n8n-nodes-siliconflow-ai

一个面向 n8n 的社区节点，封装 SiliconFlow（硅基流动） 的 OpenAI 兼容 REST API。提供两个节点：

• SiliconFlow（动作节点）：Chat / Vision / Embeddings / Image Generation / Rerank / Audio（TTS 文生语音 + ASR 语音转写）/ Video（视频生成）
• SiliconFlow Chat Model（AI Agent 模型节点）：LangChain 兼容，可接入 n8n 的 AI Agent / Tools Agent / AI Chain

📌 当前版本 0.6.0 · 查看完整更新记录 · 致谢原项目

🎯 核心目的：解决 QixYuanmeng/n8n-nodes-siliconflow 在最新 n8n 中因把 langchain@^0.3.29 写进 dependencies 而与宿主 n8n 自带的 @langchain/[email protected] 产生 ERESOLVE 冲突、导致安装失败的问题。

依赖策略（关键）：

• 动作节点 SiliconFlow：零运行时三方依赖，完全使用 n8n 内置 httpRequestWithAuthentication 直连 SiliconFlow，永不冲突。
• 模型节点 SiliconFlowChatModel：@langchain/openai / @langchain/core 仅声明为可选 peerDependencies（"*"），不打包、不安装，运行时直接复用 n8n 自带的 langchain —— 既保留 AI Agent 能力，又彻底消除 ERESOLVE。

📦 安装

方式 1：通过 n8n UI 安装（推荐）

需要 n8n >= 1.0。

1. 启动 n8n
2. 打开 Settings → Community Nodes
3. 点击 Install
4. 输入包名：n8n-nodes-siliconflow-ai
5. 同意风险提示 → Install

方式 2：本地加载（无需发布到 npm）

启动 n8n 前设置环境变量：

# Linux / macOS / Git Bash
export N8N_CUSTOM_EXTENSIONS="/d/GITHUB/n8n-nodes-siliconflow-ai"

# Windows CMD
set N8N_CUSTOM_EXTENSIONS=D:\GITHUB\n8n-nodes-siliconflow-ai

# Windows PowerShell
$env:N8N_CUSTOM_EXTENSIONS="D:\GITHUB\n8n-nodes-siliconflow-ai"

或者把 dist/ + package.json 复制到 ~/.n8n/custom/n8n-nodes-siliconflow-ai/。

方式 3：Docker 自定义镜像

FROM n8nio/n8n:latest
USER root
RUN mkdir -p /home/node/.n8n/custom/n8n-nodes-siliconflow-ai
COPY --chown=node:node dist /home/node/.n8n/custom/n8n-nodes-siliconflow-ai/dist
COPY --chown=node:node package.json /home/node/.n8n/custom/n8n-nodes-siliconflow-ai/
USER node

🔑 凭证配置

1. 登录 SiliconFlow 控制台 创建 API Key（新用户注册送 2000 万 token 免费额度）
2. n8n → Credentials → New → SiliconFlow API
3. 填写：
   • API Key：你的密钥
   • Base URL：默认 https://api.siliconflow.cn/v1（一般无需修改）
4. 点击 Test connection，会请求 /v1/models 验证

✨ 支持的能力

节点 1：SiliconFlow（动作节点）

| Resource | Operation | 端点 | 说明 | |---|---|---|---| | Chat | Complete | POST /chat/completions | 兼容 OpenAI 格式的对话，支持 thinking / tools 等参数 | | Vision | Analyze | POST /chat/completions | 多模态视觉理解（支持二进制/URL/base64 图片） | | Embeddings | Create | POST /embeddings | 文本向量化 | | Image | Generate | POST /images/generations | 文生图 | | Rerank | Create | POST /rerank | 文档重排序（RAG 后处理） | | Audio | Generate Speech | POST /audio/speech | 文生语音（TTS），输出二进制音频（mp3/wav/opus/pcm） | | Audio | Transcribe | POST /audio/transcriptions | 语音转写（ASR），上传音频返回文本 | | Video | Generate | POST /video/submit + /video/status | 一键生成：提交→轮询→下载视频 | | Video | Submit | POST /video/submit | 仅提交任务，返回 requestId | | Video | Get Status | POST /video/status | 用 requestId 查询视频任务状态 |

