كيفية بناء سير عمل الذكاء الاصطناعي باستخدام n8n و LangChain
n8n و LangChain معاً يحلان مشكلة تواجه معظم الفرق في نهاية المطاف: تريد وكلاء ذكاء اصطناعي يتصلون بالبيانات الحقيقية ويطلقون إجراءات حقيقية، لكن دمج LangChain في Python يعني صيانة مجموعة تطبيقات كاملة. تتيح لك عقد LangChain الأصلية في n8n سحب وإسقاط الوكلاء والسلاسل والذاكرة ومخازن المتجهات في سير عمل مرئية — ثم ربطها بأكثر من 400 تكامل دون كتابة كود SDK.
ما ستحصل عليه: مكتبة عقد LangChain في n8n
يأتي n8n مع أكثر من 70 عقدة ذكاء اصطناعي تُطبّق مفاهيم LangChain كلبنات بناء مرئية. بدلاً من استيراد langchain في Python وربط الوحدات معاً، تقوم بتوصيل العقد على لوحة عمل. إليك التفصيل الكامل:
| فئة العقدة | ما تفعله | العقد الرئيسية |
|---|---|---|
| Root Nodes | منطق الذكاء الاصطناعي الأساسي («الدماغ») | AI Agent, Basic LLM Chain, Q&A Chain, Summarization Chain |
| Chat Models | اتصالات LLM | OpenAI, Anthropic Claude, Google Gemini, Ollama, Groq, Mistral, DeepSeek |
| Memory | استمرارية المحادثة | Simple Memory, Redis, Postgres, MongoDB, Zep |
| Vector Stores | تخزين المستندات + الاسترجاع | Pinecone, Qdrant, Supabase, Chroma, Weaviate, PGVector, In-Memory |
| Embeddings | تحويل النص إلى متجهات | OpenAI, Cohere, HuggingFace, Ollama, AWS Bedrock |
| Tools | قدرات خارجية للوكلاء | Calculator, SerpAPI, Wikipedia, Custom Code, MCP Client, Workflow Tool |
| Output Parsers | تنسيق الاستجابة المنظمة | Auto-fixing, Structured, Item List |
| Text Splitters | تقسيم المستندات | Character, Recursive Character, Token |
تستخدم البنية ما يسميه n8n عقد المجموعات — عقدة جذر (مثل AI Agent) تتصل بعقد فرعية (chat model، memory، tools) تُوسّع قدراتها. فكّر في الأمر على أنه نظام وحدات LangChain، لكن بشكل مرئي.
كيف يُعيّن n8n مفاهيم LangChain
إذا كنت قد استخدمت LangChain في الكود، فإن تعيين n8n واضح:
| مفهوم LangChain | المكافئ في n8n | متى تستخدمه |
|---|---|---|
ChatOpenAI() | OpenAI Chat Model sub-node | أي سير عمل يحتاج إلى LLM |
ConversationBufferMemory() | Simple Memory / Redis Memory | محادثات متعددة الأدوار |
RetrievalQA.from_chain_type() | Q&A Chain + Vector Store Retriever | الأسئلة والأجوبة على المستندات |
AgentExecutor مع الأدوات | AI Agent node (نوع Tools Agent) | الاختيار الديناميكي للأدوات |
RecursiveCharacterTextSplitter() | Recursive Character Text Splitter sub-node | تقسيم المستندات لـ RAG |
FAISS.from_documents() | Simple Vector Store (Insert Documents) | تخزين التضمينات محلياً |
الفارق الجوهري؟ في الكود، تكتب 50–100 سطراً لتجميع كل هذا. في n8n، تربط 4–6 عقد على لوحة عمل وتهيّئها عبر قوائم منسدلة.
بناء خط أنابيب Q&A على المستندات (RAG)
لنبنِ شيئاً حقيقياً. يستوعب سير العمل هذا مستندات PDF، يخزنها في قاعدة بيانات متجهية، ويجيب على الأسئلة حول محتواها. إنه النمط الكلاسيكي لـ RAG (Retrieval-Augmented Generation) — سير عمل LangChain الأكثر فائدة لفرق الأعمال.
