n8n 模板：DeepSeek V3 对话与 R1 推理快速启动

在 n8n 中通过四种方式接入 DeepSeek：凭证配置 → 对话式 Agent（含记忆）→ Ollama 本地部署 → HTTP Request 直连 API

给谁

已在运行 n8n、需要快速接入 DeepSeek V3/R1 的自动化搭建者

你会得到

获得一个含四种集成路径的工作流模板，可直接导入并替换凭证后运行

你需要

n8n · deepseek · ollama

步骤

1. 配置凭证与基础参数

   在 n8n 中创建凭证：1) openAiApi 类型，Base URL 填 https://api.deepseek.com，API Key 从 platform.deepseek.com/api_keys 获取；2) ollamaApi 类型，指向本地 Ollama 服务；3) httpHeaderAuth 类型，Header 名通常为 Authorization，值填 Bearer + DeepSeek API Key。Sticky Note4 提示：也可使用 https://api.deepseek.com/v1 作为 base_url，其中 v1 与模型版本无关。

   搭建指导 · 来源原文。模板整体说明与快速启动指南

   复制提示词

   This n8n workflow demonstrates multiple ways to harness DeepSeek's AI models in your automation pipeline! 🌟
   
   ## Core Features
   
   **Multiple Integration Methods** 🔌
   - Local deployment using Ollama for DeepSeek-R1
   - Direct API integration with DeepSeek Chat V3
   - Conversational agent with memory buffer
   - HTTP request implementation with both raw and JSON formats
   
   **Model Options** 🧠
   - DeepSeek Chat V3 for general conversation
   - DeepSeek-R1 for advanced reasoning
   - Memory-enabled agent for persistent context
   
   ## Quick Setup 🛠️
   
   **API Configuration**
   - Base URL: https://api.deepseek.com
   - Get your API key from platform.deepseek.com/api_keys
   
   **Local Setup** 💻
   - Install Ollama for local deployment
   - Set up DeepSeek-R1 via Ollama
   - Configure local credentials in n8n
   
   ## Implementation Details 🔧
   
   **Conversational Agent**
   - Window Buffer Memory for context
   - Customizable system messages
   - Built-in error handling with retries
   
   **API Endpoints** 🌐
   - Chat completions for V3 and R1 models
   - OpenAI API format compatibles

   搭建指导 · 来源原文。Sticky Note4 节点内容；凭证配置参考

   复制提示词

   # Your First DeepSeek API Call
   
   The DeepSeek API uses an API format compatible with OpenAI. By modifying the configuration, you can use the OpenAI SDK or softwares compatible with the OpenAI API to access the DeepSeek API.
   
   https://api-docs.deepseek.com/
   
   ## Configuration Parameters
   
   | Parameter | Value |
   |-----------|--------|
   | base_url | https://api.deepseek.com |
   | api_key | https://platform.deepseek.com/api_keys |
   
   
   
   ## Important Notes
   
   - To be compatible with OpenAI, you can also use `https://api.deepseek.com/v1` as the base_url. Note that the v1 here has NO relationship with the model's version.
   
   - The deepseek-chat model has been upgraded to DeepSeek-V3. The API remains unchanged. You can invoke DeepSeek-V3 by specifying `model='deepseek-chat'`.
   
   - deepseek-reasoner is the latest reasoning model, DeepSeek-R1, released by DeepSeek. You can invoke DeepSeek-R1 by specifying `model='deepseek-reasoner'`.

2. 搭建对话式 Agent（含记忆）

   导入模板后，找到「AI Agent」节点（conversationalAgent）与「Window Buffer Memory」节点。AI Agent 的 systemMessage 默认为 "You are a helpful assistant."；DeepSeek 节点（lmChatOpenAi）model 字段填 =deepseek-reasoner，凭证选步骤 1 创建的 openAiApi。Window Buffer Memory 保持默认参数，其 ai_memory 输出连到 AI Agent 的 ai_memory 输入。当 chat message received 触发后，Agent 将使用 DeepSeek-R1 进行带上下文的对话。

   运行提示词 · 来源原文。AI Agent 节点 parameters.options.systemMessage

   复制提示词

   You are a helpful assistant.

3. 配置 Ollama 本地模型链路

   找到「Basic LLM Chain2」节点与「Ollama DeepSeek」节点。Basic LLM Chain2 的 messages.messageValues[0].message 为 "You are a helpful assistant."。Ollama DeepSeek 节点（lmChatOllama）参数：model=deepseek-r1:14b，options.format=default，options.numCtx=16384，options.temperature=0.6，凭证选 ollamaApi。Ollama DeepSeek 的 ai_languageModel 输出连到 Basic LLM Chain2 的 ai_languageModel 输入。When chat message received 的 main 输出连到 Basic LLM Chain2 的 main 输入。

   运行提示词 · 来源原文。Basic LLM Chain2 节点 parameters.messages.messageValues[0].message

   复制提示词

   You are a helpful assistant.

   运行提示词 · 来源原文。Ollama DeepSeek 节点 parameters.model

   复制提示词

   deepseek-r1:14b

4. 配置 HTTP Request 直连 API（JSON Body 与 Raw Body）

   模板提供两个 HTTP Request 节点示例。DeepSeek JSON Body 节点：URL=https://api.deepseek.com/chat/completions，Method=POST，specifyBody=json，jsonBody 内含 model=deepseek-chat、messages 数组（system 角色内容取 {{ $json.chatInput }}，user 角色为 "Hello!"），stream=false，authentication=genericCredentialType，genericAuthType=httpHeaderAuth。DeepSeek Raw Body 节点：URL 相同，contentType=raw，rawContentType=application/json，body 内含 model=deepseek-reasoner、messages 取 {{ $json.chatInput.trim() }}，stream=false，同样使用 httpHeaderAuth。分别对应 V3 与 R1 的直连调用。

   运行提示词 · 来源原文。DeepSeek JSON Body 节点 parameters.jsonBody

   复制提示词

   ={
     "model": "deepseek-chat",
     "messages": [
       {
         "role": "system",
         "content": "{{ $json.chatInput }}"
       },
       {
         "role": "user",
         "content": "Hello!"
       }
     ],
     "stream": false
   }

   运行提示词 · 来源原文。DeepSeek Raw Body 节点 parameters.body

   复制提示词

   ={
           "model": "deepseek-reasoner",
           "messages": [
             {"role": "user", "content": "{{ $json.chatInput.trim() }}"}
           ],
           "stream": false
         }

请在 n8n 中导入此工作流模板，按上述四步依次配置凭证、Agent 记忆链路、Ollama 本地节点、HTTP Request 直连节点。导入后先检查 connections 中的 ai_languageModel / ai_memory / main 连线是否与模板一致，再替换所有 credential-id 为实际凭证。