LangChain 代码节点#
使用 LangChain 代码节点可以导入 LangChain。这意味着即使 n8n 尚未为某些功能创建专用节点，您仍然可以使用这些功能。通过配置 LangChain 代码节点的连接器，您可以将其用作普通节点、根节点或子节点。
本页将介绍节点参数、配置指南以及相关资源链接。
云版本不可用
此节点仅在自托管的 n8n 中可用。
节点参数#
添加代码#
添加您的自定义代码。选择 执行(Execute) 或 提供数据(Supply Data) 模式。您只能使用其中一种模式。
与 代码节点 不同，LangChain 代码节点不支持 Python。
- 执行(Execute)：将 LangChain 代码节点当作 n8n 自带的代码节点使用。该模式接收来自工作流的输入数据，处理后将其作为节点输出返回。此模式需要主输入和主输出连接。您必须在 输入(Inputs) 和 输出(Outputs) 中创建这些连接。
- 提供数据(Supply Data)：将 LangChain 代码节点作为子节点使用，向根节点发送数据。此模式使用非主输出。
默认情况下，此节点无法加载内置或外部模块。自托管用户可以 启用内置和外部模块。
输入#
选择输入类型。
主输入是所有 n8n 工作流中常见的标准连接器。如果节点中设置了主输入和主输出，则必须使用 执行(Execute) 代码。
输出#
选择输出类型。
主输出是所有 n8n 工作流中常见的标准连接器。如果节点中设置了主输入和主输出，则必须使用 执行(Execute) 代码。
节点输入输出配置#
通过配置 LangChain Code 节点的连接器（输入和输出），您可以将其用作应用节点、根节点或子节点。
| 节点类型 | 输入 | 输出 | 代码模式 |
|---|---|---|---|
| 应用节点。类似于 Code 节点。 | 主输入 | 主输出 | 执行模式 |
| 根节点 | 主输入；至少一个其他类型 | 主输出 | 执行模式 |
| 子节点 | - | 非主类型。必须与您要连接的输入类型匹配。 | 数据供应模式 |
| 带子节点的子节点 | 非主类型 | 非主类型。必须与您要连接的输入类型匹配。 | 数据供应模式 |
内置方法#
n8n 提供以下方法，以便在 LangChain Code 节点中更轻松地执行常见任务。
| 方法 | 描述 |
|---|---|
this.addInputData(inputName, data) |
向指定的非主输入填充数据。适用于模拟数据场景。
|
this.addOutputData(outputName, data) |
向指定的非主输出填充数据。适用于模拟数据场景。
|
this.getInputConnectionData(inputName, itemIndex, inputIndex?) |
从指定的非主输入获取数据。
|
this.getInputData(inputIndex?, inputName?) |
从主输入获取数据。 |
this.getNode() |
获取当前节点。 |
this.getNodeOutputs() |
获取当前节点的输出。 |
this.getExecutionCancelSignal() |
用于在工作流停止时终止函数执行。大多数情况下 n8n 会自动处理，但在构建自定义链或代理时可能需要使用。该方法替代了常规构建 LangChain 应用时会使用的取消运行中的 LLMChain 代码。 |
模板与示例#
相关资源#
查看 n8n 的高级 AI 文档。
AI glossary#
- completion: Completions are the responses generated by a model like GPT.
- hallucinations: Hallucination in AI is when an LLM (large language model) mistakenly perceives patterns or objects that don't exist.
- vector database: A vector database stores mathematical representations of information. Use with embeddings and retrievers to create a database that your AI can access when answering questions.
- vector store: A vector store, or vector database, stores mathematical representations of information. Use with embeddings and retrievers to create a database that your AI can access when answering questions.