使用 LangChain 與 Gemini 建置自訂 AI 代理程式 - n8n 工作流程

• 熟悉 Python 或 JavaScript 邏輯的技術用戶與開發者。


• 想部署自訂、高度專業化 AI 人設的自動化專家。


• 尋求進階 n8n 範本來建構對話式 AI 代理程式的團隊。


• 需要使用 LangChain 直接在 n8n 工作流內管理有狀態對話歷史的使用者。

這個精密的 n8n 工作流展示了如何運用 LangChain 組件的強大功能，直接在 n8n 內部建構並部署一個複雜的、角色扮演型的 AI 代理程式。與標準的 LLM 呼叫不同，這個自動化流程藉助了自訂程式碼 n8n 節點，來定義特定的個性特徵、對話規則（例如：回應語言、語氣和限制），並採用穩健的記憶體管理機制。

透過將 When chat message received n8n 觸發器與專門的 LangChain 記憶體和 LLM 節點結合，這個 n8n 工作流創造了真正持久且引人入勝的對話體驗。這種方法為提示工程提供了最大的彈性，是建構 AI 代理程式方面最先進的 n8n 範本之一，讓使用者在保持對話上下文不變的情況下，能微調代理程式回應的每一個細節。

整個流程由專門針對聊天應用程式的 n8n 觸發器啟動，建立一個持久化的 Session：

1. 啟動（n8n 觸發器）： 每當使用者向已部署的代理程式發送訊息時，When chat message received n8n 觸發器就會啟動執行迴圈。它同時也充當最終的回應處理器。


2. 語言模型選擇： 流程連接到 Google Gemini Chat Model n8n 節點，為生成回應提供運算基礎。


3. 記憶體擷取： 存取 Store conversation history n8n 節點（一個 LangChain Buffer Window Memory），以擷取持續對話歷史的完整上下文，確保代理程式記得先前的互動內容。


4. 自訂執行與提示工程： 核心邏輯位於 Construct & Execute LLM Prompt n8n 節點中。這段自訂程式碼會執行一個 LangChain ConversationChain，並使用所提供的模型和記憶體。


5. 提示邏輯： 此 n8n 節點內的自訂範本定義了代理程式的人設（一位名叫「Bunny」的機智、有點高冷的（或：傲嬌的）女友）、嚴格的規則（僅限用中文回應、絕不提問），並確保關鍵的 {chat_history} 和 {input} 變數被保留，以便 LangChain 能正常運作。


6. 回應： LangChain 鏈生成的輸出會經由主輸出連接傳回，並由最初的 n8n 觸發器自動回傳給使用者。

若要部署這個專門的 n8n 工作流，請依照以下步驟操作：

1. 匯入 n8n 範本： 複製提供的 JSON 資料，透過 n8n 畫布上的「新增」 -> 「從 JSON 匯入」選項貼上。


2. 設定憑證： 設定您的 Google Gemini API 憑證。您需要為 Google Gemini (PaLM) API 建立一組新的憑證項目並輸入您的金鑰。Google Gemini Chat Model n8n 節點需要使用此憑證。


3. 啟用並測試： 啟用工作流，點擊 When chat message received n8n 觸發器節點上的「聊天」按鈕，開始與您的自訂 AI 代理程式互動。或者，一旦 n8n 工作流啟用後，也可以使用提供的 webhook URL。

這個 n8n 工作流在建構 AI 代理程式時，高度依賴專門的 LangChain n8n 節點套件：

When chat message received (n8n 觸發器)：
功能： 充當聊天介面的互動式 webhook 端點和 n8n 觸發器。它負責管理使用者 Session 並傳遞最終回應。
關鍵設定： 設定為使用 lastNode 的輸出進行回應，這意味著 Construct & Execute LLM Prompt n8n 節點的結果將會被回傳。

Google Gemini Chat Model (LangChain LLM n8n 節點)：
功能： 提供大型語言模型引擎 (Gemini)，是驅動代理程式對話能力的基礎。
關鍵設定： 使用 models/gemini-2.0-flash-exp 模型，溫度 (temperature) 設定為 0.7。

Store conversation history (LangChain Memory n8n 節點)：
功能： 為 LangChain 鏈實作了滑動視窗記憶體緩衝區。這對於代理程式在整個對話過程中維持上下文和狀態至關重要。
關鍵設定： 使用 Buffer Window Memory 類型來有效儲存對話歷史。

Construct & Execute LLM Prompt (LangChain Code n8n 節點)：
功能： 這個關鍵的 n8n 節點使用自訂 JavaScript 來實例化並執行 LangChain ConversationChain。它負責處理複雜的提示注入和結構。
關鍵設定： 包含了定義代理程式複雜個性及行為限制的完整提示範本，確保遵守此 n8n 工作流中定義的嚴格角色扮演要求。