n8n

使用社区节点在 n8n 工作流中调用 Atlas Cloud 的 LLM、图像和视频模型。

Atlas Cloud 社区节点把 LLM 对话和异步媒体生成带进了 n8n，让你可以把模型调用和其他集成一起编排进自动化流程。

安装

在 n8n 中进入 Settings → Community Nodes → Install。

输入包名：

n8n-nodes-atlascloud

确认安装并刷新 n8n。Atlas Cloud 节点会出现在节点面板中。

社区节点只能安装在自托管的 n8n 实例上，并且需要实例所有者授权。

在 console/api-keys 创建一个 API Key。

在 n8n 中新建一个 Atlas Cloud API 类型的凭据。

粘贴密钥并保存。之后工作流里的每个 Atlas Cloud 节点都可以引用这个凭据。

调用兼容 OpenAI 的对话端点。

提交图像或视频生成任务。该节点会自动获取可用的类别和模型，然后根据所选模型的 schema 渲染参数表单——因此你看到的是该模型专属的字段，而不是一个通用表单。

两种模式：

模式	行为
Submit Only	立即返回 prediction ID，之后配合 Task Status 使用
Wait for Completion	阻塞等待任务完成并返回结果

视频模型建议用 Submit Only。生成可能耗时数分钟，让一次 n8n 执行长时间挂起并不可靠——「先入队再轮询」的设计在重启和超时面前稳健得多。

按 prediction ID 查询任务。轮询间隔、超时时间和重试次数都可配置。

典型的异步工作流是：Task Submit（Submit Only） → 保存 ID → Wait → Task Status → 按结果分支。

仓库的 workflows/ 目录下提供了可导入的工作流：

这些节点维护在开源仓库中，并未随 n8n 一同发布，因此对最新模型的支持会有一定滞后。如果选择器里没有你需要的模型，可以用 HTTP Request 节点直接调用 API。
生成任务的计费方式与其他 API 调用完全一致。参见模型如何计费。
对于耗时较长的视频任务，Webhook 比轮询更可靠——把 webhook 指向 n8n 的 Webhook 触发节点即可。