导入 n8n 工作流 — 一个回复聊天消息的 AI 智能体
一个 n8n 工作流 — 一个聊天触发器、一个 AI Agent、一个 OpenAI Chat Model 和一个 Simple Memory — 由 aggrega import 导入为一个 Aggregate、一个 Release 和一个 Manifest,它们按原样即可为 Docker Compose 构建。
导入 n8n 工作流 逐步讲解了这一过程:命令、它写入的文件、构建,以及运行它所构建的内容。此文件夹保存了该演练的每个阶段:
| 文件夹 | 内容 |
|---|---|
source/ | 工作流 support-agent.json;使该文件夹成为工作区的 .aggrega-config.yaml;以及 import-answers.yaml,即针对任何工作流都无法包含、而面向 Kubernetes 的导入会询问的内容所给出的答案 |
draft/ | aggrega import support-agent.json --target compose 写入的文件(未经修改),以及它打印的内容:stdout.txt 为标准输出,import.txt 为标准错误 |
source/support-agent.json 是为本示例编写的,采用 n8n 导出工作流的格式。
在文档仓库的检出副本中,check.sh 会重新运行导入,将其写入和打印的内容与 draft/ 比较,将演练引用的代码块与这些文件比较,并验证和构建导入所写入的内容。它需要将标准库目录(获取途径)检出在此仓库旁边,或在 AGGREGA_CATALOG_DIRS 中指定其目录。
生成示例
你可以使用下面的命令运行本示例的导入,或者让你的 AI 助手替你运行。
将示例写入一个以其命名的新文件夹:
aggrega scaffold --example import-n8n然后它会打印接下来要运行的命令。第一条命令进入新文件夹:
cd import-n8n构建
导入会在项目旁边的 source/ 中起草 Aggrega 文件,并拉取构建所需的内容。它根据标准库目录评估项目,该目录由工作区的默认注册表以已签名快照的形式发布:首次导入会获取它、验证它、将其保存在工作区的内容缓存中,并在写于草稿旁边的记录中按摘要指明它。指定了自身目录文件夹的工作区——在 AGGREGA_CATALOG_DIRS 中,或在 workspace.catalog_dirs 下——则改为以这些文件夹为依据进行导入:
cd sourceaggrega import support-agent.json --target composeaggrega validate --release release.yamlaggrega build --release release.yaml如何运行构建写出的内容,请参阅上方链接的演练。
借助 AI 助手
已配置 Aggrega 工具的 AI 助手也能完成同样的操作:把下面这条提示粘贴给它。
只使用 Aggrega 工具,不要自己创建任何文件夹。如果工作区文件夹中还没有 `import-n8n` 文件夹,调用一次 `scaffold` 工具,将 `example` 设为 `import-n8n`,不设 `dir`:它会把示例写入一个新的 `import-n8n` 文件夹,其中的 `source` 文件夹存放本示例要导入的内容。然后调用 `import` 工具,将 `workspace_root` 设为 `import-n8n/source`、`source` 设为 `support-agent.json`、`target` 设为 `compose`:它从 `support-agent.json` 旁边的 `import-answers.yaml` 读取所需的答案,将草稿写入 `import-n8n/source`,并拉取这些草稿所需的内容。然后调用 `validate` 工具,将 `workspace_root` 设为 `import-n8n/source`、`release` 设为 `release.yaml`;再调用 `build` 工具,将 `workspace_root` 设为 `import-n8n/source`、`release` 设为 `release.yaml`、`write` 设为 true。告诉我构建写入了哪些文件;它们位于 `import-n8n/source/dist/` 下。测试
在栈按照分步指南的方式运行时——凭据已存储、工作流已激活——打开 http://127.0.0.1:5678 进入 n8n 的编辑器,并用聊天触发器存储的用户名和密码向它发送一条消息,用户名和密码通过 curl 的标准输入从 CHAT_USER 和 CHAT_PASSWORD 读取:
printf 'user = "%s:%s"\n' "$CHAT_USER" "$CHAT_PASSWORD" | curl --config - -sS -i -X POST \ http://127.0.0.1:5678/webhook/a3c9e1f2-4b5d-4e6f-8a7b-9c0d1e2f3a04/chat -H 'Content-Type: application/json' \ -d '{"action": "sendMessage", "sessionId": "s1", "chatInput": "In one short sentence: what does a support plan cover?"}'HTTP/1.1 500 Internal Server Error[… omitted: the response's other headers]
{"message":"Error in workflow"}这次运行为 OpenAI 密钥存储了一个占位符,因此工作流在调用模型时停止,它在编辑器中的执行记录显示 OpenAI 的拒绝:Incorrect API key provided: sk-place*****************-key.
使用 --target helm 导入并应用到 Kubernetes 后,一旦凭据已存储、工作流已在运行中的实例上激活(如分步指南所示),并且本地端口已转发到其 Service,n8n 就会在同一地址接收同一条消息;这次运行在那里得到了相同的回答:
kubectl port-forward -n <namespace> svc/n8n-default 5678:5678