n8n 配置教程

更新日期：2026-06-06

n8n 适合把 LLM 调用接进自动化流程、Agent 节点、审批流和业务系统集成。对接 Crazyrouter 时，推荐先用 n8n 的 OpenAI 凭证路径把一个最小工作流跑通，再决定是否切换到更灵活的 HTTP Request 节点。

概览

通过 n8n 的 OpenAI 凭证或 AI 节点，你可以把工作流中的模型请求转到 Crazyrouter：

推荐协议：OpenAI-compatible API
推荐接法：n8n OpenAI API credential + 节点级 Base URL
Base URL：https://api.crazyrouter.com/v1
认证方式：sk-... token
推荐首次验证模型：gpt-5.5

如果你的某些节点不支持所需参数或最新模型特性，再回退到 HTTP Request 节点直接调 Crazyrouter 接口。

适合谁用

想把 AI 接进自动化工作流的人
想做表单、数据库、审批、Webhook 和模型联动的人
想用 AI Agent 节点编排工具调用的人
想通过可视化方式把 Crazyrouter 接进内部业务流程的人

使用协议

推荐协议：OpenAI-compatible API 在 n8n 中对接 Crazyrouter 时，推荐填写：

https://api.crazyrouter.com/v1

不要填成：

https://api.crazyrouter.com
https://api.crazyrouter.com/v1/chat/completions

前置条件

项目	说明
Crazyrouter 账号	先在 crazyrouter.com 注册
Crazyrouter token	建议为 n8n 单独创建一个 `sk-...` token
n8n	建议使用当前稳定版，并确认 AI 节点可用
可用模型	至少放行一个当天已实测成功的聊天模型，如 `gpt-5.5`

推荐首批白名单：

gpt-5.5
claude-opus-4-8
gemini-3.1-pro
text-embedding-3-large（如果你会用向量或检索相关节点）

5 分钟快速开始

创建 n8n 专用 token

在 Crazyrouter 后台创建一个名为 n8n 的 token。首次建议只开放 gpt-5.5 和 claude-opus-4-8。

添加 OpenAI 凭证

在 n8n 中进入 Settings → Credentials → Add Credential，选择 OpenAI API 或你当前版本对应的 OpenAI 凭证类型。

填写凭证和节点信息

先在凭证中填写：

API Key: 你的 sk-...

然后在 OpenAI、OpenAI Chat Model 或相关 AI 节点的 Options 中设置：

Base URL: https://api.crazyrouter.com/v1

创建最小工作流

新建一个工作流，使用：Manual Trigger → OpenAI Chat Model → Output，模型先填 gpt-5.5。

完成首次验证

在 OpenAI Chat Model 节点里给一个简单输入，例如 Reply only OK，手动执行工作流。成功返回后，再继续配置 AI Agent 或复杂流程。

最小工作流示例

OpenAI Chat Model 节点

{
  "node": "OpenAI Chat Model",
  "parameters": {
    "model": "gpt-5.5",
    "messages": [
      { "role": "user", "content": "{{ $json.input }}" }
    ]
  }
}

AI Agent 工作流

推荐先从最简单的链路开始：

Manual Trigger
AI Agent
Output

在 AI Agent 中选择刚创建的 Crazyrouter 凭证，并先只挂一个简单工具节点，避免把模型问题和工具问题混在一起。

HTTP Request 回退方案

如果你需要：

某个 n8n AI 节点暂时不支持的新参数
更灵活的请求体控制
更明确地调试 headers、body、stream 参数

可以直接用 HTTP Request 节点调用 Crazyrouter：

Method: POST
URL: https://api.crazyrouter.com/v1/chat/completions
Headers:
  Authorization: Bearer sk-xxx
  Content-Type: application/json
Body:
  {
    "model": "gpt-5.5",
    "messages": [
      {"role": "user", "content": "{{ $json.input }}"}
    ]
  }

推荐顺序是：先用 OpenAI 凭证 + 原生 AI 节点跑通；只有在节点能力不够时，再切到 HTTP Request。

不同 n8n 版本里，Base URL 可能出现在凭证页，也可能出现在具体的 OpenAI / Chat Model 节点 Options 里。当前官方文档更明确提到的是节点级 Base URL 覆盖项，所以接 Crazyrouter 时优先按“凭证填 Key、节点填 Base URL”的思路配置。

使用场景	推荐模型	原因
默认工作流模型	`gpt-5.5`	当天已实测成功，适合作为 n8n 主基线
高质量复杂 Agent 场景	`claude-opus-4-8`	适合更复杂解释和长文本任务
Gemini 备用档	`gemini-3.1-pro`	适合补充第二条兼容性验证路径
检索 / 向量相关	`text-embedding-3-large`	适合后续做向量处理或检索增强

Token 设置最佳实践

设置	建议	说明
专用 token	必须	n8n 不要和聊天前端、CLI 或 SDK 示例共用 token
模型白名单	强烈建议	只放行工作流真正会用到的模型
IP 限制	固定服务器出口建议开启	本地调试、云端混用时谨慎使用
配额上限	强烈建议	自动化任务可能因为重试、循环、批处理快速消耗额度
环境隔离	必须	开发、测试、生产工作流使用不同 token
节点分级	建议	高频任务用低成本模型，关键任务再切高性能模型

