Recursos · Integración n8n

Nodo DeepSeek Chat Model n8nConfigura DeepSeek Chat Model en n8n.

Un agente de IA en n8n no dice nada hasta que le conectas un modelo. Ese es el papel del nodo DeepSeek Chat Model n8n: un subnodo, es decir un nodo auxiliar que se engancha al puerto de otro nodo en vez de ejecutarse solo. Expone 9 parámetros y sale por el puerto ai_languageModel.

Probar el nodo DeepSeek Chat Model en n8nVer los 9 parámetros

Reseñas verificadas en Trustpilot · Agencia de IA, automatización y growth

Por qué automatizar

¿Para qué sirve el nodo DeepSeek Chat Model n8n?

Aporta el modelo de lenguaje que usa un nodo raíz para redactar. En el esquema de IA de n8n, un nodo raíz (un AI Agent, una cadena) recibe los items del flujo por su entrada principal, y a sus puertos se enganchan subnodos: un modelo de chat, una memoria, tantas herramientas como hagan falta. DeepSeek Chat Model ocupa la casilla del modelo, y nada más. Por su cuenta nunca se ejecuta.

Es el motor que colocas dentro de un chasis. Tres montajes aparecen una y otra vez en cuanto empiezas a construir.

El primero es el asistente que conversa. Enganchas DeepSeek Chat Model al nodo AI Agent, le añades una memoria para que no pierda el hilo y herramientas para que actúe. El agente decide, DeepSeek redacta. El segundo es la extracción de datos: pones Response Format en json_object, el modelo devuelve JSON válido (un formato de datos que el nodo siguiente lee campo por campo) y el resultado acaba en Google Sheets o se publica en Slack. El tercero es la clasificación de fondo: una cadena clasificadora llama al modelo una vez por item, con Sampling Temperature muy baja para que la misma entrada devuelva siempre la misma etiqueta.

¿Cuándo conviene otro nodo? Si toda la cadena ya funciona con credenciales de OpenAI y prefieres un único proveedor de principio a fin, el nodo OpenAI cubre ese terreno. Y si el JSON vuelve roto cada pocas ejecuciones, el Auto-fixing Output Parser usa su propio modelo y repara la salida, en lugar de obligarte a pulir el prompt sin fin.

Conviene conocer los límites antes de montar nada. Este nodo no tiene entrada principal ni salida principal: no puedes colocarlo en medio de un flujo esperando que los items pasen por él. Solo se engancha al puerto de modelo de un nodo raíz. Tampoco lleva prompt propio, porque el prompt pertenece al nodo raíz. Y la lista de modelos la carga n8n en directo desde DeepSeek con tu credencial, así que ves lo que tu cuenta puede llamar, no una lista fija.

La factura está en DeepSeek, no en n8n. El nodo viene incluido con n8n, y las llamadas a la API las cobra el proveedor según sus condiciones. Si estás comparando plataformas antes de decidir, la Reseña n8n ordena los criterios.

Conexión

¿Cómo se conecta DeepSeek con n8n?

  1. 01

    Crea la credencial

    En n8n las credenciales viven en su propio menú, aparte de los flujos. Creas la de DeepSeek una vez y todos los flujos de esa instancia la reutilizan. Funciona igual en n8n Cloud, la oferta alojada por n8n, y en una instancia autoalojada: un flujo exportado de un lado corre en el otro en cuanto la credencial existe en ambos sitios.

  2. 02

    Asígnala al nodo

    Coloca un nodo DeepSeek Chat Model en el lienzo y elige la credencial en su panel. Aquí no hay ningún selector de autenticación que ajustar, así que la credencial es lo único que separa un nodo vacío de un modelo operativo. Guarda el flujo antes de probar, porque si no n8n ejecuta la última versión almacenada.

  3. 03

    Comprueba que la lista se llena

    Abre el desplegable Model. n8n consulta a DeepSeek con tu credencial y muestra los modelos a los que llega tu cuenta. Si la lista sale vacía, mira la credencial antes que el nodo. Elige un modelo y engancha el nodo a un nodo raíz antes de lanzar nada.

Conexiones

¿Dónde se engancha este nodo?

n8n reparte el trabajo de IA entre un nodo raíz, que sí se ejecuta en el flujo, y subnodos colgados de sus puertos. Este no tiene puerto de entrada: expone una salida, y esa salida va a la casilla de modelo de un nodo raíz.

Salida (dónde se conecta)

  • Modelai_languageModel
01ModelEs el único puerto que usa el nodo y apunta hacia arriba: arrastras el hilo desde el nodo hasta la casilla de modelo del nodo raíz que hace el trabajo.

Es el único puerto que usa el nodo y apunta hacia arriba: arrastras el hilo desde el nodo hasta la casilla de modelo del nodo raíz que hace el trabajo.

