今天咱們來聊個超酷的功能：如何讓你的 n8n 工作流“長眼睛”和“長耳朵”？ 🧐
很多朋友在用 n8n 搭建 AI 應用時，發現不論怎麼折騰，好像只能發文字。想發張圖片讓 AI 分析？或者發段語音讓 AI 聽聽？對不起，不支持。🚫
別急！今天這篇教程就手把手教你，如何利用 全模態（Multimodal） 大模型，讓你的 n8n 支持文本、圖片、音頻、視頻的上傳與多輪對話！
舉個栗子 🌰：
我給 AI 發一張海報圖，問它：“圖裏寫了啥？”
它立馬告訴我：“N8N 2.0 發佈了”
是不是很贊？只要掌握了這個方法，音視頻分析也統統不在話下！
廢話不多説，咱們直接上乾貨！👇
視頻演示
www.bilibili.com/video/BV1yn…
1️⃣ 打通“任督二脈”——開啓文件上傳 📂
首先，我們需要一個入口。
在 n8n 中添加 Chat Trigger（聊天觸發器）節點。
⚠️ 注意： 默認情況下，這個聊天窗口只有“發送”按鈕，是不支持上傳附件的。
怎麼破？
在 Chat Trigger 的設置裏，找到 Allow File Uploads（允許上傳文件）選項，把它打開！✅
設置好後，你會發現你的聊天窗口多了一個回形針圖標 📎（或者上傳按鈕）。這就意味着，你的通道已經打通了，可以接受圖片、音頻和視頻啦！
2️⃣ 選擇“最強大腦”——配置 AI Agent 🧠
即使通道通了，如果你的大模型是個“臉盲”或者“聽不懂”，那也沒用。所以，我們需要一個支持全模態的大模型。
在 n8n 流程中：
- 下一步添加節點： 這裏一定要選 AI Agent！
- 敲黑板：千萬別選 Basic LLM Chain，那個通常只支持純文本，不支持多模態操作。🙅♂️
- 設置 Model： 在 AI Agent 裏，我們需要配置一個 Chat Model（聊天模型）。
3️⃣ 核心秘技——接入 Qwen-Omni (通義千問) 🔗
我們要選哪個模型呢？這就得用到阿里的百鍊平台了。
- ❌ DeepSeek：雖然很火，但目前 API 主要側重文本和推理，全模態支持不是它的強項。
- ✅ Qwen-Omni：這是阿里最新的全模態大模型，能看圖、聽音、看視頻，選它準沒錯！
關鍵操作來了（必看）： 🛠️
因為 n8n 原生可能沒有直接的“百鍊”節點，或者為了通用性，我們這裏使用 OpenAI Chat Model 節點來“偽裝”接入。因為百鍊平台完美兼容 OpenAI 的協議！
操作步驟：
- 添加憑證 (Credentials)：
- 去阿里雲百鍊平台，註冊並登錄。
- 在“API-KEY管理”裏創建一個新的 Key，複製下來。
- 在 n8n 的 OpenAI 憑證裏，把這個 Key 填進去。
- 修改 Base URL：
- 在百鍊的模型廣場找到 Qwen-Omni，點擊“API參考”。
- 複製那個 Base URL 地址。
- 粘貼到 n8n 憑證設置裏的 Base URL 欄目中。
- 連接測試： 點擊 Save/Test，看到綠色小對勾 ✅ 就説明連接成功！
4️⃣ 實戰演練——見證奇蹟的時刻 ✨
連接成功後，回到 n8n 的 OpenAI Model 節點：
- 在模型列表（或者手動輸入）裏選擇 qwen-omni-turbo (或者日期後綴的最新版，如 12 月份的版本)。
- 關閉雜項： 那些聯網搜索、文件搜索的高級功能這次用不上，統統關掉，我們只測多模態。
測試開始！ 🚀
- 打開聊天窗口。
- 上傳一張包含文字的圖片（比如 n8n 2.0 的海報）。
- 輸入指令：“提取圖片中的文字”。
- 點擊發送！
結果展示：
大模型迅速識別並回復：“這張圖片顯示的是 n8n 2.0 發佈了。”
我核對了一下原圖，完全相符！ 💯
📝 總結
想要實現 n8n 全模態，必須滿足兩個條件，缺一不可：
- 入口支持：Chat Trigger 開啓文件上傳。
- 模型支持：後端必須連接支持全模態的模型（如 Qwen-Omni）。
搞定這兩步，你的 n8n 就不再是隻會打字的機器人，而是能看能聽的超級助手了！視頻和音頻的原理是一樣的，大家課後可以自己去試一試。
好啦，今天的教程就到這裏。我是磊哥，咱們下期再見！ 👋
