前两天看到李继刚老师的七把武器，觉得内容非常有深度；刚好最近又在学习n8n工作流，就想着能不能用n8n搭一个工作流，在用户输入一个问题之后，可以自动根据用户问题判断应该调用哪一把武器？

【用Gemini的Gem内置System Prompt 也可调用，用n8n是为了熟悉工作流】

这“七把武器”本质上是七个独立的、高度结构化的思考工具（Prompts）。每一把“武器”都封装了一种独特的分析问题、提炼思想或进行创造性表达的方法。它们的作用是强制AI跳出常规的、宽泛的回答模式，而是像一个特定领域的专家（如逻辑学家、语言学家、哲学家）一样，运用特定的思维框架来处理你的输入。

一、这是什么？有什么用？

简单来说，它的用途是将AI变成一个可以随时调用不同思维模式的“外脑”或“思想磨刀石”。

七把武器（Prompts）详情：mp.weixin.qq.com

七把武器的用途

• 武器一：问题之锤 🔨 
• 用途：当你对一个问题感到困惑，想要探究其最根本的源头时使用。它会通过连续的、层层递进的追问，帮你打破砂锅问到底，找到问题的“第一性原理”。
• 武器二：抽象之梯 🪜 
• 用途：当你觉得一段描述要么过于空洞、要么过于琐碎时使用。它能将模糊的语言，向上提炼成凝练、深刻的哲学概念；或向下沉淀为充满画面感、极其具体的场景描绘。
• 武器三：视角之镜 🔭 
• 用途：当你面对一个复杂难题，百思不得其解时使用。它会尝试从多个完全不同的角度（如跨学科、反向思考、尺度变换）来审视问题，旨在找到一个能让问题“变得异常简单”的“破局点”。
• 武器四：定义之矛 📌 
• 用途：当你想彻底搞懂一个核心概念时使用。它会从通俗理解、学术定义、核心特征、逻辑结构等多个维度，像用长矛一样，将这个概念牢牢地“钉”在你的认知里。
• 武器五：类比之弓 🏹 
• 用途：当你需要向他人解释一个复杂、抽象的概念时使用。它能为你找到一个绝妙、易懂且直观的类比，像弓箭一样精准地射中理解的靶心。
• 武器六：质疑之锥 🧐 
• 用途：当你需要批判性地审视一个观点或论断时使用。它会系统性地质疑其背后的所有前提和假设，通过严谨的怀疑来构建更坚实的认知。
• 武器七：逻辑之刃 🗡️ 
• 用途：当你想清晰地梳理一篇文章、一段对话或一个复杂思想的逻辑脉络时使用。它会将文本“庖丁解牛”，提取出核心命题，并用逻辑符号和自然语言清晰地展示其推理过程。

二、如何调用？一次调用一个还是多个？

• 我设定的是：一次只调用一把武器。

它们是独立的工具：这七把武器是一个“思维工具箱”，而不是一个会自动运行的流水线。你作为使用者，需要根据你当前面临的具体问题，来判断哪一把“武器”最适合。

你需要主动选择：你不能简单地抛出一个问题，然后期望AI自动为你选择合适的武器。你需要先决定使用哪一把，然后将你的问题作为输入，让AI用这把特定的“武器”来处理。

举个例子：

• 如果你想让AI帮你把“公司的年度战略目标”这个概念解释得更生动，你应该选择调用 武器五：类比之弓。
• 如果你想分析一篇评论文章的论证是否严谨，你应该选择调用 武器七：逻辑之刃。
• 如果你对自己的人生方向感到迷茫，想探究内心深处的渴望，你应该选择调用 武器一：问题之锤。

总而言之，这是一套极为精妙的Prompt工程框架，它把与AI协作的层次从简单的“一问一答”提升到了“使用特定的思维工具进行深度加工”的层面。

三、“七把武器”工作流搭建

• 这个工作流的核心思路是：用一个AI去决策调用哪一把武器。

我们将搭建一个工作流，它首先会接收你的问题，然后用一个“分类器”AI来分析你的问题最适合用哪一把“武器”来解决。接着，它会取出对应“武器”的指令（Prompt），和你原始的问题一起，交给另一个“执行器”AI去完成高质量的思考和回答。