الخطوة 1: إعداد سير عمل استيعاب البيانات
أنشئ سير عمل جديداً لتحميل المستندات. ستشغّله مرة واحدة في كل مرة تضيف فيها مستندات جديدة.
العقد التي يجب إضافتها:
- Manual Trigger — انقر لتشغيل الاستيعاب
- عقدة Google Drive (أو HTTP Request أو Read Binary File) — تجلب مستندات المصدر
- Simple Vector Store — اضبط العملية على Insert Documents
- OpenAI Embeddings sub-node — تتصل بـ Vector Store وتحوّل النص إلى متجهات
- Default Data Loader sub-node — تُحلّل محتوى المستند إلى أجزاء
- Recursive Character Text Splitter sub-node — تقسّم المحتوى إلى أجزاء ~500 رمز مع تداخل 50 رمزاً
تفاصيل تهيئة Vector Store:
- العملية:
Insert Documents - Memory Key: أعطه اسماً وصفياً مثل
company-docs(هكذا ستشير إليه لاحقاً) - يتصل Data Loader كعقدة فرعية ويتولى تحليل PDF/النص تلقائياً
تهيئة Text Splitter:
- حجم الجزء: 500 (رموز)
- تداخل الأجزاء: 50 (يضمن عدم ضياع السياق عند الحدود)
- طريقة التقسيم: Recursive Character (يتعامل بذكاء مع Markdown و HTML والنص العادي)
الخطوة 2: بناء سير عمل وكيل Q&A
الآن أنشئ سير عمل ثانياً — هذا هو الذي يتفاعل معه المستخدمون.
العقد التي يجب إضافتها:
- Chat Trigger — يوفر واجهة المحادثة للأسئلة
- AI Agent (نوع Tools Agent) — الدماغ الذي يقرر ماذا يفعل
- OpenAI Chat Model sub-node — اربط GPT-4o أو GPT-4o-mini
- Simple Memory sub-node — يتذكر سياق المحادثة
- Vector Store Tool sub-node — يمنح الوكيل الوصول إلى مستنداتك
تهيئة عقدة AI Agent:
- نوع الوكيل: Tools Agent (الخيار الأكثر مرونة — يقرر متى وكيف يستخدم الأدوات)
- System Prompt:
أنت مساعد مفيد يجيب على الأسئلة بناءً على وثائق شركتنا. اذكر دائماً المستند الذي وجدت فيه الإجابة. إذا لم تكن المعلومات في المستندات، قل ذلك بوضوح.
تهيئة Vector Store Tool:
- الاسم:
search_documents - الوصف:
يبحث في قاعدة معرفة الشركة عن المعلومات ذات الصلة. استخدم هذه الأداة عندما يسأل المستخدم عن سياسات الشركة أو إجراءاتها أو وثائقها. - Vector Store: حدد Simple Vector Store الخاص بك
- نموذج التضمين: نفس نموذج OpenAI Embeddings الذي استخدمته أثناء الاستيعاب
- Top K: 4 (عدد الأجزاء ذات الصلة المراد استرجاعها)
هذا الوصف أهم مما تظن. يستخدمه الوكيل لتحديد متى يستدعي الأداة مقابل الإجابة من معرفته الخاصة. كن محدداً.
الخطوة 3: الاختبار والتحسين
انقر على Chat في اللوحة السفلية لفتح واجهة المحادثة المدمجة في n8n. اطرح سؤالاً حول مستنداتك. راقب مسار التنفيذ — يُظهر لك n8n بالضبط أي العقد تم تشغيلها وما كان استدلال الوكيل وأي أجزاء المستندات تم استرجاعها.
المشكلات الشائعة في هذه المرحلة:
- الوكيل لا يستخدم الأداة: وصف الأداة غامض جداً. اجعله محدداً حول المعرفة التي تحتويها الأداة.
- يسترجع أجزاء غير ذات صلة: زد التداخل بين الأجزاء أو قلّل حجم الجزء. جرّب 300 رمز مع تداخل 100.
- ردود بطيئة: انتقل إلى GPT-4o-mini لنموذج المحادثة. إنه أرخص بـ 10 مرات وسريع بما يكفي لمعظم مهام Q&A.