节点 2：SiliconFlow Chat Model（AI Agent 模型节点）

输出 AiLanguageModel 连接，把 SiliconFlow Chat Model 节点连到 AI Agent / Tools Agent / AI Chain 即可让 Agent 使用 SiliconFlow 上的模型（含工具调用、推理模型 thinking 等）。底层复用 @langchain/openai 的 ChatOpenAI 指向 SiliconFlow base URL。

🧩 模型选择：From List / By ID

每个资源（Chat / Vision / Embeddings / Image / Rerank / Audio / Video）以及 Chat Model 节点的模型选择都支持两种模式（顶部 Model Selection 切换）：

| 模式 | 说明 | |---|---| | From List | 从内置的常用模型清单里选（清单见下，已按 2026-06 模型广场整理） | | By ID | 手动输入任意模型 ID，支持表达式（如 ={{$json.model}}）。用于清单未收录、或刚上线尚未更新的模型 |

SiliconFlow 模型会上下架，内置清单无法保证永远最新；遇到列表里没有的模型，直接切到 By ID 填入即可，无需等节点更新。

内置清单（按你提供的模型广场整理）：

• Chat（21）：GLM-5.2、Kimi-K2.7-Code、DeepSeek-V4-Pro/Flash、DeepSeek-V3.2(+Pro)、DeepSeek-R1、Nex-N2-Pro、MiniMax-M2.5(+Pro)、Qwen3.6/3.5 系列、Step-3.5-Flash、Ling-mini-2.0、Hunyuan-MT-7B、Seed-OSS-36B 等
• Vision（14）：Qwen3-VL-32B、Qwen3-Omni 系列、GLM-4.5V、DeepSeek-OCR 等
• Embedding（8）：Qwen3-Embedding 系列、bge-m3(+Pro)、bge-large-zh/en 等
• Image（7）：Z-Image(+Turbo)、ERNIE-Image-Turbo、Qwen-Image(+Edit)、Kolors 等
• Rerank（6）：Qwen3-Reranker 系列、bge-reranker-v2-m3(+Pro) 等
• Audio TTS（2）：CosyVoice2-0.5B、MOSS-TTSD-v0.5（文生语音）
• Audio ASR（2）：SenseVoiceSmall、TeleSpeechASR（语音转写）
• Video（2）：Wan2.2-T2V-A14B（文生视频）、Wan2.2-I2V-A14B（图生视频）

清单源码位于 nodes/shared/models.ts，可直接增删维护。

🚀 典型用法

1. 简易聊天工作流

[Manual Trigger] → [SiliconFlow (Chat)] → [Set] → [Respond to Webhook]

SiliconFlow 节点配置：

• Resource: Chat Completion
• Model: Qwen/Qwen2.5-7B-Instruct
• Messages: =[{"role":"system","content":"你是一个翻译助手"},{"role":"user","content":"{{$json.text}}"}]
• Additional Options → Temperature: 0.5，Max Tokens: 1024

Set 节点：把 choices[0].message.content 提取到 output 字段。

2. 批量 Embedding

把上游节点的 texts 字段传入：

• Resource: Embedding
• Model: BAAI/bge-m3
• Input: ={{$json.texts}}（值为字符串数组）
• Additional Options → Encoding Format: Float

下游节点用 data[0].embedding 取第一条向量。

3. RAG 中的 Rerank 流程

[Vector Store] → [SiliconFlow (Rerank)] → [Top-K 送入 LLM]

• Resource: Rerank
• Model: BAAI/bge-reranker-v2-m3
• Query: {{$json.question}}
• Documents: ={{$json.docs}}（如 ["doc1","doc2",...] 或 [{"text":"doc1"}]）
• Top N: 3