准备工作

首先，你需要在n8n中创建一个专门用于连接DeepSeek服务的凭证。

1. 获取DeepSeekAPI密钥：

• 登录或注册一个 DeepSeek账户。
• 进入你的账户后台，找到 API Keys（API密钥）页面。

• 点击 创建API key（创建新的密钥），为你的密钥起一个容易识别的名字（比如 n8n-weapon-key）。

• 创建成功后，立即复制生成的密钥。请妥善保管，因为这个密钥只会出现一次。

2. 在n8n中添加凭证：

• 在你的n8n界面，点击左侧菜单的“创建 + -> Credential -> My project。

• 在搜索框中输入 DeepSeek 并选择它。

• 在 API Key 字段中，粘贴你刚刚从DeepSeek网站复制的密钥。
• 点击 Save 保存凭证。

• 现在，你的n8n已经准备好和DeepSeek进行通信了。

工作流核心逻辑

我们的工作流将分为三个核心部分：

1. 接收与分类 (Input & Classify)：通过聊天窗口接收用户问题，然后调用一个轻量级的AI模型（作为“分类器”）来判断这个问题最适合用七把武器中的哪一把。
2. 准备与执行 (Prepare & Execute)：根据“分类器”的结果，从我们预设的“武器库”中取出完整的、对应的武器Prompt，然后连同用户的原始问题，一起发送给一个更强大的AI模型（作为“执行器”）。
3. 响应与返回 (Respond & Return)：“执行器”AI生成深度思考后的结果，并将其返回给用户。

详细操作指南

下面是详细的节点配置步骤。

• 工作流概览

[Chat Trigger] -> [武器库] -> [武器选择器] -> [格式化AI响应] -> [准备最终提示] -> [武器执行器] -> [格式化输出]

步骤1：创建用户交互入口 (Chat Trigger)

1. 在n8n中创建一个新的工作流。

2. 添加第一个节点，选择 Chat Trigger 节点。

3. 配置 Chat Trigger 节点

• Make Chat Publicly Available：暂时保持关闭，方便我们测试。
• 其他配置暂时保持默认。这个节点会作为我们输入问题和接收答案的聊天窗口。

步骤2：建立“武器库” (Set Node)

我们需要一个地方存放“七把武器”的完整指令。使用一个 Set 节点是绝佳选择。

1. 添加一个 Set 【即 Edit Fields (Set）】节点，并将其连接到 Chat Trigger 节点之后。

2. 将这个节点重命名为 武器库。

3. 配置 武器库 节点:

• Mode: 选择 JSON 输出。

• JSON: 粘贴以下JSON代码到对应的prompt字段中。

4. JSON代码块：七把武器 Prompt

步骤3：创建“武器选择器” (DeepSeek Classifier)

这个AI节点是整个工作流的“大脑”，它负责为用户的问题选择最合适的武器。

1. 添加一个 Basic LLM Chain 节点，连接在 武器库 节点之后。

2. 将此节点重命名为 武器选择器。

3. 配置 武器选择器 节点：

• Model: 选择一个速度快、成本低的模型即可，比如 DeepSeek chat Model

• Aredential to connect with: 选择你预设好的DeepSeek凭证。

• 点击 Add prompt，添加两个消息：
  • 第一个消息 (System Role):
    • Role: System
    • Text: 粘贴以下指令。这个指令是关键，它告诉AI它的唯一任务是什么。

Prompt：
 
你是一个任务分类专家。你的任务是根据用户提出的问题，从以下七个选项中选择最合适的一个来解决该问题。你必须只返回选项的中文名称，不要包含任何其他解释、文字或符号。

选项：

– 问题之锤: 适合用于深度探究问题的根源和本质。

– 抽象之梯: 适合用于将模糊的描述变得非常具体或非常抽象。

– 视角之镜: 适合用于为复杂问题寻找一个全新的、更简单的解决方案。

– 定义之矛: 适合用于清晰、多维度地解释一个核心概念。

– 类比之弓: 适合用于为一个复杂概念寻找一个生动的类比。

– 质疑之锥: 适合用于批判性地分析一个观点或论断，找出其潜在假设。

– 逻辑之刃: 适合用于梳理和分析一段文本的逻辑结构。

• 第二个消息 (User Role):
  • Role: User
  • Text: 点击 Add Expression，最终表达式为：

{{ $(‘Chat Trigger’).item.json.chatInput }}

步骤4：“格式化AI响应” (Code Node) 

1. 添加 Code 节点。

2. 重命名这个 Code 节点为格式化AI响应 。

3. 复制并粘贴下面这段全新的代码进去：

// 直接从输入数据中获取干净的武器名称

const cleanWeaponName = $json.text;
 
// 从工作流的上游“武器库”节点把我们的武器库数据也拿过来
const arsenalItem = $(‘武器库’).item;
 
// 返回一个包含了“选择的武器名”和“完整的武器库”的新对象
// n8n会自动帮你包装成标准的 item 格式
return {
selected_weapon: cleanWeaponName,
arsenal: arsenalItem.json
};

