用途：在 n8n 中构建或编辑 LangChain 系列 AI 节点（AI Agent、LLM Chain、Text Classifier 等）时的设计指南。
节点选型：需要多轮推理、调用工具或记忆时用 AI Agent（.agent）；一次性文本进文本出用 Basic LLM Chain（.chainLlm）；自然语言分流用 Text Classifier（.textClassifier，单节点多输出）；字段抽取用 Information Extractor；正/中/负用 Sentiment Analysis；长文压缩用 Summarization Chain。图片、音频、视频生成不要包进 Agent，直接用提供方原生单次调用节点。
子节点模式：Agent 主输入为提示或用户消息，另有 model（ai_languageModel，必需）、memory（ai_memory）、tools（ai_tool）、outputParser（ai_outputParser）四个槽位。连接方向为子节点指向 Agent，JSON 连接写在子节点侧；多个工具都连到同一个 ai_tool index 0。最终答案在 $json.output。
要点：工具名称与描述即提示的一部分，需按 API 设计；结构化输出用 outputParserStructured 并配 autoFix 与可编码的修复模型；每工具用法写进工具描述而非系统提示；多步逻辑优先用 .toolWorkflow；有副作用的工具加人工审核节点（如 slackHitlTool）；调高 options.maxIterations；系统提示中用 {{ $now }} 放当前日期。工具类型可选原生工具节点、.toolWorkflow、.toolHttpRequest、.mcpClientTool、.toolCode。参数由 Agent 决定时用 $fromAI('paramName', '描述', 'string')，仅传 JSON，不能携带二进制，身份与权限类参数应确定性传入。
记忆：memoryBufferWindow 默认 contextWindowLength 为 5，过低；需外部读取时用 memoryPostgresChat 等；sessionKey 需稳定，不可硬编码 'default'，也不要交给 $fromAI。
边界：模型可通过 passthroughBinaryImages 看图，但工具不能接收二进制；可先把上传预存到存储，把键注入系统提示，由工具以字符串参数取回。聊天机器人必须过滤机器人自身用户 ID 以防自触发循环。
持久化 Agent：与工作流内的 AI Agent 节点不同，是由 n8n 存储与版本化的独立助手记录，通过 n8n_manage_agents 管理。需配置 N8N_MCP_ACCESS_TOKEN 并使用 n8n 2.34+ 且启用 agents 模块，且每个操作都需要该令牌。构建顺序为 reference、discover_assets（需 projectId 与 kind）、create、mutate（每次一个资源并携带最新 hash；n8n 返回 configHash，需作为 args.baseConfigHash 回传）、validate、publish（仅在用户明确要求时）、call（真实执行；approvals 不得代用户批准）。字段名接近错误会返回 INVALID_ARGS，hash 过期返回 STALE_CONFIG。更多细节暂未提供。