输出 results 数组中每项含 index、relevance_score 和 document（开启 Return Documents 时）。

4. 文生图

• Resource: Image Generation
• Model: stabilityai/stable-diffusion-2-1
• Prompt: a cute cat astronaut, cinematic lighting
• Image Size: 1024x1024，Batch Size: 1

输出 images[0].url 即图片 URL（部分模型返回 base64）。

5. 用 AI Agent 调用 SiliconFlow 模型

[AI Agent] ←（Model）— [SiliconFlow Chat Model]
        ↓
   [其它 Tool 节点…]

• 把 SiliconFlow Chat Model 节点的输出连到 AI Agent 的 Model 输入
• 在 Chat Model 节点选择模型（如 deepseek-ai/DeepSeek-V3、Qwen/Qwen2.5-72B-Instruct）
• Agent 即可使用该模型进行工具调用 / 推理

6. 文生语音（TTS）

[Manual Trigger] → [SiliconFlow (Audio: Generate Speech)] → [Write File]

• Resource: Audio，Operation: Generate Speech
• Model: FunAudioLLM/CosyVoice2-0.5B（或 fnlp/MOSS-TTSD-v0.5）
• Text: 要合成的文本（MOSS-TTSD 可用 [S1]/[S2] 标记多人对话；CosyVoice2 支持 [laughter]、[breath] 等标记）
• Voice: 选择 Select From List 从预置音色（alex / anna / bella / benjamin / charles / david / diana / claire）中选，自动拼接为 FunAudioLLM/CosyVoice2-0.5B:alex；也可切到 Custom 手填完整音色 ID，或 None 用模型默认
• Additional Fields → Output Format: mp3，Speed: 1，Sample Rate: 32000

合成结果以二进制属性 data 输出，可直接用 Write File / Read/Write Files from Disk 节点写入 .mp3。JSON 部分含 model、voice、format、size、input。

7. 语音转写（ASR）

[Read File (audio)] → [SiliconFlow (Audio: Transcribe)]

• Resource: Audio，Operation: Transcribe
• Model: FunAudioLLM/SenseVoiceSmall（或 TeleAI/TeleSpeechASR）
• Audio Source: Binary Data（取上游节点输出的音频）/ URL / Base64
• Binary Property: data（限制：单文件 ≤ 50MB、时长 ≤ 1 小时）

输出 text 字段为转写文本。

8. 视频生成（一键 Generate）

[Manual Trigger] → [SiliconFlow (Video: Generate)] → [Write File]

• Resource: Video，Operation: Generate
• Model: Wan-AI/Wan2.2-T2V-A14B（文生视频）或 Wan-AI/Wan2.2-I2V-A14B（图生视频）
• Prompt: a cat playing in a garden, cinematic
• Image Size: 1280x720 / 720x1280 / 960x960
• Image Source: None（T2V）；I2V 时选 Binary Data / URL / Base64 提供首帧图
• Polling → Poll Interval: 10s，Timeout: 600s，Download Video: ✅（默认下载为 .mp4 二进制）

节点会自动提交→轮询直到完成→下载视频，视频以二进制属性 data 输出（可接 Write File）。JSON 部分含 requestId、status、videoUrl、seed、inference。视频 URL 有效期约 1 小时，建议开启下载。超时则返回当前状态（不报错），稍后可用 Get Status 续查。

9. 视频生成（Submit + Get Status 解耦，适合长任务）

[SiliconFlow (Video: Submit)] → 返回 requestId
        ↓（用 Wait / 定时器隔开）
[SiliconFlow (Video: Get Status)] → 轮询 status 直到 Succeed

• Submit：仅提交，立即返回 requestId（不阻塞）。
• Get Status：Request ID 填 Submit 返回的 requestId，返回 status（InQueue / InProgress / Succeed / Failed）；Succeed 时含 videoUrl。可配合 n8n 的 Wait / Loop 节点自行控制轮询节奏。

