n8n与ChatGPT集成实战：自动化工作流中的AI应用

3次阅读

共计 1796 个字符，预计需要花费 5 分钟才能阅读完成。

在自动化工作流中处理自然语言任务一直是开发者面临的挑战。传统的自动化工具虽然能处理结构化数据，但对非结构化文本的处理能力有限。手动编写复杂的自然语言处理逻辑不仅耗时，而且难以覆盖所有边缘情况。此外，随着 AI 技术的发展，如何将这些先进模型无缝集成到现有工作流中，也是一个亟待解决的问题。

n8n 作为一款开源的自动化工具，以其灵活性和可扩展性著称。与其他自动化工具相比，n8n 支持自定义节点和 API 集成，非常适合与 AI 服务结合。ChatGPT 作为当前最先进的自然语言处理模型之一，能够理解和生成高质量的文本，非常适合用于自动化工作流中的文本处理任务。

n8n 的优势 ：
开源且可自托管
支持自定义节点和 API 集成
可视化工作流设计
ChatGPT 的优势 ：
强大的自然语言理解和生成能力
支持多种语言和任务
易于通过 API 集成

在 n8n 中配置 ChatGPT 节点需要以下几个步骤：

获取 OpenAI API 密钥
在 n8n 中添加 HTTP Request 节点
配置 API 请求参数

首先，你需要在 OpenAI 官网注册并获取 API 密钥。然后，在 n8n 的 HTTP Request 节点中，将 API 密钥添加到请求头中：

{
  "headers": {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json"
  }
}

ChatGPT API 的请求体需要包含以下关键参数：

{
  "model": "gpt-3.5-turbo",
  "messages": [
    {
      "role": "user",
      "content": "你的问题或指令"
    }
  ],
  "temperature": 0.7
}

以下是一个完整的 n8n 工作流示例，展示如何调用 ChatGPT API 处理文本数据：

{
  "nodes": [
    {
      "parameters": {
        "url": "https://api.openai.com/v1/chat/completions",
        "options": {
          "headers": {
            "Authorization": "Bearer YOUR_API_KEY",
            "Content-Type": "application/json"
          },
          "body": {
            "model": "gpt-3.5-turbo",
            "messages": [
              {
                "role": "user",
                "content": "{{$node["Input"].json["text"]}}"
              }
            ],
            "temperature": 0.7
          }
        },
        "method": "POST"
      },
      "name": "ChatGPT API",
      "type": "n8n-nodes-base.httpRequest",
      "typeVersion": 1,
      "position": [
        250,
        300
      ]
    },
    {
      "parameters": {"functionCode": "return JSON.parse(items[0].json.body).choices[0].message.content;"
      },
      "name": "Parse Response",
      "type": "n8n-nodes-base.function",
      "typeVersion": 1,
      "position": [
        450,
        300
      ]
    }
  ]
}

OpenAI 对 API 调用有频率限制，免费 tier 用户每分钟最多 20 次请求，付费用户根据订阅等级有所不同。建议在 n8n 中设置适当的延迟或分批处理请求以避免超限。

由于 ChatGPT API 会将数据传输到 OpenAI 服务器，建议不要发送敏感或个人隐私数据。对于高敏感度数据，可以考虑使用 OpenAI 的企业版服务，或本地部署的开源模型。