n8n 里有一个节点，很多人知道它存在，但不太确定怎么用：AI Agent 节点。
普通的 n8n 节点是确定性的——你定义了什么条件做什么事，它就做什么。
AI Agent 节点不一样。它是会做计划的节点：你给它一个目标，它自己判断要用哪些工具、按什么顺序执行、遇到异常怎么处理，最后给你一个结果。
这篇不讲 AI Agent 的理论，只讲在内容创作流程里，AI Agent 节点能真实落地的 3 个场景，以及每个场景的配置思路。
—
先搞清楚：AI Agent 节点 vs 普通节点
普通节点的逻辑：
IF 关键词出现 5 次
→ THEN 触发 n8n 抓取 B站数据
→ THEN 写入多维表格每一步都是人预先定义好的规则，执行时按规则走，不会”思考”。
AI Agent 节点的逻辑：
目标：帮我分析本周选题情报，找出最值得写的方向，并自动完成相关操作
Agent 自己做：
1. 读取选题情报表（用多维表格工具）
2. 判断各条数据的相关度和重要性（用 AI 推理能力）
3. 决定是否需要额外抓取某个平台的数据（用 HTTP 工具）
4. 生成分析报告，写入飞书文档（用文档工具）
5. 向你推送摘要（用通知工具）Agent 会”思考”要做哪几步、按什么顺序做，不需要人提前定义每一个分支。
—
AI Agent 节点的核心配置要素
在 n8n 里配置 AI Agent 节点，需要提供三样东西：
① 系统提示（System Prompt）：告诉 Agent 它是谁、能做什么、目标是什么
② 工具（Tools）：Agent 可以调用的外部能力——HTTP 请求、数据库操作、计算等
③ 记忆（Memory）：Agent 在多轮执行中是否需要记住之前的状态（可选）
配好这三样，Agent 就能自主执行任务了。
—
场景 1：选题智能聚类 Agent
问题：你的选题情报表里，每周会进来几十条数据，来自 YouTube、Reddit、B站、读者评论……但这些数据散乱，很难快速看出”这周哪个方向的需求信号最强”。
Agent 的目标：读取本周所有新增的情报数据，自动按主题聚类，识别高频方向，生成”本周选题信号摘要”。
配置思路：
System Prompt：
你是一个选题分析助手。
你能使用的工具：
- read_multidimensional_table：读取飞书多维表格数据
- write_multidimensional_table：写入飞书多维表格
- send_feishu_message：向飞书发送消息
任务：
1. 用 read_multidimensional_table 读取「选题情报表」中本周新增的所有记录
2. 对这些数据按主题进行聚类（自动归组，无需固定分类）
3. 找出出现频率最高的 3 个主题方向
4. 对每个方向，生成：主题名称 + 一句话描述 + 代表性条目示例（1-2条）
5. 把分析结果写入「选题周报」飞书文档（用 write_feishu_doc 工具）
6. 用 send_feishu_message 向用户发送摘要工具配置：
- 飞书多维表格 HTTP 工具（封装成自定义工具节点）
- 飞书消息推送工具
- 飞书文档写入工具
触发方式：每周日 20:00 由定时节点触发
输出示例：
本周选题信号摘要（共分析 47 条情报）
📌 方向 1：飞书多维表格 AI 字段（12条信号）
主要集中在：AI字段如何配置、DeepSeek接入、分类打标场景
📌 方向 2：n8n 与飞书集成（8条信号）
主要集中在：webhook配置、数据写入、权限问题
📌 方向 3：自动化跟进提醒（6条信号）
主要集中在：客户跟进、工单超时、审批提醒场景—
场景 2：内容数据异常预警 Agent
问题：你的文章数据在多维表格里存着，但你不知道什么时候去看，有时候一篇文章数据异常低（可能是发布时间有问题）或者异常高（爆款）好几天了，你才发现。
Agent 的目标：每天自动检查最近发布文章的数据，识别异常，主动推送预警。
配置思路：
System Prompt：
你是一个内容数据监控助手。
任务（每天执行一次）：
1. 读取「发布台账表」中发布时间在近7天内的文章记录
2. 对比每篇文章的数据和账号历史平均值
3. 识别以下异常情况：
a. 严重低于平均（< 账号平均 × 0.5）→ 可能有问题，需要分析
b. 显著高于平均（> 账号平均 × 1.5）→ 爆款，需要及时再加工
c. 发布48小时后数据为0或极低 → 可能发布出现问题
