零成本搭建AI智能体：n8n+Gemini实现记忆与工具调用

想要一个能记住对话、还能自主调用工具的AI智能体，却不想花一分钱？借助开源工作流工具 n8n 和谷歌免费的 Gemini 模型，这件事完全可以在几分钟内完成。本文将拆解一个来自 YouTube 频道 AI Side Business 的完整教程，带你理解如何从零构建第一个具备记忆与工具能力的 AI Agent。

为什么选择 n8n + Gemini 这套组合

n8n 是一款可视化的工作流自动化工具，其自托管的社区版（Community Edition）完全免费。它采用节点化的拖拽式设计，让没有编程背景的人也能把复杂的自动化逻辑串联起来。

搭配谷歌的 Gemini 模型后，整套方案的成本可以压到零。Gemini 提供免费的 API 调用额度，教程中使用的 Gemini Flash Light 轻量模型响应速度快，恰好落在免费层范围内，非常适合用来做智能体的「大脑」。

这套组合的核心价值在于：你不需要为模型 API 付费，也不需要租用服务器，就能跑通一个具备自主决策能力的 Agent。对于想低成本试水 AI 自动化的个人或小团队来说，门槛被降到了最低。

n8n 的自托管方式意味着工作流数据运行在你自己的机器或服务器上，而非第三方云端，这对隐私敏感的场景尤为重要。安装方式支持 Docker 一键部署或 npm 本地安装，完成后通过浏览器访问本地端口即可使用可视化编辑器。相比同类工具 Zapier 或 Make（原 Integromat），n8n 的免费社区版在工作流数量和执行次数上没有严格限制，适合长期自用。Gemini 的免费 API 额度目前（2025年）对个人开发者较为宽松，Flash 系列轻量模型的每分钟请求数和每日 Token 上限足以支撑日常测试与轻度使用，超出额度后才需按量付费。

搭建流程：五个节点构成完整智能体

整个智能体的骨架由几个关键节点组成，逻辑清晰且易于复制。

第一步：触发节点与 AI Agent 核心节点

在空白画布上点击加号，搜索并添加 Chat Message Received 节点。这个节点是工作流的起点——每当你在 n8n 的聊天窗口中发送消息，它都会触发整条流程。

接着添加 AI Agent 节点，这是整套方案的核心。它负责连接语言模型、记忆模块、聊天窗口以及各类工具，并由它来决定在回答之前该调用哪个工具。

第二步：用系统提示词约束行为

打开 AI Agent 节点参数，点击添加 Options 并选择 System Message 字段。这里是写入指令、告诉智能体如何行事的地方。

教程中给出的提示词示例是：让它扮演一个「友好的研究助手」，遇到事实性问题时使用 Wikipedia 工具核查，遇到数学问题时调用计算器工具，并且回答必须控制在三句话以内。

一个清晰的系统提示词能有效防止智能体「跑题啰嗦」，同时强制它正确使用工具。这一点往往被初学者忽视，却是决定 Agent 表现的关键。

第三步：接入 Gemini 作为模型大脑

点击 AI Agent 节点上的 Model 连接器，搜索 Google Gemini Chat Model 并添加。连接 Gemini 需要创建凭证：在凭证下拉菜单中选择「创建新凭证」，命名为 Google Gemini Account。

获取密钥的方式很简单——前往 aistudio.google.com，用谷歌账号登录后点击「Get API Key」创建新密钥，再粘贴到 API Key 字段即可，Host 字段保持默认。n8n 会安全存储你的凭证，密钥在界面上会被隐藏。

模型名称选择 Gemini Flash Light 这一轻量级模型，速度快且使用免费额度。

让智能体拥有记忆与工具

一个真正可用的 Agent，不能是「金鱼记忆」，也不能只会凭空猜测答案。记忆与工具正是让它从「聊天机器人」进化为「智能体」的关键。

添加记忆模块

点击 Agent 节点，搜索 Simple Memory 并加入工作流。这个模块会维护一个最近消息的滑动窗口，让智能体记住此前的对话内容，从而让多轮交流显得自然连贯，而不是每次都从头开始。

Simple Memory 采用的是「滑动窗口（Sliding Window）」机制：它只保留最近 N 轮对话的消息记录，并在每次调用模型时将这段历史一并传入上下文。这种设计的好处是实现简单、无需外部数据库；代价是超出窗口的早期对话会被遗忘，不适合需要长期记忆的场景。如果需要跨会话的持久记忆，可以将 Simple Memory 替换为 n8n 支持的其他记忆节点，例如基于 Redis 或 PostgreSQL 的存储方案，将对话历史持久化写入数据库，从而在多次会话间保留上下文。

添加 Wikipedia 与计算器工具

点击 AI Agent 节点上的 Tool 连接器，搜索 Wikipedia 并添加。这个工具让智能体能自动查阅事实信息，而且无需任何 API 密钥。

再次点击 Tool 连接器，搜索并添加 Calculator 工具，用于精确计算。这一步非常重要——它确保智能体在处理数字时执行精确运算，而不是靠语言模型「估算」出一个可能错误的结果。

这两个工具的加入体现了智能体的核心能力：面对问题时，Agent 会自主判断该不该调用工具、调用哪一个，而不需要人工干预。

实测验证：观察智能体的自主决策

保存工作流后，打开 n8n 内置的聊天窗口，输入一条测试消息，比如询问「n8n 是哪一年创立的，距离现在（2026 年）过去了多少年」。

发送后可以看到，智能体直接在聊天窗口给出回答，并严格控制在三句话以内。更有价值的是旁边的日志面板（Logs Panel）——在这里你能清晰看到智能体是如何自动决策的：它主动查询 Wikipedia 获取创立年份，又调用计算器完成年份差的计算。

整个过程无需你手动指定使用哪个工具，Agent 根据问题性质自行分配任务。这正是「智能体」区别于普通聊天模型的本质特征。

日志面板背后体现的是 ReAct（Reasoning + Acting）这一主流 Agent 执行范式：模型先「推理」当前问题需要什么信息或操作，再「行动」调用对应工具，获得工具返回结果后继续推理，直至生成最终答案。这个「思考→行动→观察→再思考」的循环可以在日志中逐步展开查看，是理解 Agent 与普通单次推理模型本质区别的最直观方式。通过观察日志，你也可以判断系统提示词是否足够清晰——若智能体反复调用错误工具或跳过工具直接猜测答案，通常是提示词对工具使用时机的描述不够明确所致。

总结与延伸

到这里，一个具备记忆、能调用实时工具、且完全免费的 AI 智能体就搭建完成了。教程作者在视频描述中还提供了工作流的 JSON 下载链接，可以直接导入快速部署。

这套方案的意义不只在于「免费」，更在于它用最小的学习成本演示了现代 AI Agent 的三大要素：模型（大脑）、记忆（上下文）、工具（行动能力）。理解了这个结构，你完全可以在此基础上替换更强的模型、接入更多工具（如数据库查询、邮件发送、API 调用），把它拓展成服务于实际业务的自动化助手。

对于想入门 AI 自动化却被成本和技术门槛劝退的人来说，n8n + Gemini 是一个值得上手的起点。