LangChain 代码节点#

使用 LangChain 代码节点（LangChain Code node）来导入 LangChain。这意味着即使 n8n 尚未为某项功能创建专用节点，你仍然可以使用它。通过配置 LangChain 代码节点的连接器，你可以像使用普通节点、根节点或子节点一样使用它。在本页面中，你将找到该节点的参数、配置指南以及更多资源链接。 在 Cloud 上不可用 此节点仅适用于自托管（self-hosted）的 n8n 实例。

节点参数#

添加代码#

添加你的自定义代码。选择 Execute（执行）或 Supply Data（提供数据）模式。你只能使用其中一种模式。与代码节点不同，LangChain 代码节点不支持 Python。

Execute：像使用 n8n 自带的代码节点一样使用 LangChain 代码节点。该模式接收工作流中的输入数据，对其进行处理，并将结果作为节点输出返回。此模式需要主输入和主输出，你必须在 Inputs（输入）和 Outputs（输出）中创建这些连接。
Supply Data：将 LangChain 代码节点用作子节点，向根节点发送数据。此模式使用非主输出（main output）的其他输出端口。

默认情况下，您无法在此节点中加载内置或外部模块。自托管用户可以启用内置和外部模块。

输入#

选择输入类型。主输入（Main）是所有 n8n 工作流中常见的普通连接器。如果节点中设置了主输入和主输出，则必须填写 Execute 代码。

输出#

选择输出类型。主输出（Main）是所有 n8n 工作流中常见的普通连接器。如果节点中设置了主输入和主输出，则必须填写 Execute 代码。

节点输入与输出配置#

通过配置 LangChain Code 节点的连接器（输入和输出），您可以将其用作应用节点（App node）、根节点（Root node）或子节点（Sub-node）。包含四个 LangChain 节点的工作流截图，配置为不同类型的节点

节点类型	输入	输出	代码模式
应用节点（App node）。类似于 Code 节点。	主输入（Main）	主输出（Main）	Execute
根节点（Root node）	主输入（Main）；至少一种其他类型	主输出（Main）	Execute
子节点（Sub-node）	无	非主类型的一种输出。必须与您要连接的输入类型匹配。	Supply Data
带有子节点的子节点（Sub-node with sub-nodes）	非主类型的一种输入	非主类型的一种输出。必须与您要连接的输入类型匹配。	Supply Data

内置方法#

n8n 提供了以下方法，以便更轻松地在 LangChain Code 节点中执行常见任务。

方法	说明
`this.addInputData(inputName, data)`	填充指定的非主输入数据。可用于模拟数据（mocking data）。

inputName 是输入连接类型，必须为以下之一：ai_agent, ai_chain, ai_document, ai_embedding, ai_languageModel, ai_memory, ai_outputParser, ai_retriever, ai_textSplitter, ai_tool, ai_vectorRetriever, ai_vectorStore
data 包含您要添加的数据。有关 n8n 所期望的数据结构，请参考数据结构文档。

this.addOutputData(outputName, data) | 填充指定非主输出（non-main output）的数据。可用于模拟数据（mocking data）。

outputName 为输入连接类型，必须是以下之一：ai_agent, ai_chain, ai_document, ai_embedding, ai_languageModel, ai_memory, ai_outputParser, ai_retriever, ai_textSplitter, ai_tool, ai_vectorRetriever, ai_vectorStore
data 包含你想要添加的数据。有关 n8n 所期望的数据结构，请参考数据结构文档。

this.getInputConnectionData(inputName, itemIndex, inputIndex?) | 获取来自指定非主输入（non-main input）的数据。

inputName 为输入连接类型，必须是以下之一：ai_agent, ai_chain, ai_document, ai_embedding, ai_languageModel, ai_memory, ai_outputParser, ai_retriever, ai_textSplitter, ai_tool, ai_vectorRetriever, ai_vectorStore
itemIndex 应始终为 0（此参数将在后续功能中使用）
如果有多个节点连接到指定输入，可使用 inputIndex 参数来区分。

this.getInputData(inputIndex?, inputName?) | 获取主输入的数据。 this.getNode() | 获取当前节点。 this.getNodeOutputs() | 获取当前节点的输出。 this.getExecutionCancelSignal() | 当工作流停止时，使用此方法来终止函数的执行。大多数情况下 n8n 会自动处理，但如果你正在构建自定义链（chains）或智能代理（agents），可能需要手动调用它。该方法替代了在常规 LangChain 应用中使用的取消运行中的 LLMChain 代码。

模板与示例#

🤖 面向文档的 AI 驱动 RAG 聊天机器人 + Google Drive + Gemini + Qdrant 作者：Joseph LePage 查看模板详情

使用 JavaScript 编写的自定义 LangChain 智能代理 作者：n8n 团队查看模板详情

在 n8n 中使用任意 LangChain 模块（通过 LangChain 代码节点） 作者：David Roberts 查看模板详情

浏览 LangChain Code 集成模板，或搜索所有模板