n8n 问答机器人要不要 Agent：固定链路与多轮记忆的边界

从用户下一句会说什么判断 如果用户只提交一篇文章并要求摘要，处理完这次输入通常即可结束。如果用户接着说“把第二点再解释一下”，系统就需要知道前文的第二点。两者的界面都可能是聊天框，但后台需要保存的上下文不同。 固定链路适合明确步骤 n8n 官方介绍了 Basic LLM Chain、Question and Answer Chain 和 Summarization Chain。它们分别面向基础模型交互、特定文档问答和摘要。步骤已经明确时，使用可预测的链路有助于检查输入材料、提示与最终输出，不必因为产品名字里有 AI 就加入工具选择。 本文建议先把一条完整请求跑通，确认资料确实进入模型，再考虑加入会话状态。这样能避免把检索不到内容与记忆丢失混为一谈。 不要把其他框架的经验直接套进来 官方明确指出，n8n 的这些 Chain 节点不支持 memory，不能记住之前用户的问题。这与某些编程框架中的链式应用能力不同。把第一轮回答显示在页面上，也不等于下一轮模型已经收到它。 需要自然连续对话时，官方建议使用 Agent。实际搭建还应选择合适的记忆组件并检查会话标识，不能只替换节点名称就视作完成。 用两组对话核验隔离 编辑建议是建立两位测试用户，各自谈论不同事项，然后分别用代词追问。如果回答引用了另一位用户的内容，问题在会话隔离；如果完全忘了自己的前文，则检查记忆写入与读取。再测试开启新会话后的行为，确认历史不会无意继承。 给连续对话写出具体预期 用两组自拟会话：A 先说“把方案命名为晨光”，B 先说“把方案命名为远帆”，随后各自追问“刚才的方案叫什么”。A 应得到晨光，B 应得到远帆。接着新建 A 的另一会话，再问同样问题，预期按产品的会话规则处理，不能无条件继承旧会话。 再在 A 的原会话更正“改名为晨曦”，检查下一次回答是否使用新名称。只验证第一轮能记住，不足以说明后续修订生效；把全部历史都堆进去，也可能让模型选中旧值。查看实际传入上下文，能分清是历史没有读取、会话 ID 串用，还是模型误读修订。 固定 Chain 不支持这里所说的内建会话记忆，但应用仍可自己保存资料、明确拼接上下文后作为新一轮输入。这条路线的历史管理由应用承担，不能因此宣称节点自动有 memory。选择 Agent 还是自己管理上下文，应同时考虑是否真的需要模型动态选择工具。 让记忆服务于任务 记忆并不是越多越好。长期对话里可能出现旧版本资料和已经更正的条件，应设计清楚哪些信息继续使用、哪些事实每次重新查询。对于固定摘要任务，持续历史反而可能把上一份文章带进当前输出。 验收时保存原始输入、实际提供的上下文和最终回答，同时观察必要工具是否被调用。如果调用过工具，再核对回答是否依据它的实际返回；选择 Agent 并不自动提高答案准确性。

本篇涉及的工具1

n8n

用 Chain 组织固定模型处理，或结合 Agent 与记忆组件支持连续对话。

适合场景

准备在 n8n 搭建问答、摘要或客服辅助流程的产品与自动化人员。

需要留意

Chain 无内建 memory；上下文传入、会话隔离与更正仍需验证。

了解项目 访问官网