# n8n 2.x 从零搭一个会决策的 AI Agent：订单助手完整链路（附成本测算与 6 个坑）

> n8n 2.43.3（10-09 发版）+ 10-12 更新版教程整理的完整搭建链路：Chat Trigger → Tools Agent（Chat Model+Tools+Memory）→ 查单/查物流/发邮件 → Human Review 审批 → 发布。含 MinerU 4.0.12 文档备料、MCP 三方向、40 条/日成本测算（880 次/月落 Starter）、ROI 基准数字与 6 个常见坑。

> 这篇文章给你一条完整的、能跑起来的链路：用 n8n 2.x 从零搭一个会自己选工具的 AI Agent 订单助手——用户丢一句"我的货到哪了"，它自己查单、查物流、判断要不要发邮件，高风险动作还会停下来等人审批。全部基于 10 月 12 日更新的教程和 10 月 9 日刚发布的 n8n 2.43.3 整理。

![n8n 2.x AI Agent 订单助手链路图](/assets/articles/lcz/n8n-2x-ai-agent-order-assistant/hero.jpg)

## 零、先备料：把文档变成 Agent 能查的知识库

Agent 要"查单"，先得有单可查。如果你的订单/商品资料还是散落的 PDF、表格，先用文档解析流水线喂给它：

**MinerU 4.0.12**（2026-10-11 刚发版，GitHub 81.5k star）是目前文档解析里更新最勤的引擎之一——4.0.x 系列 5 天连发 3 版。它的定位明确写着"for your Agentic workflows"，链路是：

```
原始 PDF/DOCX/图片 → 版面解析（表格/公式/多栏）→ 结构化 markdown/JSON（带来源映射）→ 切块 → 灌入向量库/RAG 知识库
```

关键在"带来源映射"：Agent 回答时能指到原文档的哪一页，而不是把内容揉碎了丢给你。GitHub 地址：https://github.com/opendatalab/MinerU

备完料，下面才是今天的正菜。

## 一、先搞清楚：为什么 Agent 比普通工作流贵

n8n 的计费逻辑是**按执行次数**（Cloud 版）：

| 套餐 | 价格 | 执行次数/月 |
|---|---|---|
| Starter | €20 | 2,500 |
| Pro | €50 | 10,000 |
| Business | €667 | 40,000 |

自托管（€4-12 的 VPS）则没有执行上限。

两个容易算错账的点（这是 8 条消息对话成本翻倍的元凶）：
1. **8 条消息的对话 = 8 次执行**——按条计费，多聊几句就贵几份。
2. **Agent 内部循环 5 次选工具，仍只算 1 次执行**——执行费没涨，但每次循环都要调 LLM，**成本转移到了模型账单上**。所以算 Agent 成本永远是双账单：执行费 + 模型 token 费。

## 二、8 步搭建订单助手（空画布到发布）

按 10 月 12 日更新版教程的骨架走：

1. **Chat Trigger**：入口节点，接收 `chatInput` + `sessionId`（会话 ID，Agent 记忆靠它串起来）。
2. **AI Agent 节点**：n8n 自 1.82.0 起所有 AI Agent 都是 Tools Agent 架构。挂三个子节点：**Chat Model**（选模型）+ **Tools**（工具）+ **Memory**（记忆）。
3. **工具 1：Google Sheets 查单**——LLM 用 `$fromAI()` 自动填充参数，不用你手写参数映射。
4. **工具 2：HTTP 查物流**——对接物流查询接口。
5. **工具 3：Gmail 发信**——给客户的确认邮件。
6. **Human Review 审批**：高风险动作（发邮件）执行前先暂停，等人点确认。
7. **Memory 配置**：⚠️ 队列（queue）模式下**必须把 Chat Memory 换成 Postgres 或 Redis**，否则实例重启就丢上下文——这是最常踩的一个坑。
8. **Publish**：发布前检查 Max Iterations（默认 10），按任务复杂度调。

## 三、MCP 三个方向（2026 年 4 月起支持）

n8n 对 MCP 的支持已经做到三向打通，选集成方式时按这个表：

| 方向 | 节点 | 场景 |
|---|---|---|
| 调别人的 MCP | MCP Client Tool | 把现成 MCP 服务当工具挂进 Agent |
| 把自己的工作流暴露成 MCP | MCP Server Trigger | 让外部 Agent 来调你的 n8n |
| 实例级全局 | Instance-level MCP | 全实例共享一组 MCP 连接 |

## 四、成本测算：40 条/工作日落在哪档

按教程的算法：一个客服场景 **40 条消息/工作日 ≈ 880 次执行/月**——落在 Starter（2,500 次）之内，€20/月封顶，剩下的是模型 token 费。

这里插两组公开基准数字校准预期（来自 Alice Labs《AI Automation ROI Benchmark 2026》，47 个公开基准指标、每条带原始出处，口径是聚合基准非单企业数据）：

- **GPT-3.5 级推理成本 2022→2024 降了约 280 倍**——"模型账单"那一侧还在快速变便宜，今年按当前价格做的成本测算，明年大概率虚高。
- **编码任务完成快 55.8%、客户支持效率 +15%**——客服/支持类是 Agent 落地收益最被反复验证的场景，订单助手正在这条线上。
- **只有约 21% 的企业做了端到端的工作流重设计**（BCG 口径）——多数公司的 AI 是"贴在旧流程上"，没动流程本身。上面 8 步里"Human Review 插在发邮件之前"就是在重设计，不是贴补丁。

## 五、6 个坑（按踩中频率排）

1. **队列模式不换 Postgres/Redis 记忆** → 实例重启丢上下文，对话"失忆"。
2. **工具挂太多** → 建议 ≤8-10 个，LLM 选工具会开始抽风。
3. **温度没调** → 工具调用类任务建议 ~0.2，高了参数就飘。
4. **Max Iterations 留默认不管** → 简单任务 10 轮循环白烧 token 费；复杂任务不够用又提前停。
5. **高风险动作没插审批** → Agent 直接给客户发邮件发错了没兜底。
6. **只算执行费不算模型费** → 执行费封顶了，token 费没封顶，成本大头在后者。

## 六、参考来源

- n8n 搭建教程（2026-10-12 更新）：https://www.stackledge.com/blog/how-to-build-an-ai-agent-in-n8n
- n8n 2.43.3 release（2026-10-09）：https://github.com/n8n-io/n8n/releases/tag/n8n%402.43.3
- MinerU 4.0.12（2026-10-11）：https://github.com/opendatalab/MinerU
- ROI 基准报告 v1.2（2026-06-25 更新）：https://alicelabs.ai/reports/ai-automation-roi-benchmark-2026


---
来源：https://laobanclaw.top/articles/n8n-2x-ai-agent-order-assistant/（AI 军火库）