文里有一些需要前一篇铺垫的东西,建议没有看过前一篇博文的同学先去看一下前一篇: Android中的Service:默默的奉献者 (1) 。但是在前一篇博文中也有一些遗漏的东西——主要是关于bindService()这一块的具体细节。由于这

lypeer的专栏 5万+

7天从零手搓 AI Agent | Day 1:你的第一个“会决策“的程序

Agent的本质是一个"观察→思考→行动"的循环过程 基础版本实现: 使用if/else语句进行意图识别 根据关键词匹配执行对应功能(查天气、查时间等) 包含基本的用户交互循环 改进版本: 引入工具注册表(TOOLS字典)替代冗长的if/else 每个工具包含名称、描述和执行函数 提供工具列表查看功能 当前方案的局限性: 关键词匹配不够智能 扩展新功能需要修改多处代码 文章通过代码示例展示了Agent的基本工作原理,

唐璜Taro的博客 372

几款支持国标GB28181的平台以及视频监控设备接入的配置方法(Web端无插件播放)

GB28181解决的一个主要问题就是如何远程、跨网络、跨区域、跨级别的访问网络中的监控设备(包括IPC、NVR等),本文介绍几款G28181平台的接入配置方法,适合有监控视频摄像头的远程接入和预览需求的人群参考使用。

一名高级工程师的博客 1万+

AI Agent设计模式 Day 12:Debate模式:多Agent辩论与决策优化

Debate模式源于博弈论与群体智能理论,其思想可追溯至哲学中的苏格拉底式诘问法(Socratic Method)和人工智能领域的多智能体协商机制。2023年,OpenAI在论文《》及后续工作中首次系统性地将多Agent辩论机制应用于大模型推理优化。单一Agent容易陷入局部最优或认知偏见,而多个具备差异化视角的Agent通过结构化辩论可逼近全局最优解。正方Agent(Proponent):支持某一结论或方案反方Agent(Opponent):提出反对意见或替代方案。

在未来等你的专栏 1992

抖音移动端Web用户主页视频列表爬虫实战:逆向加密参数与高频采集方案

App端Hook/抓包:需要安卓逆向、Xposed或Frida,门槛高且容易被风控。官方开放API:限制极多,几乎不开放用户级视频列表。PC端Web:页面加载方式繁杂,且大量依赖懒加载与内部状态。移动端Web(:接口相对稳定,加密逻辑集中,且适合使用Requests/HTTPSession模拟,无需渲染引擎。本文聚焦于移动端Web下的用户主页视频列表爬取,采用Python 3.11 + httpx + PyExecJS + 正则/JSON解析的组合,破解X-Bogus签名和_signature。

2201_76125261的博客 855

基于STM32L4XX的环境光传感器(AS7343-DLGMN)应用程序设计

define AS7343_STATUS_SPECTRAL_INT (1 << 3) /* 光谱数据就绪 */#define AS7343_SYS_CFG_SPECTRAL_EN (1 << 1) /* 光谱测量使能 */#define AS7343_SYS_CFG_ALS_EN (1 << 0) /* ALS使能 */#define AS7343_SYS_CFG_INT_EN (1 << 4) /* 中断使能 *//* 切换通道组 (0=组1 F1-F6, 1=组2 F7-F12) */

myron6688的博客 257

2026 AI Agent 学习路线图:从小白到实战,系统掌握智能体开发

2026 最全 AI Agent 学习路线图:从 ReAct 原理到手写 Agent,四阶段(入门→进阶→实战→专家)系统学习路径,涵盖 LangGraph/CrewAI/AutoGen 框架对比、MCP 工具开发、Multi-Agent 协作,附完整可运行代码和 7 个避坑指南。

m0_73614031的博客 2万+

季节性注意力的时间序列预测模型 SAITS 进行数据补齐 完整代码数据

季节性注意力的时间序列预测模型 SAITS 进行数据补齐 完整代码数据

1071

开源≠无条件免费:Coze、Dify和n8n协议背后的博弈,大模型入门到精通,收藏这篇就足够了!

