想使用 AI 为你的工作流程加速吗？本文将深入探讨如何将 OpenAI 的 Chat 模型 与强大的 n8n 平台集成。 如果你觉得一脸懵，不清楚之前的视频内容，建议先回顾一下。在之前的视频中，我们尝试了 Ollama 和本地托管的 LLM。虽然 Ollama 免费且灵活，但它需要强大的硬件支持。相比之下，OpenAI 提供了一个基于云的解决方案，不需要额外的设备，提供可靠的性能，而且价格实惠 💸。让我们深入了解一下，逐块（或者说逐个 token？😉）地进行分解。

1. 获取你的 OpenAI API 密钥 🔑：迈向智能自动化的第一步

要在 n8n 中设置 OpenAI，首先需要在 openai.com 创建一个帐户。 创建账户后，你需要获取你的 OpenAI API 密钥。这个密钥就像是你访问 OpenAI 功能的通行证，务必妥善保管。

实际案例： 假设你正在构建一个客户服务聊天机器人。你需要将客户的查询发送到 OpenAI 的 Chat 模型，然后将回复发送回客户。这个过程需要你的 API 密钥才能完成。

数据支撑： OpenAI 对 API 的使用进行计费，根据 token 的数量（即文本的长度）收费。了解 OpenAI 的定价模型至关重要，可以帮助你控制成本。例如，使用 GPT-3.5 Turbo 模型，每 1,000 个 token 的费用约为 $0.002。这意味着一个包含 500 个 token 的查询和回复的往返费用约为 $0.001。

获取 API 密钥的步骤：

1. 访问 openai.com 并注册一个帐户。
2. 登录你的帐户。
3. 点击 “View API Keys”。
4. 点击 “Create new secret key”。
5. 给你的密钥起一个名字，然后复制密钥。请务必保存好你的 API 密钥，因为你只能看到一次。

2. n8n 的强大之处：自动化工作流程的核心

n8n 是一个强大的开源工作流程自动化平台，它可以帮助你连接各种应用程序和服务，并自动化重复性任务。 它的可视化的界面使得创建复杂的工作流程变得简单易懂，无需编写大量的代码。

实际案例： 假设你每天需要从各种社交媒体平台收集数据，然后将这些数据汇总到 Google Sheets 中。使用 n8n，你可以创建一个自动化的工作流程，它会自动从社交媒体平台收集数据，并将这些数据格式化后添加到 Google Sheets 中，从而节省大量时间和精力。

数据支撑： n8n 支持数百种不同的应用程序和服务，包括 Slack、Google Sheets、Twitter、GitHub 等等。这意味着你可以将 n8n 集成到你现有的工作流程中，并自动化各种不同的任务。根据 n8n 官方网站的数据，使用 n8n 可以将工作效率提高 50% 以上。

n8n 的核心概念包括：

• 节点 (Nodes): 每个节点代表一个特定的操作，例如从 API 获取数据、转换数据或发送电子邮件。
• 工作流程 (Workflows): 工作流程是由一系列节点组成的，这些节点按照特定的顺序执行，从而完成一个特定的任务。
• 触发器 (Triggers): 触发器用于启动工作流程。例如，你可以设置一个定时触发器，让工作流程每天定时运行。

3. 在 n8n 中集成 OpenAI：配置 OpenAI 节点

现在我们已经获得了 OpenAI API 密钥，接下来我们需要在 n8n 中配置 OpenAI 节点。

实际案例： 假设你想创建一个自动化的内容生成工作流程。你可以使用 n8n 从博客文章中提取关键词，然后将这些关键词发送到 OpenAI 的 Chat 模型，并要求它根据这些关键词生成一段引人入胜的介绍。

数据支撑： OpenAI 提供了各种不同的 Chat 模型，例如 GPT-3.5 Turbo、GPT-4 等。不同的模型具有不同的功能和性能，你需要根据你的需求选择合适的模型。GPT-4 模型通常比 GPT-3.5 Turbo 模型更强大，但价格也更高。

配置 OpenAI 节点的步骤：

1. 在 n8n 中创建一个新的工作流程。
2. 搜索 “OpenAI” 并将 OpenAI 节点添加到工作流程中。
3. 在 OpenAI 节点的设置中，选择 “Chat” 操作。
4. 输入你的 OpenAI API 密钥。
5. 选择你想要使用的 Chat 模型，例如 “gpt-3.5-turbo”。
6. 在 “Messages” 字段中，输入你想要发送到 OpenAI 的消息。 你可以使用表达式来动态生成消息内容。例如，你可以使用 {{ $json["title"] }} 来引用工作流程中前一个节点输出的标题。
7. 根据需要配置其他选项，例如 “Temperature” 和 “Max Tokens”。
   • Temperature: 控制生成文本的随机性。值越高，文本越随机。
   • Max Tokens: 控制生成文本的最大长度。