视频结果有效期约 10 分钟（submit 端）~ 1 小时（URL），完成后请尽快下载。

🧪 常见模型参考

| 用途 | 模型示例 | |---|---| | 对话 | Qwen/Qwen2.5-7B-Instruct、deepseek-ai/DeepSeek-V3、THUDM/glm-4-9b-chat | | Embedding | BAAI/bge-m3、Pro/BAAI/bge-m3 | | 图像 | stabilityai/stable-diffusion-2-1、black-forest-labs/FLUX.1-schnell | | Rerank | BAAI/bge-reranker-v2-m3 | | 语音合成（TTS） | FunAudioLLM/CosyVoice2-0.5B、fnlp/MOSS-TTSD-v0.5 | | 语音转写（ASR） | FunAudioLLM/SenseVoiceSmall、TeleAI/TeleSpeechASR | | 视频生成 | Wan-AI/Wan2.2-T2V-A14B（文生视频）、Wan-AI/Wan2.2-I2V-A14B（图生视频） |

完整列表见 SiliconFlow 模型广场。

🆚 与原 n8n-nodes-siliconflow 的区别

| 项 | 原项目 | 本项目 | |---|---|---| | langchain 声明位置 | dependencies（被 npm 安装 → 触发 ERESOLVE） | 可选 peerDependencies（"*"），不安装，运行时复用 n8n 自带版本 | | 动作节点运行时依赖 | axios + zod | 零（用 n8n 内置 httpRequestWithAuthentication） | | 最新 n8n 安装 | ❌ ERESOLVE 报错 | ✅ 干净通过 | | AI Agent 模型节点 | ✅ 有 | ✅ 保留（同样接入 AI Agent） | | 包大小 | 较大（打包 langchain/axios） | 很小（不打包三方运行时依赖） | | 维护难度 | 跟随 langchain 升级易冲突 | 复用 n8n 自带 langchain，跟随 SiliconFlow API 变更即可 |

🛠 开发

# 克隆
git clone https://github.com/nam2009/n8n-nodes-siliconflow-ai.git
cd n8n-nodes-siliconflow-ai

# 安装开发依赖
npm install

# 编译
npm run build

# 监听模式（自动编译）
npm run build:watch

修改源码后建议在本地 n8n 验证（见上文「方式 2：本地加载」）。

📚 参考文档

• SiliconFlow API 总览
• SiliconFlow Chat Completions
• SiliconFlow Embeddings
• SiliconFlow Images
• SiliconFlow Rerank
• SiliconFlow 语音合成 TTS
• SiliconFlow 语音转写 ASR
• SiliconFlow 视频生成提交
• SiliconFlow 视频生成状态
• n8n 社区节点开发指南

📝 更新记录

详见 CHANGELOG.md。简要回顾：

• 0.6.0 — 新增 Video 资源：视频生成（Generate 一键 / Submit / Get Status），支持 Wan2.2 T2V + I2V
• 0.5.1 — TTS 音色新增选择列表（8 个预置音色，三种模式：列表/自定义/不指定）
• 0.5.0 — 新增 Audio 资源：Generate Speech（TTS 文生语音）+ Transcribe（ASR 语音转写）
• 0.4.2 — 修复 Vision 节点在 filesystem 二进制模式下用 Binary Data 分析图片报错
• 0.4.1 — 修复 SiliconFlow 动作节点运行报 Invalid URL
• 0.4.0 — 新增 From List / By ID 模型选择；全面更新模型清单
• 0.3.0 — 解决 ERESOLVE 安装冲突；新增 AI Agent Chat Model 节点；新增 Image 资源

🙏 致谢

本项目从 QixYuanmeng/n8n-nodes-siliconflow 重写而来，在保留原项目功能的基础上解决了其在最新 n8n 上的 ERESOLVE 依赖冲突安装失败问题。

衷心感谢原作者 QixYuanmeng 的工作 —— 本项目的节点设计、参数结构与功能划分均参考自原项目。没有原项目的基础，就没有本项目。

原项目地址：https://github.com/QixYuanmeng/n8n-nodes-siliconflow

📄 License

MIT