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，發現不論怎么折騰，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：“圖里寫了啥？”它立馬告訴我：“N8N 2.0 發布了”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！

廢話不多說，咱們直接上干貨！??

視頻演示

https://www.bilibili.com/video/BV1ynmwBYESL/

1?? 打通“任督二脈”——開啟文件上傳 ??

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。

圖片

怎么破？在 Chat Trigger 的設置里，找到 Allow File Uploads（允許上傳文件）選項，把它打開！?

設置好后，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）。這就意味著，你的通道已經打通了，可以接受圖片、音頻和視頻啦！

圖片

2?? 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： 這里一定要選 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 里，我們需要配置一個 Chat Model（聊天模型）。

3?? 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煉平臺了。

• ? 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“百煉”節點，或者為了通用性，我們這里使用 OpenAI Chat Model 節點來“偽裝”接入。因為百煉平臺完美兼容 OpenAI 的協議！

操作步驟：

1. 添加憑證 (Credentials)：

• 去阿里云百煉平臺，注冊并登錄。
• 在“API-KEY管理”里創建一個新的 Key，復制下來。
• 在 n8n 的 OpenAI 憑證里，把這個 Key 填進去。

2. 修改 Base URL：

• 在百煉的模型廣場找到 Qwen-Omni，點擊“API參考”。
• 復制那個 Base URL 地址。
• 粘貼到 n8n 憑證設置里的 Base URL 欄目中。

3. 連接測試： 點擊 Save/Test，看到綠色小對勾 ? 就說明連接成功！

4?? 實戰演練——見證奇跡的時刻 ?

連接成功后，回到 n8n 的 OpenAI Model 節點：

• 在模型列表（或者手動輸入）里選擇 qwen-omni-turbo (或者日期后綴的最新版，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：

圖片

大模型迅速識別并回復：“這張圖片顯示的是 n8n 2.0 發布了。”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 開啟文件上傳。
• 模型支持：后端必須連接支持全模態的模型（如 Qwen-Omni）。

搞定這兩步，你的 n8n 就不再是只會打字的機器人，而是能看能聽的超級助手了！視頻和音頻的原理是一樣的，大家課后可以自己去試一試。