首页 / 文章 / n8n 接 OpenAI 兼容接口:节点与凭证配置

n8n 接 OpenAI 兼容接口:节点与凭证配置

n8n 的 OpenAI 节点和 HTTP Request 节点都能接二五云API:凭证里填 Base URL、模型下拉没有就手填 ID、失败分支怎么设,末尾附 gemini-2.5-pro 的用量成本。

先建凭证

n8n 里跟 OpenAI 相关的节点有两个来源:内置的 OpenAI 节点,用的是「OpenAI」凭证;LangChain 的 Chat Model 节点,用的是「OpenAI API」凭证。两种凭证都有 Base URL 字段,把地址改成 https://ai.idcidiot.com/v1,Key 填 sk-... 就能指向中转。

n8n 的价值在于把模型接进已有系统:表单提交、邮件到达、数据库变更都能触发一次调用,输出再写回业务表。这条链路里模型只是一个 HTTP 服务,配置重点是凭证、超时和失败重试。

保存凭证时 n8n 会请求一次 /models 做校验,失败会弹提示,但通常仍然允许保存。校验失败不一定是 Key 错了,有些分组对 /models 的权限和 /chat/completions 不一样;先用节点发一条真实消息验证,比盯着校验结果有用。测试环境和生产环境各建一份凭证,Key 泄露时只换其中一份。

用 OpenAI 节点

在工作流里加 OpenAI 节点,Resource 选 Chat,Operation 选 Message a Model,不同版本的叫法略有差异。Model 下拉的数据来自 /v1/models,站点返回的模型很多,列表里可能只显示一部分;下拉里找不到就直接把字段切到 Expression,填模型 ID 字符串,比如 gemini-2.5-pro。

Prompt 里可以用表达式引用上一步的数据,例如 {{ $json.body.question }}。节点输出是完整响应,正文在 choices[0].message.content,后面接 Set 节点或数据库节点都能直接取。需要结构化输出时,在 Prompt 里明确要求 JSON,再用 Code 节点解析,别指望模型每次都按格式返回。

节点提示找不到模型,先确认 Base URL 末尾有没有 /v1。少了它,请求会打到域名根路径,返回的是站点首页 HTML,报错信息看起来完全不像地址问题。

用 HTTP Request 兜底

节点版本不匹配、或者要传节点没暴露的参数时,用 HTTP Request 节点直连。这种方式不依赖 n8n 的模型列表,任何模型 ID 都能用:

  • Method:POST
  • URL:https://ai.idcidiot.com/v1/chat/completions
  • Authentication:Generic Credential Type → Header Auth
  • Header 名 Authorization,值 Bearer sk-...
  • Body Content Type:JSON
json
{
  "model": "gemini-2.5-pro",
  "messages": [{"role": "user", "content": "{{ $json.text }}"}],
  "temperature": 0.2
}

表达式里的引号要与 JSON 结构配合,正文里本身带双引号时先转义,否则请求体会被截断成非法 JSON,返回 400。模型名写错时返回 400 model not found,分组没权限时返回 403,区别是前者 ID 不存在,后者 ID 存在但当前 Key 用不了。响应格式选 JSON,返回体里的 usage 也能直接映射到表里,方便按次记账。

注意事项

OpenAI 节点会等完整响应再返回,不会把 token 逐个推给下游节点。需要流式只能在 Code 节点里手写 SSE,工作流本身仍按整段处理;对自动化来说,这个差别通常可以接受,真正影响体验的是节点超时。

长任务把节点超时调大,默认值对大模型偏短。开启 Continue On Fail,把失败项收集起来统一重试,直接让工作流中断会把已经成功的项再跑一遍,既费钱又会产生重复数据。批量处理时给每次调用之间加一个 Wait 节点,几十毫秒就够,能明显降低 429 的概率。

Key 放在凭证里而不是节点参数里,工作流日志才不会把 Key 一起打出来。模型调用可以收进子工作流,主流程只传参数,以后换模型只改一个地方。

成本

gemini-2.5-pro 的 model_ratio 是 0.625,Gemini Antigravity 分组 0.65 倍,输入价 = 0.625 × 2 × 0.65 = $0.8125/百万 token,输出按 completion_ratio 8 折算为 $6.5/百万 token;上下文 1,048,576 token,最大输出 65,536 token。每天 500 次、每次 2,000 输入 300 输出,约 $0.81 + $0.98 = $1.79,一个月五十多美元。

把模型换成 glm-5.3-flash,同样的量不到 $0.1,工作流这种高频短请求更适合便宜模型。按次计费的工作流要把失败重试算进预算,重试一次就是两次调用。倍率表在 价格页,单模型页在 /model/gemini-2.5-pro/。先建一个只有两个节点的工作流跑通,再往主流程里加。

用 二五云API 跑通这些模型

OpenAI 兼容接口,一个 Key 调用 GPT、Claude、Gemini、DeepSeek、Kimi 等模型,按量计费。

免费注册查看模型价格

相关文章