从「规则自动化」到「智能决策」，低代码工作流的AI升级指南

问题

我用 n8n 做过很多工具，主要是处理一些线上小问题，比如找回账号、绑定手机等。这类工具通常是在点击链接后，弹出下拉框和输入框，填写固定格式的数据后提交。

我在想，能不能借助 AI，把这些工具做成对话式的？

运营只需要 @工具，说出想做的事，就能自动完成，这样效率会高很多，也不用非得登录内网系统操作。

风险点

但我想到一个问题：AI 不同于代码，代码是固定的，输入和输出都可控，但 AI 就不一样了，同样的输入不一定有同样的输出。

我说：世界上没有两个完全一样的 AI 回答。

所以，如何在工具执行过程中限制 AI 的输出，是我最关心的点。

搭建过程

这次搭建的工具是“给用户增加看剧权限”，其实就是设置一下 Redis 数据，操作本身不复杂。

流程与工具

输入源头是飞书。飞书可以创建应用，别人可以 @你的机器人应用。在开发者后台，需要设置消息接收的 URL。

具体代码就不展示了，主要是把消息体转发到 n8n 的 webhook，实现飞书和 n8n 的对接。

搭建过程

首先，需要一个 webhook 节点，用来捕捉 @消息。

然后接入一个 LLM 节点，设置提示词和消息变量。

我选用的模型是 DeepSeek，价格便宜且好用。它的 API 兼容 OpenAI 格式，所以可以直接用 OpenAI 模型节点。

重点来了。

为了限制 AI 的输出，需要在提示词里明确告诉 AI：只能输出这几个选项，不相关的内容不要乱说，直接回复“其他”即可。

我测试了多次，输出结果都符合预期。

AI 输出的是纯文本，格式有时不准确，所以需要额外做格式化处理。

配置也很简单，只要给一个示例，AI就能理解。

后面就是一些常规节点，比如判断节点和 Redis 操作节点，这里就不展开说明了。

最后，还需要一个 webhook 响应节点。这样飞书机器人可以回复被 @ 的人，告知操作是否成功。

总结

这次基于n8n搭建的[AI权限管理机器人]，验证了「对话式交互+自动化流程」在运维/运营场景的落地价值。

在无法深度调参的情况下，通过「边界定义（只输出指定选项）+格式约束（强制JSON/关键词）+错误兜底（输出「其他」）」三要素设计Prompt，可有效规避大模型的「创造性发散」问题（ai总结的，说的很对）。