Coze开源才让我明白目前的几个“开源”Agent框架的门门道道有这么多,我们就拿最近很火的三个框架来做个解释和比较:Coze、Dify和n8n。

huang9604的博客 753

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

AI Agent设计模式 Day 13:Ensemble模式:集成多个Agent的智慧

Ensemble模式源于统计学与机器学习中的集成方法(Ensemble Methods),最早可追溯至1990年代Breiman提出的Bagging和Freund & Schapire的AdaBoost算法。通过协调多个具有不同能力、视角或偏好的Agent,对其输出进行融合,以获得比任一单个Agent更准确、更稳健的结果。多样性(Diversity):参与集成的Agent应在能力、训练数据、提示模板、工具链或推理路径上存在差异。互补性(Complementarity)

在未来等你的专栏 1161

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

AI Agent设计模式 Day 15:Swarm模式:群体智能与涌现行为

Swarm模式源于群体智能(Swarm Intelligence, SI)理论,最早由Bonabeau等人在1999年系统提出,其灵感来自蚂蚁觅食、鸟群飞行等自然现象。在AI Agent系统中,Swarm模式指由多个同构或异构的轻量级Agent组成群体,每个Agent仅依据局部环境信息和简单规则进行决策,通过信息素(pheromone-like signals)、消息广播或状态共享等方式间接通信,最终在整体层面涌现出复杂、高效的智能行为。去中心化:无单一控制节点,系统具有高容错性;自组织。

在未来等你的专栏 1858

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

零代码Python自动化实战:从n8n到AI助手,解放双手的完整指南

自动化技术旨在通过预设规则或智能系统,替代人工完成重复性、规律性的任务,其核心原理是将工作流程标准化、程序化。在软件工程领域,自动化能显著提升效率、减少人为错误,并实现7x24小时无人值守运行,具有极高的技术价值。其应用场景广泛覆盖数据采集与清洗、办公流程自动化、系统监控与告警、测试部署等。随着低代码/零代码平台的兴起和AI编程助手的普及,自动化的门槛被极大降低。本文聚焦于如何利用如n8n这类可视化工作流工具,结合Playwright录制、GitHub Copilot等【热词】技术,实现无需编写代码或仅需少

chuiqi9947的博客 439

AI Agent 30天速成|Day8 笔记

一、今日总学习目标(全天8h分配)时长拆分理论学习:2.5h分文件代码编写、单元调试:4h面试题复盘、流程梳理背诵:1.5h学习目标清晰认知单一体Agent的短板,掌握中控调度+垂直子Agent分治设计思想独立分层实现全套底层基础设施,每模块解耦、可单独复用实现消息总线,完成多Agent并行/串行任务调度、结果统一存储搭建完整业务链路:会话记忆→RAG知识库检索→工具函数调用→ReAct反思校验→多智能体汇总输出掌握工程分层规范,学会拆分项目文件,提升代码可维护性。

Yrnex3216的博客 181

2. Agent Tools & MCP ——【Google 5-Day AI Agents】

name:工具的唯一标识符title(可选) :用于显示的人类可读名称:人类&模型可理解的功能说明:JSON结构的入参说明(可选):JSON结构的出参说明(可选):描述工具行为的属性name和为核心参数,决定了 Agent 发现并调用 Tool 的时机和效果。"title": "股票价格查询工具","description": "根据特定股票代码查询股票价格。若提供“date”(日期)参数,则返回该日期的最新价格或收盘价;若未提供,则返回最新股价。",

qq_16164711的博客 1113

n8n 课程通知自动化:3步搭好每周一自动发送的课程提醒工作流

周一早上,教务老师要手动把本周课程和作业提醒贴进 12 个课程群,漏一个群就多接一天私信。这条 n8n 课程通知工作流把这件事变成自动的:n8n 定时从学习管理系统(LMS)拉取课程数据,过滤、排版后由 Slack 推到对应频道。跟着做,30 分钟内搭完。 ## 为什么是 n8n? LMS 自带的定时通知只能发固定模板,没法跨系统取数;自己写脚本跑 cron,又要自己维护服务器、处理重试和日志

gitblog_00816的博客 492
上一篇: 【面试系列】400行mini-react,图文解说React原理
下一篇: 【前端工程化】一文看懂现代Monorepo(npm)工程
疯狂踩坑人
博客等级 码龄9年 12粉丝 17原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值