将 n8n 的可视化工作流自动化与 LangBot 的多平台机器人框架相结合，可以在 QQ、微信、Discord、Telegram、Slack 等平台上以无代码方式部署 AI 聊天机器人。本教程演示如何在几分钟内完成集成。

你需要准备

  • 已安装 Python 3.8+
  • 已安装 Node.js 18+
  • 可用的 npm 或 npx
  • 15 分钟时间

三行命令部署 LangBot

LangBot 是一个生产级的机器人框架，支持连接多种消息平台和 AI 服务，包括 Dify、FastGPT、Coze、OpenAI、Claude 和 Gemini。一键部署：

cd your-workspace
mkdir -p langbot-instance && cd langbot-instance
uvx langbot@latest

首次启动时 LangBot 会自动初始化。在浏览器打开 http://127.0.0.1:5300。

LangBot initialization screen

按提示注册管理员账号。注册成功后进入控制台，可以管理机器人、模型、流水线和集成。

LangBot dashboard

搭建 n8n 工作流自动化

n8n 是一个开源自动化平台，拥有 400+ 集成和强大的 AI 能力。本地启动：

cd your-workspace
mkdir -p n8n-data
export N8N_USER_FOLDER=$(pwd)/n8n-data
npx n8n

访问 http://127.0.0.1:5678 创建你的主账号。

n8n initial setup

构建 AI 工作流

在 n8n 中创建新工作流。你需要两个核心节点：

n8n workflow editor

添加 Webhook 触发器

点击画布上的 “+” 添加 Webhook 节点。配置如下：

  • HTTP Method：POST
  • Response Mode：Streaming（启用实时聊天响应）
  • Authentication：None（生产环境请调整）

Webhook node configuration

添加 AI Agent

按 Tab 键，导航到 “AI” 分类，选择 AI Agent。

配置对话模型：点击 “Chat Model” 选择 “OpenAI Chat Model”。添加凭据：

  • API Key：你的 OpenAI API key（或兼容服务的 key）
  • Base URL：如果使用 Claude、Gemini 或本地模型等其他提供商，更新为对应的 endpoint

关键步骤 - 修复 Prompt 来源：默认情况下 AI Agent 期望 Chat Trigger 节点，这与 webhook 不兼容。修复方法：

  1. 在 AI Agent 设置中找到 “Source for Prompt (User Message)”
  2. 从 “Connected Chat Trigger Node” 改为 “Define below”
  3. 切换到 “Expression” 模式
  4. 输入：{{ $json.body }}

这个表达式从 webhook 请求体中提取用户消息。

Configured webhook with AI Agent

激活并获取 Webhook URL

保存工作流并切换右上角的激活开关。切换到 “Production URL” 标签页，复制 webhook URL：

http://localhost:5678/webhook/{your-webhook-id}

连接 LangBot 到 n8n

回到 LangBot 控制台，进入 Pipelines 页面，点击默认的 “ChatPipeline”。

LangBot pipelines page

切换到 AI 标签页，在 Runner 下拉菜单中选择 “n8n Workflow API”。配置：

  • Webhook URL：粘贴你的 n8n 生产环境 webhook URL
  • Authentication Type：None（与 n8n webhook 设置保持一致）
  • Timeout：120 秒
  • Output Key：response

点击 Save 保存。

测试一下

在 Pipeline 编辑器中点击左侧边栏的 “Debug Chat”。发送测试消息如 “What is LangBot?”

如果一切正常，你会看到 LangBot 将消息发送到 n8n，AI Agent 处理后将响应流式返回。

故障排查

错误：“Expected to find the prompt in an input field called ‘chatInput’”

这意味着 AI Agent 仍配置为 Chat Trigger 节点。修复：

  1. 打开 AI Agent 配置
  2. 将 “Source for Prompt (User Message)” 设为 “Define below”
  3. 切换到 Expression 模式
  4. 输入：{{ $json.body }}

直接测试 Webhook

用 curl 验证 webhook 是否工作：

curl -X POST http://localhost:5678/webhook/your-webhook-id \
  -H "Content-Type: application/json" \
  -d '{"body": "Hello, can you introduce yourself?"}'

你应该收到包含 AI 响应的流式 JSON。

集成工作原理

完整流程如下：

  1. 用户通过 QQ、微信、Discord、Telegram、Slack、LINE 或任何 LangBot 支持的平台发送消息
  2. LangBot 的 Pipeline 接收消息并调用 n8n Workflow API
  3. n8n 的 Webhook 节点捕获请求并传递给 AI Agent
  4. AI Agent 使用 OpenAI、Claude、Gemini 或你配置的 LLM 生成回复
  5. n8n 将响应流式返回给 LangBot
  6. LangBot 将回复送达用户原来的平台

为什么这套组合很强大

LangBot + n8n 解锁了强大的能力：

  1. 无代码 AI 逻辑：在 n8n 中以可视化方式设计对话流程，无需触碰代码
  2. 多平台覆盖：同时在 QQ、微信、Discord、Telegram、Slack、LINE、钉钉、飞书部署相同的 AI
  3. 灵活的 AI 模型：在 OpenAI GPT、Anthropic Claude、Google Gemini、Coze、Dify、本地模型等之间自由切换
  4. 丰富的集成：连接 n8n 的 400+ 集成——数据库、API、Notion、Airtable、Google Sheets、Slack 等
  5. 工具调用 Agent：AI Agent 可以触发 n8n 工具，如数据库查询、API 调用或自定义函数
  6. 工作流扩展：添加预处理、内容审核、日志记录或自定义业务逻辑

适合场景：

  • 企业客服机器人
  • 知识库问答系统
  • 多平台社群管理
  • 任务自动化助手
  • 团队统一聊天界面

下一步

进一步扩展你的机器人：

  • 集成 Dify 或 FastGPT 实现高级 RAG（检索增强生成）
  • 添加向量数据库节点（Pinecone、Qdrant、Weaviate）实现知识检索
  • 连接业务 API 获取实时数据
  • 实现对话记忆和上下文追踪
  • 添加内容过滤和审核工作流
  • 使用 Langflow 或 Coze 进行额外的 AI 编排

这套集成为你提供了基于代码的 AI 框架（如 LangChain）的灵活性，以及可视化工作流构建器的简洁性——同时覆盖所有主流消息平台。

准备好部署你的多平台 AI 助手了吗？立即开始使用 LangBot 和 n8n。