ใช้ Dolphin LLM ใน workflow ของ n8n
อัปเดตแล้ว

n8n สามารถเรียกใช้ API ที่เข้ากันได้กับ OpenAI ได้ ด้วยข้อมูลรับรองหนึ่งรายการ คุณจะได้ Dolphin LLM ในโหนด AI Agent, Basic LLM Chain และโหนด LangChain อื่นๆ หรือในโหนด HTTP Request ธรรมดา
จุดสำคัญ
- สร้างข้อมูลรับรอง OpenAI และกำหนด URL ฐานเป็นที่อยู่ด้านล่าง
- ในโหนด OpenAI Chat Model ให้ตั้งค่าโมเดลโดย ID เป็น
uncensored. - เปิดใช้ Retry On Fail สำหรับคำตอบ 429 และ 503 ซึ่งจะไม่ถูกคิดเงิน
- จัดการลูปขนาดใหญ่: คีย์ทดลองอนุญาตคำขอคู่ขนานได้ 2 คำขอ คีย์เต็มอนุญาตได้ 8 คำขอ
สร้างข้อมูลรับรอง
- ใน n8n เปิด Credentials, คลิก Add credential และเลือก OpenAI.
- วางคีย์ของคุณลงใน API Key. ปล่อยช่อง Organization ID ว่างไว้
- ตั้งค่า Base URL to
https://dolphinllm.com/v1. - บันทึก n8n ทดสอบข้อมูลประจำตัวโดยขอรายการโมเดล ข้อความสำเร็จหมายความว่าคีย์และ URL ทำงานได้
สร้างคีย์ในบัญชีของคุณ หากคุณยังไม่มี สมัครสมาชิก; เครดิตทดลอง $0.50 จะถูกเพิ่มเมื่อคุณเปิดบัญชีเป็นครั้งแรก

ใช้ใน AI Agent หรือ LLM chain
- เพิ่ม AI Agent or Basic LLM Chain node.
- ใต้ Chat Model, เพิ่ม OpenAI Chat Model และเลือกข้อมูลประจำตัวที่คุณสร้างไว้
- ตั้งค่า Model to ตาม ID และกรอก
uncensored(หรือเลือกจากรายการหาก n8n แสดงรายการ) - ใน Options, ตั้งค่า Maximum Number of Tokens (เช่น 800) Sampling Temperature และ Timeout ของ 120 วินาทีหรือนานกว่านั้นสำหรับคำตอบที่ยาว
API รองรับ tool calling ดังนั้นโหนด AI Agent สามารถใช้เครื่องมือ n8n กับโมเดลนี้ได้ โหมด JSON (response_format: json_objectใช้งานได้เมื่อคุณต้องการผลลัพธ์ที่มีโครงสร้างสำหรับโหนดถัดไป
หรือเรียกใช้ผ่านโหนด HTTP Request
สำหรับการควบคุม request body อย่างเต็มรูปแบบ ให้ใช้ plain HTTP Request node:
- วิธีการ POST, URL
https://dolphinllm.com/v1/chat/completions - การตรวจสอบสิทธิ์: Generic Credential Type → Header Auth, ชื่อ
Authorization, ค่าBearer YOUR_KEY - ประเภทเนื้อหา Body JSON:
{
"model": "uncensored",
"messages": [
{"role": "system", "content": "Summarize the text in three bullet points."},
{"role": "user", "content": "{{ $json.text }}"}
],
"max_tokens": 400,
"temperature": 0.3
}
คำตอบอยู่ใน choices[0].message.content, และจำนวนโทเค็นใน usage.
ขีดจำกัด การลองใหม่ และชุดคำขอ
- คีย์ทดลองรองรับคำขอพร้อมกันได้ 2 คำขอ และ 60 คำขอต่อนาที; หลังจากเติมเงินครั้งแรก จะรองรับคำขอพร้อมกันได้ 8 คำขอ และ 300 คำขอต่อนาที Workflow ที่ประมวลผลรายการจำนวนมากพร้อมกันอาจพบ HTTP 429 (
concurrencyorrate_limited). - ใช้ Loop Over Items ด้วยขนาดแบทช์ตั้งแต่ 2 ถึง 8 หรือตัวเลือกการแบทช์ของโหนด เพื่อให้อยู่ภายใต้ขีดจำกัด
- เปิด Retry On Fail ในการตั้งค่าโหนดพร้อมรอไม่กี่วินาที 429 และ 503 (
upstream_busyคำตอบปลอดภัยต่อการเรียกซ้ำและไม่มีการเรียกเก็บเงิน - 402
no_creditหมายถึงยอดเงินว่างเปล่า; การลองใหม่จะไม่ช่วย เพิ่มสาขาข้อผิดพลาดที่แจ้งเตือนคุณ
ค่าใช้จ่าย
Workflow ที่สรุปบทความ 1,000 บทความต่อวัน ด้วย input 2,500 tokens และ output 300 tokens จะสิ้นเปลืองงบประมาณ 1,000 × ($0.000375 + $0.00015) = $0.525 ต่อวัน หรือประมาณ $16 ต่อเดือน ยอด หน้าราคา มีเครื่องคำนวณและโบนัสเติมเงิน
คำถามและคำตอบ
ฉันควรใช้ข้อมูลรับรอง (credential) ของ n8n ตัวไหน?
ข้อมูลรับรอง OpenAI ในตัว โดยตั้งค่า URL ฐานเป็น https://dolphinllm.com/v1.
ฉันต้องกรอก model อะไร?
uncensored, โมเดลเดียวที่มีใน API นี้
ทำไมบางรายการจึงล้มเหลวด้วยสถานะ 429?
คำขอแบบขนานมากเกินไปสำหรับคีย์ของคุณ กรุณาทำ batch และเปิดใช้ Retry On Fail; คำตอบ 429 ที่ retry แล้วจะไม่คิดค่าใช้จ่าย
คู่มือเพิ่มเติม
ใช้ Dolphin LLM ใน Continue สำหรับ VS Code และ JetBrainsกำหนดค่า Continue (VS Code, JetBrains) ให้สนทนาและแก้ไขโค้ดด้วย API ของ Dolphin LLM: บล็อก model ใน config.yaml, บทบาท, ความยาวของบริบท, การเก็บคีย์ไว้ภายนอกไฟล์ และค่าใช้จ่าย
Free LLM API สำหรับนักพัฒนา: Trial vs Pay as You Goสิ่งที่คุณจะได้รับจาก tier ฟรีของ LLM API และจุดสิ้นสุดของมัน เริ่มต้นด้วย trial มูลค่า $0.50 โดยไม่ต้องใช้บัตร แล้วคิดเงินเป็นเซ็นต์ต่อการเรียกใช้: สิ่งที่คุณจะได้รับ, วิธีทำให้เครดิตอยู่ได้นาน และสิ่งที่ควรตรวจสอบก่อนตัดสินใจ
API ของ Dolphin LLM: โลคอล, GPU เช่า หรือโฮสต์สามวิธีในการรับ API สำหรับโมเดล uncensored สไตล์ Dolphin: รันแบบโลคัล บริการบน GPU ที่เช่า หรือเรียกใช้ endpoint แบบโฮสต์ที่เข้ากันได้กับ OpenAI เปรียบเทียบความพยายามและต้นทุน