OpenRouter 聊天模型节点#
使用 OpenRouter 聊天模型节点可以通过对话代理调用 OpenRouter 的聊天模型。
本页将介绍 OpenRouter 聊天模型节点的参数配置，并提供更多资源链接。
凭据
您可以在此处找到该节点的认证信息点击查看。
/// 注意 | 子节点中的参数解析 子节点在使用表达式处理多个项目时的行为与其他节点不同。
大多数节点（包括根节点）会接收任意数量的输入项，处理这些项目，然后输出结果。您可以使用表达式来引用输入项，节点会依次为每个项目解析表达式。例如，给定五个 name 值作为输入，表达式 {{ $json.name }} 会依次解析为每个名称。
而在子节点中，表达式总是解析为第一个项目。例如，给定五个 name 值作为输入，表达式 {{ $json.name }} 总是解析为第一个名称。
///
节点参数#
模型#
选择用于生成补全内容的模型。
n8n 会动态加载 OpenRouter 提供的模型，您只能看到账户有权访问的模型。
节点选项#
通过这些选项可以进一步微调节点的行为。
频率惩罚#
使用此选项控制模型重复自身的概率。数值越高，模型重复自身的可能性越低。
最大令牌数#
设置使用的最大令牌数，这将决定补全内容的长度。
响应格式#
选择 文本 或 JSON。选择 JSON 可确保模型返回有效的 JSON 格式。
存在惩罚#
使用此选项控制模型讨论新话题的概率。数值越高，模型讨论新话题的可能性越大。
采样温度#
使用此选项控制采样过程的随机性。较高的温度值会产生更多样化的采样结果，但也会增加产生幻觉的风险。
超时时间#
输入请求的最大超时时间（毫秒）。
最大重试次数#
输入请求的最大重试次数。
顶部P值#
使用此选项设置补全内容应使用的概率阈值。较低的值会忽略概率较低的选项。
模板和示例#
相关资源#
由于 OpenRouter 与 OpenAI 的 API 兼容，您可以参考 LangChain 的 OpenAI 文档 获取有关该服务的更多信息。
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.