4. 构建你的第一个 OpenAI Chat 工作流程：实践出真知

现在我们已经配置了 OpenAI 节点，可以开始构建我们的第一个 OpenAI Chat 工作流程了。

实际案例： 让我们创建一个简单的聊天机器人，它可以回复用户的消息。

数据支撑： 为了构建一个成功的聊天机器人，你需要仔细设计你的提示语 (Prompts)。提示语是发送到 OpenAI 的指令，它告诉 OpenAI 你希望它做什么。一个好的提示语应该清晰、简洁、并且包含足够的信息。

工作流程的步骤：

1. 添加一个 “Webhook” 节点作为工作流程的触发器。 Webhook 节点可以接收来自外部应用程序的 HTTP 请求。
2. 配置 Webhook 节点，使其监听来自用户的消息。
3. 添加一个 “Set” 节点，用于设置 OpenAI 节点的输入。
   • 在 “Set” 节点中，创建一个名为 “message” 的新字段，并将其值设置为 {{ $json["body"]["message"] }}。 这将从 Webhook 节点接收到的消息中提取消息内容。
4. 添加一个 OpenAI 节点，并将其配置为使用 “Chat” 操作。
   • 在 OpenAI 节点的 “Messages” 字段中，输入以下内容：
     json
[
{
"role": "system",
"content": "你是一个友好的聊天机器人，可以回答用户的问题。"
},
{
"role": "user",
"content": "{{ $json["message"] }}"
}
]

     这定义了聊天机器人的角色 (system) 和用户的消息 (user)。
5. 添加一个 “Respond to Webhook” 节点，用于将 OpenAI 的回复发送回用户。
   • 在 “Respond to Webhook” 节点中，将 “Body” 字段设置为 {{ $json["choices"][0]["message"]["content"] }}。 这将从 OpenAI 的回复中提取消息内容。

5. 优化你的 OpenAI 工作流程：性能与成本控制

构建 OpenAI 工作流程后，你需要对其进行优化，以提高性能并控制成本。

实际案例： 假设你的 OpenAI 工作流程需要处理大量的文本数据。你可以使用分块技术将文本数据分成较小的块，然后将这些块分别发送到 OpenAI。这可以减少单个请求的延迟，并提高整体性能。

数据支撑： OpenAI 对 API 的使用进行了限制，包括每分钟的请求数量和每个请求的 token 数量。你需要了解这些限制，并根据你的需求进行调整。

优化技巧：

• 选择合适的模型: 不同的 Chat 模型 具有不同的价格和性能。选择最适合你需求的模型可以帮助你控制成本。
• 优化提示语: 一个好的提示语可以帮助 OpenAI 更快地生成高质量的回复。
• 使用缓存: 如果你需要频繁地执行相同的请求，可以使用缓存来存储 OpenAI 的回复。这可以减少 API 的调用次数，并提高性能。
• 限制 token 数量: 限制每个请求的 token 数量可以帮助你控制成本。
• 使用异步请求: 使用异步请求可以避免阻塞 n8n 的主线程，并提高整体性能。
• 监控 API 使用情况: 定期监控你的 API 使用情况可以帮助你及时发现并解决问题。

6. Ollama 与 OpenAI：本地部署与云端服务的权衡

文章提到，之前探讨过 Ollama 和本地托管的 LLM。Ollama 提供了在本地运行大型语言模型 (LLM) 的能力，而 OpenAI 则提供基于云的解决方案。

实际案例： 假设你需要在安全的环境中处理敏感数据。在这种情况下，使用 Ollama 在本地运行 LLM 可能更安全。另一方面，如果你的硬件资源有限，或者你需要快速部署 LLM，那么使用 OpenAI 可能更合适。

数据支撑： Ollama 的性能取决于你的硬件配置。如果你的 CPU 和 GPU 不够强大，那么 LLM 的运行速度可能会很慢。另一方面，OpenAI 的性能是可预测的，因为它运行在云端。

选择 Ollama 还是 OpenAI 取决于你的具体需求。以下是一些需要考虑的因素：

• 数据安全性: 如果你需要处理敏感数据，那么使用 Ollama 在本地运行 LLM 可能更安全。
• 硬件资源: 如果你的硬件资源有限，那么使用 OpenAI 可能更合适。
• 性能: Ollama 的性能取决于你的硬件配置，而 OpenAI 的性能是可预测的。
• 成本: Ollama 是免费的，而 OpenAI 需要付费。
• 易用性: OpenAI 比 Ollama 更容易使用，因为它不需要你配置硬件或软件。

7. 结论：n8n 与 OpenAI 的结合，开启自动化新篇章

通过本文的介绍，我们了解了如何在 n8n 中设置 OpenAI Chat 模型，并构建了一个简单的聊天机器人。n8n 与 OpenAI 的结合，可以帮助我们自动化各种不同的任务，例如内容生成、客户服务、数据分析等等。掌握 n8n 与 OpenAI 的集成技巧，将帮助你更好地利用 AI 技术，提高工作效率，并创造更多的价值。 赶快行动起来，开始探索 n8n 和 OpenAI 的无限可能吧！