• 代码出错解决办法（可参考）

步骤5：准备最终的AI指令 (Set Node)

现在我们有了用户的问题和AI选择的武器名称，需要把它们组合成最终发送给“执行器”AI的指令。

1. 添加一个新的 Set 节点，连接在 武器选择器 之后。

2. 重命名为 准备最终提示。

3. 配置 准备最终提示 节点：

• 点击 Add Filed，添加两个 String 类型的值。
• 第一个值:
  • Name: system_prompt
  • Value: 点击 Add Expression，输入以下表达式。这个表达式的作用是：根据“武器选择器”输出的武器名称（比如“问题之锤”），去“武器库”中查找并取出对应的完整Prompt。
  • JavaScript表达式如下：

{{ $(‘Chat Trigger’).item.json.chatInput }}

• 这个表达式的意思是：
  • 在当前节点的输入数据（$json）中，找到 arsenal 对象，然后用 selected_weapon 的值（比如‘定义之矛’）作为钥匙，从中取出对应的 prompt。
• 第二个值：
  • Name: user_prompt
  • Value: 点击 Add Expression，表达式为：

{{ $(‘Chat Trigger’).item.json.chatInput }}

步骤6：创建“武器执行器” (DeepSeek Executor)

这是我们工作流的“主力”，它负责执行武器指令，进行深度思考。

1. 添加第二个 Basic LLM Chain 节点，连接在 准备最终提示 之后。

2. 重命名为 武器执行器。

3. 配置 武器执行器 节点：

• Authentication: 选择同一个DeepSeek凭证。

• Model: 选择一个较强大的模型，比如 DeepSeek-reasoner，以确保高质量的输出。

• 点击 Add prompt，添加两个prompt：
  • 第一个消息 (System Role):
    • Role: System
    • Text: 点击 Add Expression，表达式为：

{{ $json.system_prompt }}

• 第二个消息 (User Role):
  • Role: User
  • Text: 点击 Add Expression，表达式为：

{{ $json.user_prompt }}

步骤7：格式化最终输出 (Set Node)

Chat Trigger 节点会自动寻找名为 text 或 output 的字段来作为聊天回复。我们需要将 武器执行器 的输出结果格式化一下。

1. 添加最后一个 Set 节点，连接在 武器执行器 之后。

2. 重命名为 格式化输出。

3. 配置 格式化输出 节点:

• Fields to Set > Add Field:
  • Name: text
  • Value (使用表达式): {{ $json.text }}

如何使用

1. 保存并激活工作流：点击右上角的 Save 保存，然后将开关拨到 Active。

2. 打开聊天窗口：回到 Chat Trigger 节点，点击 Chat URL 下面的链接，链接使用Google浏览器打开，就会在新标签页中打开一个聊天界面。

3. 开始提问：在聊天框中输入你的问题，然后发送。工作流就会自动运行，选择最合适的武器，并返回深度思考后的结果！

四、AI的应用

• 今天我分享的这个n8n工作流。
• 坦白说，做这个东西的过程，我最大的感受就是：幸好有AI！这个工作流的目标很酷，是把“七把武器”这个思维模型变成一个能自动运转的工作流。但实际操作起来，坑真的不少。我反复卡在节点怎么选、数据怎么传、代码怎么写这些问题上。
• 这时候，我的“秘密武器”——AI大模型就上场了。我基本上是把遇到的所有问题，连带着报错截图，一股脑地全扔给它。神奇的是，它总能看懂，并且告诉我问题出在哪，甚至直接把修改好的代码给我。
• 比如它教会了我怎么用一个“Code”节点去清洗AI自己返回的不规范数据，简直是“用AI的矛去攻AI的盾”。所以说，这个工作流不夸张地讲，一半是我提出的想法，另一半是AI帮我实现的。这次经历也让我觉得，未来我们普通人借助AI，真的能做出很多以前不敢想的、非常专业的东西。

五、可优化的方向

• 输出SVG卡片：当前的实现会返回AI生成的文本（可能是JSON或Markdown）。要完全实现李继刚老师的设计，生成SVG卡片，你需要在 格式化输出 节点后，再接一个 HTML 节点或 Code 节点，用SVG代码模板去渲染AI返回的JSON数据，最后可能需要通过一个 HTTP Request 节点将SVG转为图片。这会复杂一些，但完全可行！
• 增加聊天记忆：可以在 Chat Trigger 和 武器执行器 之间加入 Simple Memory 节点，让你的AI助手能够记住之前的对话。

这些就交给大家来完成啦，把你的想法交给AI，表达清楚你的需求，加上一点耐心，你一定可以！