4. 对每种异常，给出 1-2 句可能的原因分析
5. 推送预警报告（仅当有异常时才推送，正常则不打扰）效果：这个 Agent 替代了你每天手动刷各平台数据的习惯，只在真正需要关注的时候打扰你。
—
场景 3：爆款内容自动裂变 Agent
问题：发现爆款之后，你需要手动分析原因、手动想裂变方向、手动把新选题加进候选池——每一步都是人工，容易被忘掉。
Agent 的目标：当多维表格里出现新的爆款标记时，自动触发完整的裂变流程。
配置思路：
触发方式：多维表格 Webhook（当「是否爆款」字段被更新为「🔥 爆款」时触发）
System Prompt：
你是一个内容裂变分析助手。
你会收到一篇爆款文章的信息（标题、正文摘要、数据表现）。
任务：
1. 分析这篇文章爆款的可能原因（标题技巧/内容结构/话题时机）
2. 生成 3 个裂变方向：
- 方向1：深挖同主题（更进阶或更细分）
- 方向2：横向换场景（同方法，不同行业/角色/工具）
- 方向3：方法论提炼（从实操案例到通用框架）
3. 为每个方向生成一个具体的文章标题草案
4. 把 3 个新选题写入多维表格「选题库主表」：
- 状态：候选
- 来源渠道：爆款裂变
- 关联原文：[爆款文章标题]
5. 推送消息：「已完成爆款裂变，3个新选题已加入候选池」n8n 工作流结构：
多维表格 Webhook 触发（是否爆款字段更新）
→ 读取完整文章信息（标题、正文、数据）
→ AI Agent 节点（执行上述任务）
→ 结果：3条新选题写入多维表格 + 飞书消息推送这个 Agent 的核心价值：把”发现爆款 → 裂变选题”这个动作从几天后才想起来手动做，变成爆款数据确认后自动触发，一次都不会漏。
—
AI Agent 节点的使用注意事项
① 给清晰的目标，不要给模糊的指令 好：”读取本周新增情报，按主题聚类，找出Top3方向，写入文档，推送摘要” 差：”帮我分析一下选题情报”
② 工具越精准越好 不要给 Agent 太多工具，会导致它选错工具或者在工具间来回。每个 Agent 只给它完成当前任务必需的 2-4 个工具。
③ 配置失败兜底 在 AI Agent 节点后面加一个 Error 处理节点，当 Agent 执行失败时，发送报错通知给你，而不是静默失败。
④ 先用 Manual 触发测试 新的 Agent 工作流，先用手动触发模式测试，确认每一步的输入输出都符合预期，再换成定时触发。
—
三个场景的复杂度对比
| 场景 | 复杂度 | 前置条件 | 收益 |
|---|---|---|---|
| 选题聚类 Agent | ⭐⭐⭐ | 情报表有数据积累 | 每周省 30 分钟选题梳理时间 |
| 数据异常预警 | ⭐⭐ | 数据回流机制已建 | 爆款/问题不会漏网 |
| 爆款裂变 Agent | ⭐⭐⭐ | 爆款识别字段已建 | 裂变选题100%不被遗忘 |
建议从「数据异常预警 Agent」开始——它的触发逻辑清晰，工具依赖少，容易调试成功，给你建立信心之后再做另外两个。
—
小结
n8n AI Agent 节点的核心优势是：让工作流从”规则驱动”升级为”目标驱动”。
- 普通节点适合逻辑固定的任务
- AI Agent 适合有判断、有规划的复杂任务
在内容创作流程里，AI Agent 最适合的场景是需要”理解数据、做判断、执行多步操作”的地方——选题聚类、数据异常识别、爆款裂变，这三个场景都是典型例子。
至此，龙虾 + Agent 专项系列三篇全部写完。
—
你之前有没有用过 n8n 的 AI Agent 节点？ 还是现在主要还是在用普通节点？
评论区聊聊你的 n8n 使用程度，我看看后续要不要出更多 n8n AI Agent 的实战配置篇。
—
【龙虾 + Agent 专项系列】
- ①：龙虾进阶，从「读数据+推消息」到跨工具调用（已发布）
- ②：Coze Bot 内容创作副驾驶（已发布）
- ③：n8n AI Agent 节点落地（本篇）
📋 这套AI Agent节点相关模板，我整理成模板了
跟着上面步骤搭要花点时间。想直接拿现成的改，加我微信备注「AI Agent节点」，我发你。
🤔 卡在某一步了？
搭建过程里如果哪一步卡住了，如果你照着做没跑通，或者你们公司情况不太一样，可以找我聊聊，我免费帮你看看怎么调。不合适我也会直说。
扫码加我，备注「AI Agent节点」领模板
想看更多这类方案，我都整理在 吨师傅工具箱 里了：客户管理、进销存、工单报修……按场景分好类，可以直接抄。
