Skip to content

n8n 接入 OpenAI 兼容接口 ​

在 n8n 里新建一个 OpenAI 凭证,API Key 填你的 HiveGPT Key,Base URL 改成 https://hivegpt.cn/v1。 之后在 AI Agent、Basic LLM Chain 节点上挂一个 OpenAI Chat Model,选这个凭证,Model 选 ID 并填 gpt-5.5,工作流就能调用 GPT 了。

更新于 2026-10,基于 n8n 2.x(界面是英文)。模型名以你的 Key 能用的为准,见 查看可用模型。

准备 ​

  • n8n:n8n Cloud 或自己部署的 n8n。
  • 一个 HiveGPT 的 API Key:在 API 密钥 页创建,分组选 GPT 类分组。还没有账号先 注册。

第一步:创建 OpenAI 凭证 ​

  1. 在 n8n 左侧点 Credentials(或在任意 OpenAI 节点的 Credential 下拉里选 Create new credential),类型选 OpenAI。
  2. 按下表填写:
字段填什么
API Key你的 HiveGPT Key(sk- 开头)
Organization ID (optional)留空
Base URLhttps://hivegpt.cn/v1(要带 /v1)
  1. 点 Save。n8n 会用这个 Key 请求一次模型列表,显示连接成功就可以了。

把地址填在凭证里

OpenAI Chat Model 节点自己也有一个 Base URL 选项,但填在凭证里更省事:所有用这个凭证的节点都会走 HiveGPT。

第二步:搭一个最小工作流 ​

  1. 添加触发节点 Manual Trigger(手动运行)或 Schedule Trigger(定时运行)。
  2. 后面接一个 Basic LLM Chain(简单问答)或 AI Agent(要调用工具时用)。
    • Source for Prompt (User Message) 选 Define below。

    • Prompt (User Message) 写你的指令,可以用表达式引用上一个节点的数据,例如:

      text
      用 3 句话总结今天要关注的科技新闻要点:{{ $json.text }}
  3. 点节点下方 Chat Model 处的 +,选 OpenAI Chat Model:
    • Credential 选刚建的 HiveGPT 凭证。
    • Model 切到 ID,填 gpt-5.5。
  4. 点 Execute workflow 运行,结果在节点输出的 output 字段里。

常见的用法:定时抓取 RSS → 让模型总结 → 发到飞书 / 企业微信;表单提交 → 让模型分类和提取信息 → 写进表格。

OpenAI Chat Model 的几个设置 ​

在节点的 Options 里:

选项建议
Use Responses API默认打开即可(HiveGPT 支持);如果报错,关掉改用 Chat Completions
Timeout默认 60000 毫秒,长回答或推理模型改成 300000
Max Retries默认 2,可以改成 3
Maximum Number of Tokens限制输出长度,控制花费
Sampling Temperature推理类模型不接受改过的温度,报错就删掉这一项
Reasoning Effort简单任务选低,更快也更便宜

Model 的 From List 会从 HiveGPT 读取模型列表;列表加载不出来时,用 ID 直接填模型名。

OpenAI 节点(Message a Model) ​

除了 Chat Model 子节点,n8n 还有一个单独的 OpenAI 节点,选 Message a Model 就能直接对话。它用同一个凭证,调用的是 Responses 接口,HiveGPT 同样支持。Model 同样选 ID 填 gpt-5.5。

嵌入(Embeddings OpenAI) ​

做向量检索时用 Embeddings OpenAI 节点,凭证选同一个。前提是你的分组里有嵌入模型(用 /v1/models 查名字里带 embedding 的模型),没有的话嵌入部分用其他服务商。

自己部署时的注意事项 ​

  • 服务器在国内:HiveGPT 可以直接访问,不需要设代理。如果服务器上设了 HTTP_PROXY / HTTPS_PROXY,确认代理可用,或在 NO_PROXY 里加上 hivegpt.cn。
  • 长时间运行的工作流:除了节点的 Timeout,n8n 还有 N8N_AI_TIMEOUT_MAX 等环境变量控制 AI 节点的总时长,默认 1 小时,一般不用改。

常见问题 ​

现象原因处理
「The resource you are requesting could not be found」Base URL 少了或多了 /v1写成 https://hivegpt.cn/v1,见 Base URL 要不要加 /v1
「Authorization failed - please check your credentials」Key 不对或已停用见 401 报错
提示分组「不支持模型」模型名不在你的分组里见 模型不存在
「The service is receiving too many requests from you」工作流并发太高降低批量节点的并发,见 429 报错
「Insufficient quota」余额不足或 Key 额度用完见 余额 / 额度
节点运行到一半超时Timeout 太短调大 Timeout,见 请求超时
「Bad request - please check your parameters」参数不被支持,如 temperature删掉 Sampling Temperature 再试

更多报错看 报错速查。

代码示例在页面里运行时使用 HiveGPT 的模型接口。延伸阅读来自 JavaGuide(Apache-2.0),版权归原作者。