بناء وكيل استدعاء الأدوات
خط أنابيب Q&A أعلاه رائع للمستندات. لكن ماذا عن وكيل يمكنه البحث على الويب وإجراء الحسابات والاستعلام عن قواعد البيانات والإجابة من المستندات؟ هنا يتألق Tools Agent فعلاً.
إعداد سير العمل
- Chat Trigger — مدخلات المستخدم
- AI Agent (Tools Agent) — يوجّه إلى الأداة الصحيحة
- OpenAI Chat Model — GPT-4o للاستدلال المعقد
- Simple Memory — سجل المحادثة
- أدوات متعددة متصلة:
- SerpAPI Tool — إمكانية البحث على الويب
- Calculator Tool — العمليات الحسابية
- Vector Store Tool — قاعدة المعرفة الوثائقية
- Custom Code Tool — أي دالة JavaScript تكتبها
- Workflow Tool — يُطلق سير عمل n8n آخر كأداة
Workflow Tool هو السلاح السري لـ n8n. يتيح لك تغليف أي سير عمل n8n كأداة يمكن للوكيل استدعاؤها. هل لديك سير عمل يتحقق من المخزون؟ اجعله أداة. واحد يرسل رسائل Slack؟ أداة. واحد يستعلم من نظام CRM؟ أداة. هكذا تصبح أكثر من 400 عقدة تكامل في n8n متاحة لوكيل الذكاء الاصطناعي الخاص بك.
System Prompt لوكلاء متعددي الأدوات
يحتاج system prompt الخاص بك إلى إخبار الوكيل بقدراته:
You are a research assistant with access to the following tools:
- search_documents: Search our internal knowledge base
- web_search: Search the internet for current information
- calculator: Perform mathematical calculations
- send_notification: Send a Slack message to the team
For factual questions about our company, always check search_documents first.
For current events or external data, use web_search.
Show your reasoning before giving a final answer.يتحكم هذا النمط من الـ prompt مباشرة في كيفية توجيه الوكيل بين الأدوات. تؤدي الـ prompts الغامضة إلى قيام الوكلاء بالبحث على الويب عندما كان يجب عليهم التحقق من مستنداتك أولاً.
اختيار نوع الوكيل المناسب
يوفر n8n ستة أنواع من الوكلاء. إليك متى تختار كل نوع:
| نوع الوكيل | الأفضل لـ | يدعم الأدوات؟ | ملاحظات |
|---|---|---|---|
| Tools Agent | معظم حالات الاستخدام | نعم | الاختيار الافتراضي — مرن وموثوق |
| Conversational Agent | روبوتات المحادثة البسيطة | نعم | أقل قدرة لكن أخف وزناً |
| ReAct Agent | سلاسل الاستدلال المعقدة | نعم | يُظهر خطوات الاستدلال الصريحة |
| OpenAI Functions Agent | ميزات OpenAI المحددة | نعم | يستخدم واجهة API استدعاء الدوال في OpenAI |
| Plan and Execute Agent | المهام متعددة الخطوات | نعم | يخطط أولاً ثم ينفذ — مناسب للسير المعقدة |
| SQL Agent | استعلامات قواعد البيانات | محدود | يُنشئ SQL ويشغّله على قاعدة البيانات |
بالنسبة لمعظم الفرق، Tools Agent هو نقطة البداية الصحيحة. يتعامل مع توجيه الأدوات المتعددة بشكل جيد، ويعمل مع أي مزود LLM، ويمكنك التبديل لاحقاً في أي وقت. إذا قارنت ذلك بـ بناء الوكلاء في الكود باستخدام أطر مثل LangGraph أو CrewAI، فالميزة هنا هي صفر من الحمل الإضافي للنشر — يعمل وكيلك داخل بنية n8n التحتية.
إضافة ذاكرة دائمة
افتراضياً، تحتفظ Simple Memory sub-node بسجل المحادثة في الذاكرة — يختفي عند إعادة تشغيل سير العمل. للاستخدام الإنتاجي، ستحتاج إلى ذاكرة دائمة.