Parámetros clave

  • Required: sin un modelo en este puerto, un nodo raíz no genera nada, así que la conexión no es opcional.
  • AI Agent: el destino habitual cuando el modelo tiene que razonar, elegir una herramienta y responder.
  • Basic LLM Chain: la vía sencilla, un prompt entra, texto sale, sin elección de herramientas.
  • Summarization Chain: pone el modelo a resumir documentos largos, item a item.
  • Text Classifier: hace que el modelo decida entre tus categorías, una decisión por item entrante.
Casos de uso
un flujo de soporte donde el mismo nodo DeepSeek alimenta un agente en una rama y un clasificador en la otra.
Parámetros

¿Qué parámetros cambian el comportamiento del modelo?

El nodo DeepSeek Chat Model tiene 9 parámetros. Para cada uno: el nodo tal como lo configuras en n8n, qué cambia el parámetro y nuestras notas de campo.

01

Model

model

Lo que ves en n8n

Notas y casos de uso

Elige qué modelo de DeepSeek genera la compleción (el texto que produce el modelo como respuesta). La lista no es fija: n8n pregunta a DeepSeek con tu credencial y solo muestra los modelos abiertos a tu cuenta, de modo que dos personas en la misma instancia pueden ver opciones distintas.

Parámetros clave

  • Model: el modelo que genera la compleción, tomado de la lista que n8n carga desde DeepSeek.
Casos de uso
dejar un modelo para el agente que habla con clientes y poner otro, en un segundo nodo, para la clasificación por lotes, sin tocar los nodos raíz.
02

Frequency Penalty

options.frequencyPenalty

Lo que ves en n8n

Notas y casos de uso

Aparta al modelo de sus propias repeticiones. Los valores positivos penalizan los tokens según la frecuencia con la que ya han aparecido en el texto, lo que baja la probabilidad de que el modelo repita la misma línea palabra por palabra.

Parámetros clave

  • Frequency Penalty: un número; cuanto más alto, menos se repite el modelo.
Casos de uso
fichas de producto generadas en serie que terminan todas con la misma frase de cierre. Sube este ajuste antes de reescribir el prompt.
03

Maximum Number of Tokens

options.maxTokens

Lo que ves en n8n

Notas y casos de uso

Pone techo a la longitud de la respuesta. Un token es un trozo de texto, más o menos un fragmento de palabra, y este ajuste fija la longitud de la compleción. La mayoría de modelos tienen una ventana de contexto de 2048 tokens, salvo los más recientes, que llegan a 32768.

Parámetros clave

  • Maximum Number of Tokens: un número, el techo de tokens generados en la compleción.
Casos de uso
un resumen diario que debe caber en unas pocas líneas. Con el techo bajo el modelo deja de rellenar y tú dejas de recortar después.
04

Response Format

options.responseFormat

Lo que ves en n8n

Notas y casos de uso

Decide si la respuesta llega en prosa o en datos que lee una máquina. Cámbialo en cuanto un nodo posterior tenga que leer campos en vez de mostrar un párrafo.

Parámetros clave

  • Text (text): una respuesta de texto normal, la forma esperada cuando lo lee una persona.
  • JSON (json_object): activa el modo JSON, que debería garantizar que el mensaje generado es JSON válido.
Casos de uso
sacar un nombre, un importe y una fecha de vencimiento del cuerpo de un correo, y luego recuperar cada valor con {{ $json.amount }} en el nodo siguiente.
05

Presence Penalty

options.presencePenalty

Lo que ves en n8n

Notas y casos de uso

Empuja al modelo hacia terreno nuevo. Los valores positivos penalizan los tokens por el simple hecho de haber aparecido en el texto, lo que aumenta la probabilidad de que el modelo hable de temas nuevos.

Parámetros clave

  • Presence Penalty: un número; cuanto más alto, más cambia de tema el modelo.
Casos de uso
un paso de lluvia de ideas que debe proponer diez enfoques para una campaña en vez de girar sobre los dos primeros. No lo confundas con Frequency Penalty, que cuenta cuántas veces aparece un token y no si aparece.
06

Sampling Temperature

options.temperature

Lo que ves en n8n

Notas y casos de uso

Regula el azar. Al bajarla, las compleciones varían menos; cerca de cero el modelo se vuelve determinista y repetitivo. Al subirla, el muestreo se diversifica, con más riesgo de alucinaciones.

Parámetros clave

  • Sampling Temperature: un número; cerca de cero las respuestas se congelan, por encima se sueltan.
Casos de uso
clasificar y extraer datos pide valores bajos, para que la misma entrada dé la misma etiqueta dos veces; generar variantes de un anuncio pide lo contrario.
07

Timeout

options.timeout

Lo que ves en n8n

Notas y casos de uso

Fija el tiempo máximo que se permite a una petición, en milisegundos. Pasado ese plazo la petición se corta en vez de dejar la ejecución colgada.