验证清单

OpenAI API 凭证已成功保存
节点级 Base URL 已设置为 https://api.crazyrouter.com/v1
OpenAI Chat Model 节点可正常执行
第一个最小工作流成功返回
如需 Agent，AI Agent 节点也能正常调用模型
Crazyrouter 后台日志能看到对应请求
token 配额和模型白名单符合预期
开发 / 测试 / 生产工作流已做 token 隔离

常见错误与修复

现象	常见原因	修复方式
凭证测试失败	API Key 错误，或把 Base URL 配置位置填错	重新检查 `sk-...`，并确认 `Base URL` 填在你的版本实际支持的位置
401 unauthorized	token 失效、被删或复制带空格	重新生成 token 并替换
403 / model not allowed	节点中用到的模型不在白名单里	在 Crazyrouter 后台放行对应模型
404	`Base URL` 填成根域名或完整接口路径	改成 `https://api.crazyrouter.com/v1`
工作流不停重试，成本快速增长	节点错误后自动重试、循环配置不当	限制重试次数，拆分工作流并设置额度
AI Agent 能启动但工具调用不稳定	不是凭证问题，而是工具链路太复杂	先只保留一个简单工具节点做验证
原生 AI 节点缺少某些参数	n8n 节点封装暂未覆盖该特性	改用 `HTTP Request` 节点直接调用 Crazyrouter
批处理任务性能不稳	模型能力与节点封装不匹配	先回到 `gpt-5.5` 做最小链路验证，再扩展其他模型

性能与成本建议

自动化任务默认先用 gpt-5.5 做基线
对循环、批量、定时任务设置更严格的额度与错误告警
把生产工作流和调试工作流拆成不同 token
AI Agent 先少工具、短链路验证，稳定后再扩展复杂编排
发现费用异常时，先看 Crazyrouter 日志和 n8n 执行历史，确认是不是重试或循环造成

FAQ

n8n 里应该填哪个 Base URL？

填 https://api.crazyrouter.com/v1。

Base URL 应该填在凭证里还是节点里？

优先看你当前 n8n 版本的界面。当前官方文档更明确提到的是节点级 Base URL 选项；如果你的凭证页也支持填写，填在那里也可以，但第一次配置建议以节点级设置为准。

我应该先用原生 AI 节点还是 HTTP Request？

先用原生 OpenAI 凭证和 AI 节点；只有在参数不够或要深度调试时再切到 HTTP Request。

第一个推荐模型是什么？

先用 gpt-5.5。

为什么工作流费用突然变高？

通常不是单次请求本身，而是循环、批处理、自动重试或多人共用工作流触发造成。

n8n 一定要拆多个 token 吗？

强烈建议至少把开发和生产分开；高频任务最好再单独拆分。

n8n 接入 Crazyrouter 后，价值不只是“能调模型”，而是能把模型放进自动化链路里。因此最关键的不是单次对话能否成功，而是要同时控制重试、循环、批量执行和 token 配额。

API Key & 控制台管理

SDK & 代码示例

第三方集成

概览

适合谁用

使用协议

前置条件

5 分钟快速开始

最小工作流示例

OpenAI Chat Model 节点

AI Agent 工作流

HTTP Request 回退方案

推荐模型配置

Token 设置最佳实践

验证清单

常见错误与修复

性能与成本建议

FAQ

n8n 里应该填哪个 Base URL？

Base URL 应该填在凭证里还是节点里？

我应该先用原生 AI 节点还是 HTTP Request？

第一个推荐模型是什么？

为什么工作流费用突然变高？

n8n 一定要拆多个 token 吗？

​概览

​适合谁用

​使用协议

​前置条件

​5 分钟快速开始

​最小工作流示例

​OpenAI Chat Model 节点

​AI Agent 工作流

​HTTP Request 回退方案

​推荐模型配置

​Token 设置最佳实践

​验证清单

​常见错误与修复

​性能与成本建议

​FAQ

​n8n 里应该填哪个 Base URL？

​Base URL 应该填在凭证里还是节点里？

​我应该先用原生 AI 节点还是 HTTP Request？

​第一个推荐模型是什么？

​为什么工作流费用突然变高？

​n8n 一定要拆多个 token 吗？

概览

适合谁用

使用协议

前置条件

5 分钟快速开始

最小工作流示例

OpenAI Chat Model 节点

AI Agent 工作流

HTTP Request 回退方案

推荐模型配置

Token 设置最佳实践

验证清单

常见错误与修复

性能与成本建议

FAQ

n8n 里应该填哪个 Base URL？

Base URL 应该填在凭证里还是节点里？

我应该先用原生 AI 节点还是 HTTP Request？

第一个推荐模型是什么？

为什么工作流费用突然变高？

n8n 一定要拆多个 token 吗？