خياراتك:
| نوع الذاكرة | الديمومة | جهد الإعداد | الأفضل لـ |
|---|---|---|---|
| Simple Memory | الجلسة فقط | لا شيء | الاختبار والنمذجة الأولية |
| Redis Chat Memory | دائمة وسريعة | متوسط (يتطلب Redis) | روبوتات المحادثة الإنتاجية |
| Postgres Chat Memory | دائمة وقابلة للاستعلام | متوسط (يتطلب Postgres) | عندما تريد تحليل المحادثات |
| MongoDB Chat Memory | دائمة ومرنة | متوسط (يتطلب MongoDB) | التخزين الموجّه نحو المستندات |
| Zep Memory | دائمة + تلخيص | متوسط (يتطلب Zep) | المحادثات الطويلة التي تتجاوز نوافذ السياق |
Zep يستحق التسليط عليه إذا كنت تبني شيئاً بـ سجلات محادثة طويلة. يقوم تلقائياً بتلخيص الرسائل القديمة حتى لا يتجاوز وكيلك نافذة السياق في الجولة الخمسين من المحادثة.
لإضافة ذاكرة دائمة، ببساطة استبدل Simple Memory sub-node بـ Redis/Postgres/Zep. يبقى باقي سير عملك متطابقاً.
الاتصال بمزودي LLM المختلفين
كل عقدة جذر تحتاج إلى LLM تقبل Chat Model sub-node. تغيير المزود هو تعديل عقدة واحدة:
| المزود | اسم العقدة | النماذج المتاحة | ملاحظات |
|---|---|---|---|
| OpenAI | OpenAI Chat Model | GPT-4o, GPT-4o-mini, o1, o3-mini | الأكثر اختباراً مع n8n |
| Anthropic | Anthropic Chat Model | Claude 3.5 Sonnet, Claude 3 Opus | قوي للتحليل والسياق الطويل |
| Google Gemini Chat Model | Gemini 1.5 Pro, Gemini Flash | مستوى مجاني جيد | |
| Ollama | Ollama Chat Model | Llama 3, Mistral, Phi-3 | محلي بالكامل، بدون تكاليف API |
| Groq | Groq Chat Model | Llama 3, Mixtral | استنتاج سريع للغاية |
| AWS Bedrock | AWS Bedrock Chat Model | Claude, Titan, Llama | تكامل AWS للمؤسسات |
للتطوير والاختبار المحلي، Ollama هو الخيار بدون تكلفة — شغّل النماذج على جهازك وصل n8n بـ localhost:11434. للإنتاج، تستخدم معظم الفرق OpenAI أو Anthropic تبعاً للمهمة.
وصفات سير عمل من الواقع الفعلي
إليك ثلاثة أنماط جاهزة للإنتاج يمكنك بناؤها في أقل من 30 دقيقة:
الوصفة 1: التصنيف التلقائي لتذاكر الدعم
المحفّز: وصول بريد إلكتروني جديد (عقدة Gmail/Outlook) السلسلة: Basic LLM Chain مع prompt تصنيف المخرجات: التوجيه إلى قنوات Slack مختلفة بناءً على الفئة
يقوم الـ prompt بالعمل الشاق: Classify this support email into exactly one category: billing, technical, feature_request, or other. Respond with only the category name.
الوصفة 2: ملخص المحتوى الأسبوعي
المحفّز: جدول زمني (كل يوم اثنين الساعة 9 صباحاً) الوكيل: Tools Agent مع SerpAPI + Custom Code Tool الذاكرة: غير مطلوبة (مهمة لمرة واحدة) المخرجات: تقرير ملخص يُرسل إلى Slack/البريد الإلكتروني
يبحث الوكيل عن أخبار الصناعة، يلخص أفضل 5 مقالات، ويُنسّق ملخصاً. يتولى Custom Code Tool أي منطق تنسيق أسهل في JavaScript من prompt.
الوصفة 3: روبوت Slack مستند إلى الوثائق
المحفّز: رسالة Slack في قناة محددة الوكيل: Tools Agent مع Vector Store Tool الذاكرة: Redis Chat Memory (مُفهرسة برقم تعريف خيط Slack) المخرجات: رد على خيط Slack
هذا هو خط أنابيب Q&A السابق، لكن يُطلقه Slack بدلاً من واجهة محادثة. مفتاح الذاكرة المستند إلى الخيط يعني أن كل محادثة Slack تحصل على سياقها الخاص.
