该技能适用于在 n8n v1.x（v1.19.4 及以上）中构建 AI 或 LLM 工作流的场景，主要目的是避免因 NodeConnectionTypes 不匹配而导致的子节点连线错误。
【架构说明】 n8n 通过集群节点架构集成 LangChain：根节点（Agent、Chain）通过带类型的 AI 连接器连接专用子节点（模型、记忆、工具、输出解析器）。根节点不能单独工作，始终至少需要一个 Chat Model 子节点。
【主要能力】 技能提供完整的 AI 节点类型参考，覆盖 Agent（Conversational、OpenAI Functions、Plan and Execute、ReAct、SQL、Tools）、Chain（Basic LLM、Summarization、Retrieval QA）、专用节点（Information Extractor、Text Classifier、Sentiment Analysis、LangChain Code）、各类聊天模型提供商、记忆后端、向量存储、嵌入模型、文本切分器、输出解析器、检索器和工具。同时列出全部子节点连接类型常量（如 ai_languageModel、ai_memory、ai_tool、ai_vectorStore 等）及其对应连接目标。
【选型指导】 包含 Agent 类型、记忆类型、向量存储的决策树：默认推荐 Tools Agent；无持久化需求时可选 Simple Memory 或 Token Buffer Memory，需要持久化时可按可用基础设施选择 Postgres、Redis、Summary、Zep 或 Xata；原型阶段可用 In-Memory Vector Store，生产环境按托管云服务、现有数据库或自托管方案选择对应向量库。
【核心模式】 技能给出五种工作流模式：基本 Agent 工作流、RAG 数据插入、通过 Agent 的 RAG 检索、通过 Chain 的 RAG 检索、Human-in-the-Loop（含审批与通知分支，支持 9 种通知渠道）。还说明如何通过 $tool.name、$tool.parameters 读取工具上下文，以及用 $fromAI() 动态指定参数。
【必须遵守的规则】 每个 Agent 和 Chain 根节点必须连接 Chat Model；RAG 插入与检索必须使用同一嵌入模型；默认使用 Recursive Character Text Splitter 并设置分块重叠；默认使用 Tools Agent；编写描述工具与预期行为的系统提示；上线前用固定数据测试。禁止混用嵌入模型、跳过文本切分、连接不兼容的连接器类型、在有工具需求时使用 Basic LLM Chain、生产中使 In-Memory Vector Store、把 AI 输出当作确定性结果等。
【实现细节】 AI 子节点实现 supplyData() 而非 execute()，返回根节点消费的 LangChain 对象；根节点通过 getInputConnectionData() 获取子节点输出。LangChain Code 节点提供仅在自身可用的特殊内置方法，用于内置 AI 节点无法覆盖的自定义链组合场景。
【限制】 需 n8n v1.19.4 及以上；具体节点参数与更多示例需参考技能内列出的参考链接，资料未提供完整细节；收费、平台支持范围等信息暂未提供。