siliconflow-ai

n8n community node for SiliconFlow AI (SiliconFlow / 硅基流动). Zero-dependency, direct REST API client. Supports Chat Completion, Embedding, Image Generation and Rerank.

Package Information

Released: 3 mo ago
Downloads: 1,560 weekly / 1,689 monthly
Latest Version: 0.2.0
Author: nam2009

Available Nodes

SiliconFlow icon
SiliconFlow
调用 SiliconFlow（硅基流动）AI 能力：Chat Completion / Embedding / Image / Rerank

Documentation

n8n-nodes-siliconflow-ai

一个面向 n8n 的社区节点，封装 SiliconFlow（硅基流动） 的 OpenAI 兼容 REST API：Chat Completion、Embedding、Image Generation、Rerank。

🎯 核心目的：解决 QixYuanmeng/n8n-nodes-siliconflow 在最新 n8n 中因 langchain 与 @langchain/core 版本冲突（ERESOLVE）导致的安装失败问题。

本节点零运行时三方依赖（除 n8n-workflow 作为 peer dep），完全使用 n8n 内置 HTTP helper 直连 SiliconFlow，永不与宿主 n8n 冲突。

📦 安装

方式 1：通过 n8n UI 安装（推荐）

需要 n8n >= 1.0。

  1. 启动 n8n
  2. 打开 Settings → Community Nodes
  3. 点击 Install
  4. 输入包名：n8n-nodes-siliconflow-ai
  5. 同意风险提示 → Install

方式 2：本地加载（无需发布到 npm）

启动 n8n 前设置环境变量：

# Linux / macOS / Git Bash
export N8N_CUSTOM_EXTENSIONS="/d/GITHUB/n8n-nodes-siliconflow-ai"

# Windows CMD
set N8N_CUSTOM_EXTENSIONS=D:\GITHUB\n8n-nodes-siliconflow-ai

# Windows PowerShell
$env:N8N_CUSTOM_EXTENSIONS="D:\GITHUB\n8n-nodes-siliconflow-ai"

或者把 dist/ + package.json 复制到 ~/.n8n/custom/n8n-nodes-siliconflow-ai/。

方式 3：Docker 自定义镜像

FROM n8nio/n8n:latest
USER root
RUN mkdir -p /home/node/.n8n/custom/n8n-nodes-siliconflow-ai
COPY --chown=node:node dist /home/node/.n8n/custom/n8n-nodes-siliconflow-ai/dist
COPY --chown=node:node package.json /home/node/.n8n/custom/n8n-nodes-siliconflow-ai/
USER node

🔑 凭证配置

  1. 登录 SiliconFlow 控制台 创建 API Key（新用户注册送 2000 万 token 免费额度）
  2. n8n → Credentials → New → SiliconFlow API
  3. 填写：
    • API Key：你的密钥
    • Base URL：默认 https://api.siliconflow.cn/v1（一般无需修改）
  4. 点击 Test connection，会请求 /v1/models 验证

✨ 支持的能力

Resource Operation 端点 说明
Chat Completion Send Message POST /chat/completions 兼容 OpenAI 格式的对话
Embedding Create Embeddings POST /embeddings 文本向量化
Image Generation Generate POST /images/generations 文生图
Rerank Rerank Documents POST /rerank 文档重排序（RAG 后处理）

🚀 典型用法

1. 简易聊天工作流

[Manual Trigger] → [SiliconFlow (Chat)] → [Set] → [Respond to Webhook]

SiliconFlow 节点配置：

  • Resource: Chat Completion
  • Model: Qwen/Qwen2.5-7B-Instruct
  • Messages: =[{"role":"system","content":"你是一个翻译助手"},{"role":"user","content":"{{$json.text}}"}]
  • Additional Options → Temperature: 0.5，Max Tokens: 1024

Set 节点：把 choices[0].message.content 提取到 output 字段。

2. 批量 Embedding

把上游节点的 texts 字段传入：

  • Resource: Embedding
  • Model: BAAI/bge-m3
  • Input: ={{$json.texts}}（值为字符串数组）
  • Additional Options → Encoding Format: Float

下游节点用 data[0].embedding 取第一条向量。

3. RAG 中的 Rerank 流程

[Vector Store] → [SiliconFlow (Rerank)] → [Top-K 送入 LLM]
  • Resource: Rerank
  • Model: BAAI/bge-reranker-v2-m3
  • Query: {{$json.question}}
  • Documents: ={{$json.docs}}（如 ["doc1","doc2",...] 或 [{"text":"doc1"}]）
  • Top N: 3

输出 results 数组中每项含 index、relevance_score 和 document（开启 Return Documents 时）。

4. 文生图

  • Resource: Image Generation
  • Model: stabilityai/stable-diffusion-2-1
  • Prompt: a cute cat astronaut, cinematic lighting
  • Image Size: 1024x1024，Batch Size: 1

输出 images[0].url 即图片 URL（部分模型返回 base64）。

🧪 常见模型参考

用途 模型示例
对话 Qwen/Qwen2.5-7B-Instruct、deepseek-ai/DeepSeek-V3、THUDM/glm-4-9b-chat
Embedding BAAI/bge-m3、Pro/BAAI/bge-m3
图像 stabilityai/stable-diffusion-2-1、black-forest-labs/FLUX.1-schnell
Rerank BAAI/bge-reranker-v2-m3

完整列表见 SiliconFlow 模型广场。

🆚 与原 n8n-nodes-siliconflow 的区别

项 原项目 本项目
运行时依赖 langchain + @langchain/core + axios + zod 零（只用 n8n 内置 helper）
最新 n8n 安装 ❌ ERESOLVE 报错 ✅ 干净通过
包大小 ~50MB+ < 50KB
维护难度 跟随 langchain 升级 跟随 SiliconFlow API 变更即可

🛠 开发

# 克隆
git clone https://github.com/nam2009/n8n-nodes-siliconflow-ai.git
cd n8n-nodes-siliconflow-ai

# 安装开发依赖
npm install

# 编译
npm run build

# 监听模式（自动编译）
npm run dev

修改源码后建议在本地 n8n 验证（见上文「方式 2：本地加载」）。

📚 参考文档

📄 License

MIT

Discussion