بالنسبة للفرق التي تستكشف أدوات RAG التي ستستخدمها جانباً مع n8n، يهم اختيار مخزن المتجهات أقل من استراتيجية التقسيم لديك. ابدأ بـ Simple (In-Memory) Vector Store للنمذجة الأولية، ثم انتقل إلى Pinecone أو Qdrant للإنتاج.
الأخطاء الشائعة وكيفية تجنبها
بعد بناء عشرات سير عمل الذكاء الاصطناعي في n8n، هذه هي المزالق التي تعثّر الناس:
1. تخطي system prompt. عقدة AI Agent تعمل بدون system prompt، لكن بشكل سيئ. حدد دائماً دور الوكيل والأدوات المتاحة والسلوك المفضل. عشر دقائق على الـ prompt توفر ساعات من تصحيح الردود الغريبة.
2. استخدام سير عمل واحد ضخم. افصل الاستيعاب والاستعلامات في سير عمل منفصلة. يعمل سير عمل الاستيعاب أحياناً (عند وصول مستندات جديدة). يعمل سير عمل الاستعلام باستمرار. خلطهما يخلق تعارضات في التنفيذ.
3. اختيار حجم الجزء الخاطئ. التقسيم الافتراضي (1000 حرف) يعمل للمحتوى العام. للمستندات التقنية، اخفض إلى 300–500 رمز. للمستندات القانونية، ارفع إلى 800–1000 رمز مع تداخل أعلى. لا يوجد حجم جزء «صحيح» عالمياً — اختبر مع مستنداتك الفعلية.
4. تجاهل سجل التنفيذ. يُظهر n8n مسار التنفيذ الكامل لكل تشغيل سير عمل. عندما يعطي الوكيل إجابة خاطئة، تحقق من الأداة التي استدعاها (أو لم يستدعها)، وأي الأجزاء تم استرجاعها، وأي استدلال أظهره. السجل يخبرك بالضبط أين سارت الأمور بشكل خاطئ.
5. الدفع مقابل GPT-4o عندما لا تحتاجه. للتصنيف والتلخيص وQ&A البسيط، GPT-4o-mini جيد بنسبة 90% بتكلفة 10%. احتفظ بـ GPT-4o أو Claude للاستدلال المعقد متعدد الخطوات.
كيف تتعامل Techsy مع أتمتة الذكاء الاصطناعي باستخدام n8n
لقد بنينا سير عمل ذكاء اصطناعي باستخدام n8n لعملاء يتراوحون بين شركات ناشئة مكوّنة من 3 أشخاص وفرق مؤسسية. عمليتنا:
- رسم خريطة تدفق القرار — قبل فتح n8n، نرسم كل نقطة قرار ومصدر بيانات
- النمذجة الأولية مع Simple Vector Store — جعل المنطق الأساسي يعمل مع التخزين في الذاكرة
- الاختبار مبكراً بالبيانات الحقيقية — البيانات الاصطناعية تخفي مشاكل التقسيم والاسترجاع
- إضافة الذاكرة والاستمرارية — فقط بعد التحقق من صحة منطق Q&A أو الوكيل الأساسي
- المراقبة والتكرار — تتبع استدعاءات الأدوات الناجحة والأجزاء المسترجعة والمكان الذي يُحبط فيه المستخدمون
إذا كنت تبني وكلاء ذكاء اصطناعي لسير عمل الأعمال وتريد مساعدة في تصميم البنية، تواصل معنا للحصول على استشارة مجانية.
الأسئلة الشائعة
هل أحتاج إلى معرفة LangChain لاستخدام عقد الذكاء الاصطناعي في n8n؟
لا. يجرّد n8n LangChain إلى عقد مرئية مع تهيئات قوائم منسدلة. فهم مفاهيم LangChain (الوكلاء والسلاسل والذاكرة والمستردّات) يساعدك على اتخاذ قرارات تصميم أفضل، لكنك لن تكتب كود LangChain أبداً إلا إذا اخترت استخدام عقدة LangChain Code.