Parámetros clave

  • Timeout: un número en milisegundos, así que 2000 son dos segundos, no dos mil.
Casos de uso
un chatbot que responde en una conversación en vivo, donde una respuesta lenta molesta más que un error claro. La unidad engaña más que el propio ajuste.
08

Max Retries

options.maxRetries

Lo que ves en n8n

Notas y casos de uso

Indica cuántas veces reintenta n8n una petición fallida antes de rendirse y hacer que la ejecución termine en error.

Parámetros clave

  • Max Retries: un número, el máximo de reintentos por petición.
Casos de uso
un proceso nocturno que recorre varios cientos de filas. Un fallo pasajero no debería tumbar la tanda, y un par de reintentos te ahorran reiniciar a mano por la mañana. Acompáñalo de un Timeout sensato, porque los reintentos suman espera.
09

Top P

options.topP

Lo que ves en n8n

Notas y casos de uso

Controla la diversidad mediante muestreo por núcleo: 0,5 significa que se consideran la mitad de las opciones ponderadas por probabilidad. Un valor bajo equivale a ignorar las opciones menos probables.

Parámetros clave

  • Top P: un número entre cero y uno, la porción de opciones probables de la que bebe la compleción.
Casos de uso
ajustar las respuestas de un asistente factual. La recomendación habitual es tocar este ajuste o la temperatura, pero no los dos: elige una palanca y deja quieta la otra.
Necesitas ayuda

¿Necesitas ayuda para automatizar DeepSeek Chat Model con n8n?

El equipo te responde directamente.

Cada mensaje lo lee una persona.

FAQ

Preguntas frecuentes

01¿El nodo DeepSeek Chat Model n8n viene incluido en n8n Cloud y en autoalojado?
Sí. Forma parte del paquete de IA que se entrega con n8n: nada que instalar y nada extra que pagar del lado de n8n. Se comporta igual en n8n Cloud, la oferta alojada por n8n, y en una instancia autoalojada instalada con Docker o npm, en Community Edition bajo licencia Sustainable Use. Lo que cuesta es el modelo: DeepSeek cobra las llamadas a su API según sus propias condiciones, igual que fuera de n8n. El nodo no añade margen ni una tarifa por llamada.
02¿Qué hace falta para que el nodo funcione?
Una credencial de DeepSeek y un nodo raíz al que engancharlo. La credencial se crea una sola vez en el menú Credentials y se reutiliza en toda la instancia. No hay selector de autenticación que configurar en el nodo, así que la credencial es toda la configuración. Ten presente que es un subnodo: sin entrada principal y sin ejecución propia. Ponerlo en el lienzo y darle a ejecutar no produce nada. Engánchalo al puerto de modelo de un AI Agent o de una cadena y ejecuta el nodo raíz.
03¿Qué límites tiene este nodo?
Hace una sola cosa: entregar un modelo de DeepSeek a un nodo raíz. Sin prompt, sin mensaje de sistema y sin salida propia, porque todo eso pertenece al nodo al que lo conectas. Al no tener entrada principal, ningún item lo atraviesa. La página describe la versión 1 del nodo, la más alta del catálogo; un flujo antiguo puede mostrar una versión anterior, con menos opciones. Y la lista de modelos se carga en directo desde DeepSeek, así que refleja tu cuenta: una credencial rota se parece mucho a una lista vacía.
04¿Qué hay que conectar como mínimo y por qué nodo empezar?
Como mínimo, un nodo raíz, este modelo en su puerto Model y una credencial válida. Para el primer montaje, Basic LLM Chain es la entrada más suave: un prompt, texto de vuelta, sin herramientas que elegir. Cuando el modelo tenga que decidir entre varias acciones, pasa al nodo AI Agent y añade una memoria para que la conversación aguante de un mensaje al siguiente. Las herramientas vienen después. Montar agente, memoria y cuatro herramientas el primer día es la vía rápida para no saber qué pieza falla.
05¿n8n o Make para este tipo de flujo con IA?
Depende sobre todo de dónde deba vivir el flujo. n8n se autoaloja con Docker o npm, o se usa en n8n Cloud, y el flujo es idéntico en ambos casos, lo cual pesa cuando los prompts y los datos de clientes deben quedarse en tus servidores. Make solo es alojado, sin opción de autoalojamiento, y factura por operación: un agente hablador que encadena llamadas a herramientas tiene una curva de coste que conviene calcular antes de comprometerse. Ambos ofrecen un lienzo visual. El esquema de subnodos descrito aquí es propio de n8n.
Hack'celeration Lab

Recibe nuestros tips de integración cada semana.

Sin spam. Cancela cuando quieras.

Misma plataforma

Otros docs útiles sobre este stack.

Ver todas las integraciones