Funkcje AI w n8n są zbudowane na LangChain, popularnym frameworku do tworzenia aplikacji z modelami językowymi. Różnica polega na tym, że w n8n nie piszesz kodu w Pythonie czy JavaScripcie: łańcuchy, agentów, pamięć i bazy wektorowe składasz wizualnie z węzłów. Węzeł główny (np. AI Agent, Basic LLM Chain, Question and Answer Chain) łączysz z pod-węzłami: modelem, pamięcią, narzędziami, bazą wektorową i parserem wyniku. Dzięki temu automatyzacja z AI powstaje szybciej i jest od razu połączona z CRM, pocztą czy bazą danych.
Węzły AI w n8n: przegląd
| Węzeł | Do czego służy |
|---|---|
| AI Agent | Agent, który sam wybiera narzędzia, aby wykonać zadanie |
| Basic LLM Chain | Proste zapytanie do modelu z instrukcją, np. streszczenie lub klasyfikacja |
| Question and Answer Chain | Odpowiedzi na pytania na podstawie dokumentów z bazy wektorowej (RAG) |
| Summarization Chain | Streszczanie długich tekstów i wielu dokumentów |
| Information Extractor, Text Classifier, Sentiment Analysis | Wyciąganie pól z tekstu, klasyfikacja, ocena wydźwięku |
| Vector Store (np. Qdrant, Pinecone, Supabase, PGVector) | Zapis i wyszukiwanie fragmentów dokumentów po znaczeniu |
| Memory, Output Parser, Embeddings | Pamięć rozmowy, wymuszenie formatu wyniku, zamiana tekstu na wektory |
Szczegóły budowy agenta opisaliśmy w artykule AI Agent w n8n.
n8n czy LangChain w kodzie?
- n8n: szybki start, gotowe integracje z setkami aplikacji, widoczny przebieg każdego wykonania, łatwe zmiany przez osobę techniczną bez zespołu programistów.
- LangChain w kodzie: pełna kontrola nad logiką, testy jednostkowe, wbudowanie AI bezpośrednio w produkt lub aplikację.
W praktyce często łączymy oba podejścia: aplikacja w kodzie wywołuje workflow n8n przez webhook, a n8n obsługuje integracje i proces. Porównanie frameworków znajdziesz w tekście o alternatywach dla LangChain.
Przykład: asystent z bazą wiedzy (RAG) w n8n
- Workflow indeksujący pobiera dokumenty (np. z Google Drive), dzieli je na fragmenty, tworzy embeddingi i zapisuje w bazie wektorowej.
- Pytanie użytkownika z czatu, Slacka lub Telegrama trafia do węzła AI Agent.
- Agent wyszukuje pasujące fragmenty w bazie i odpowiada na ich podstawie, podając źródło.
- Gdy odpowiedzi nie ma w dokumentach, agent mówi to wprost i przekazuje pytanie do człowieka.
Tak działa np. chatbot AI dla Ataszek.pl. Więcej o RAG w artykule Agentic RAG a tradycyjny RAG.
Na co uważać przy AI w n8n
- Testuj na zestawie prawdziwych pytań i sprawdzaj jakość po każdej zmianie promptu lub modelu.
- Ogranicz dane wysyłane do modelu i uprawnienia narzędzi agenta.
- Kontroluj koszty: limit iteracji agenta, krótsze prompty, tańszy model do prostych zadań.
Automatyzacje AI z Codeless
Budujemy w n8n asystentów z bazą wiedzy, agentów do obsługi klienta i przetwarzania dokumentów. Zobacz usługę wdrożenia AI, przeczytaj co to jest n8n albo umów bezpłatną konsultację.