هل يمكنني استخدام نماذج LLM المحلية مع n8n بدلاً من OpenAI؟
نعم. صل Ollama Chat Model sub-node بأي نموذج يعمل على جهازك (Llama 3, Mistral, Phi-3، إلخ). وجّهه إلى http://localhost:11434 وستحصل على سير عمل ذكاء اصطناعي خاص تماماً وبدون تكلفة. Groq خيار آخر للاستنتاج السريع دون إدارة الأجهزة الخاصة بك.
ما الفرق بين Chain و Agent في n8n؟
السلسلة تتبع تسلسلاً ثابتاً — المدخل يمر عبر الخطوة A، ثم B، ثم C. الوكيل يقرر ديناميكياً أي الأدوات يستدعي بناءً على المدخل. استخدم السلاسل للمهام المتوقعة (التلخيص والتصنيف). استخدم الوكلاء عندما يحتاج سير العمل إلى اتخاذ قرارات حول ما يجب فعله بعد ذلك.
كم عدد المستندات التي يمكن لـ Simple Vector Store معالجتها؟
يعمل Simple (In-Memory) Vector Store بشكل جيد للنمذجة الأولية مع بضع مئات من المستندات. للإنتاج مع آلاف المستندات، انتقل إلى Pinecone أو Qdrant أو Supabase أو Chroma. يبقى سير العمل كما هو — تستبدل فقط عقدة مخزن المتجهات.
هل يمكنني تشغيل سير عمل الذكاء الاصطناعي في n8n من تطبيقات خارجية؟
نعم. استخدم عقدة Webhook Trigger لكشف سير عمل الذكاء الاصطناعي كنقطة نهاية API. أي تطبيق يمكنه إرسال طلبات HTTP يمكنه إرسال البيانات إلى وكيلك والحصول على استجابة. هكذا تدمج سير عمل الذكاء الاصطناعي في n8n في المنتجات الموجودة.
هل n8n مجاني لسير عمل الذكاء الاصطناعي؟
n8n Community Edition مفتوح المصدر بالكامل ومجاني للاستضافة الذاتية. جميع عقد LangChain مدرجة. تبدأ خطط السحابة من 24 دولاراً شهرياً إذا لم ترد إدارة البنية التحتية. تكاليف LLM API (OpenAI و Anthropic وغيرها) منفصلة ويفوترها المزود.
كيف يتعامل n8n مع الأخطاء في سير عمل وكلاء الذكاء الاصطناعي؟
يمتلك n8n معالجة أخطاء مدمجة على مستوى العقدة. يمكنك ضبط منطق إعادة المحاولة والمسارات الاحتياطية وسير عمل الأخطاء. لمشاكل الذكاء الاصطناعي المحددة (مثل مهلات LLM أو حدود المعدل)، أضف إعادة محاولة مع التراجع الأسي على Chat Model sub-node. يُظهر سجل التنفيذ بالضبط أين تحدث الأخطاء.
هل يمكنني استخدام سير عمل الذكاء الاصطناعي في n8n مع مفاتيح API الخاصة بي؟
نعم. كل عقدة LLM تتطلب إنشاء بيانات اعتماد بمفتاح API الخاص بك. يخزّن n8n بيانات الاعتماد بشكل مشفر. إذا استضفت بنفسك، لن تغادر المفاتيح بنيتك التحتية أبداً.
ما الغرض من عقدة LangChain Code؟
تتيح لك عقدة LangChain Code كتابة JavaScript مخصص يستخدم وحدات LangChain مباشرة. إنها مخرج طارئ عندما لا تغطي العقد المرئية في n8n حالة الاستخدام الدقيقة الخاصة بك — ربما تحتاج إلى مُستردّ مخصص أو قالب prompt محدد أو وحدة LangChain لم يُغلّفها n8n بعد.
كيف أشارك سير عمل الذكاء الاصطناعي في n8n مع فريقي؟
صدّر سير العمل بصيغة JSON (Ctrl+Shift+E) وشارك الملف. يمكن لأي شخص استيراده إلى نسخته من n8n. للتعاون بين الفرق، يتضمن n8n Cloud مساحات عمل مشتركة مع سجل الإصدارات. يمكنك أيضاً حفظ ملفات JSON لسير العمل في Git للتحكم في الإصدارات.