保姆级教程：将 N8N 升级为“全模态”神器，看图、听音样样行！
今天咱们来聊个超酷的功能：如何让你的 n8n 工作流“长眼睛”和“长耳朵”？ 🧐
很多朋友在用 n8n 搭建 AI 应用时，发现不论怎么折腾，好像只能发文字。想发张图片让 AI 分析？或者发段语音让 AI 听听？对不起，不支持。🚫
别急！今天这篇教程就手把手教你，如何利用 全模态（Multimodal） 大模型，让你的 n8n 支持文本、图片、音频、视频的上传与多轮对话！
举个栗子 🌰：
我给 AI 发一张海报图，问它：“图里写了啥？”
它立马告诉我：“N8N 2.0 发布了”
是不是很赞？只要掌握了这个方法，音视频分析也统统不在话下！
废话不多说，咱们直接上干货！👇
视频演示
https://www.bilibili.com/video/BV1ynmwBYESL/
1️⃣ 打通“任督二脉”——开启文件上传 📂
首先，我们需要一个入口。
在 n8n 中添加 Chat Trigger（聊天触发器）节点。
⚠️ 注意： 默认情况下，这个聊天窗口只有“发送”按钮，是不支持上传附件的。
怎么破？
在 Chat Trigger 的设置里，找到 Allow File Uploads（允许上传文件）选项，把它打开！✅
设置好后，你会发现你的聊天窗口多了一个回形针图标 📎（或者上传按钮）。这就意味着，你的通道已经打通了，可以接受图片、音频和视频啦！
2️⃣ 选择“最强大脑”——配置 AI Agent 🧠
即使通道通了，如果你的大模型是个“脸盲”或者“听不懂”，那也没用。所以，我们需要一个支持全模态的大模型。
在 n8n 流程中：
下一步添加节点： 这里一定要选 AI Agent！
敲黑板：千万别选 Basic LLM Chain，那个通常只支持纯文本，不支持多模态操作。🙅♂️
设置 Model： 在 AI Agent 里，我们需要配置一个 Chat Model（聊天模型）。
3️⃣ 核心秘技——接入 Qwen-Omni (通义千问) 🔗
我们要选哪个模型呢？这就得用到阿里的百炼平台了。
❌ DeepSeek：虽然很火，但目前 API 主要侧重文本和推理，全模态支持不是它的强项。
✅ Qwen-Omni：这是阿里最新的全模态大模型，能看图、听音、看视频，选它准没错！
关键操作来了（必看）： 🛠️
因为 n8n 原生可能没有直接的“百炼”节点，或者为了通用性，我们这里使用 OpenAI Chat Model 节点来“伪装”接入。因为百炼平台完美兼容 OpenAI 的协议！
操作步骤：
添加凭证 (Credentials)：
去阿里云百炼平台，注册并登录。
在“API-KEY 管理”里创建一个新的 Key，复制下来。
在 n8n 的 OpenAI 凭证里，把这个 Key 填进去。
修改 Base URL：
在百炼的模型广场找到 Qwen-Omni，点击“API 参考”。
复制那个 Base URL 地址。
粘贴到 n8n 凭证设置里的 Base URL 栏目中。
连接测试： 点击 Save/Test，看到绿色小对勾 ✅ 就说明连接成功！
4️⃣ 实战演练——见证奇迹的时刻 ✨
连接成功后，回到 n8n 的 OpenAI Model 节点：
在模型列表（或者手动输入）里选择 qwen-omni-turbo (或者日期后缀的最新版，如 12 月份的版本)。
关闭杂项： 那些联网搜索、文件搜索的高级功能这次用不上，统统关掉，我们只测多模态。
测试开始！ 🚀
打开聊天窗口。
上传一张包含文字的图片（比如 n8n 2.0 的海报）。
输入指令：“提取图片中的文字”。
点击发送！
结果展示：
大模型迅速识别并回复：“这张图片显示的是 n8n 2.0 发布了。”
我核对了一下原图，完全相符！ 💯
📝 总结
想要实现 n8n 全模态，必须满足两个条件，缺一不可：
入口支持：Chat Trigger 开启文件上传。
模型支持：后端必须连接支持全模态的模型（如 Qwen-Omni）。
搞定这两步，你的 n8n 就不再是只会打字的机器人，而是能看能听的超级助手了！视频和音频的原理是一样的，大家课后可以自己去试一试。
好啦，今天的教程就到这里。我是磊哥，咱们下期再见！ 👋
觉得有用的话，记得点个在看支持一下哦！ ❤️
本文已收录到我的技术小站 www.javacn.site，网站包含的内容有：LangChain/N8N/SpringAI/SpringAIAlibaba/LangChain4j/Dify/Coze/AI 实战项目/AI 常见面试题等技术分享，欢迎各位大佬光临指导~
javacn.site 2018-08-25 加入
我的小站：javacn.site
评论