如果Agent能自己选择该用哪个模型就好了！
你看，我们现在有好多模型可以用。开源的，闭源的；速度快但是推理差一些的，速度慢但是推理很强的。这些模型各有各的用处。
比如我想要快问快答，那肯定不会用带深度思考的模型。如果我要处理很大份的文本，那我肯定要用超大上下文窗口的模型。这一切都是需求、效果、成本之间的平衡。
所以我前些天在星球内发了这么一个想法：我希望能有这样一个“智能模型路由器”。我会把各式各样的模型都挂上去。由这个路由器来决定什么情况用什么模型。
然后这个想法刚发出去，我就看到n8n在一个多月前推出的功能，叫“模型选择器（Model Selector）”。它基本实现了我想要的功能。
本期视频，我会用一个工作流给大家演示n8n的模型选择器究竟是怎么运作的。
哈喽各位好，欢迎回到我的频道。谦虚地说，我是国内少数几个能把关于AI的Why和How讲明白的博主。我提供的东西远比教程更值钱。记得点一波关注。如果想链接我，就来我们newtype社群。这个社群已经运营500天，有超过1600位小伙伴付费加入啦。
回到今天的主题：n8n的模型选择器功能。
这是我搭建的工作流，专门用来搜索。但是大家知道，现在AI搜索一般有两种情况：
一种是普通AI搜索，就跟我们以前使用搜索引擎差不多，要搜的都是简单的内容。
另一种是深度搜索，也就是Deep Research，经常需要等上好几分钟。
为了实现这两种搜索效果，我配置了两个模型，都来自Perplexity。普通搜索用Sonar模型，深度搜索用Sonar Deep Research。
那么问题来了：怎么让Agent自主选择模型呢？
我在这边添加了一个Basic LLM Chain，它下边挂了一个gpt-4.1-mini的模型，用来做需求判断。点进去可以看到，我在System Prompt里要求：
如果用户的请求比较简单，输出数字“1”；
如果用户的请求比较复杂、需要Deep Research，输出数字“2”。
所以，前两个节点会有两个信息传到第三个节点：一个是数字1或者2，这个决定用什么模型；另一个是用户的需求，这个决定模型搜索的内容。
在AI Agent节点里边，可以看到，它会接收第一个节点的信息，也就是用户请求。
在下方Chat Model的子节点，原本这边是直接挂模型的，这个时候挂上了模型选择器。
这个选择器最多支持挂10个模型。我这边挂了两个，都是来自OpenRouter，一个是Sonar，一个是Sonar Deep Research。
在选择器里面可以设定选择规则。在刚才第二个节点，我特意让gpt-4.1-mini做了判断。它会传输数字1或者2过来。所以到了这边，如果接收到的是1，就使用第一个模型，也就是Sonar；如果接收到的是2，就使用第二个模型，也就是Sonar Deep Research。
我们来做一个测试。提一个简单的问题：GPT-5介绍。
显然这种问题不需要Deep Research，于是gpt-4.1-mini输出1给到模型选择器，然后使用Sonar这个模型完成搜索。
再来一个复杂点的需求：GPT-5和Claude Opus 4.1在编程方面的能力对比，尽可能详细。
你看，虽然我没有提到要Deep Research，但是gpt-4.1-mini判断这是个大活儿，于是它向模型选择器传递数字2，然后启用Sonar Deep Research。这个模型一旦运行起来就得两三分钟，当然，最终的答案自然是非常详细的——这个就是要根据需求选择不同模型的原因。如果每个简单的问题都来一遍Deep Research，就完全没必要了。
通过刚才的演示可以看到，这套用法的核心是条件的设定和判别。我这个设置是比较简单，你还可以根据需要设置得更加精细，多加几个前置的节点。在这方面，n8n有很大自由度。
那么，当这些全部搞定之后，可以使用我之前视频里介绍过的MCP Trigger功能，把这整套东西输出给AI客户端使用。我在星球内也发过JSON脚本，大家自取。
所以，就像我之前说的：现在n8n的工作流，一个Agent可以挂别的Agent作为子节点，然后模型又可以通过本期介绍的模型选择器去挂最多10个模型。这样一来，就可以根据情况形成一个树状的结构，去做条件判断。最后，这一大套东西还可以变成MCP服务器对外输出。
这种灵活性，以及原子化、模块化的可能性，是我愿意去研究n8n的根本原因。
粤ICP备14082021号
免费POC，
零成本试错
