n8n 的 AI Agent 节点报 memory 未连接

这个坑值得记一笔。n8n 1.60 自托管，AI Agent 节点接 Chat Trigger，保存时提示 memory 子节点未连接，运行时每轮都当新会话，用户说「刚才那个订单」agent 完全接不上，容器日志里没有报错，社区版没装额外节点包。

刚开始盯着「社区版缺少对应版本的 langchain 节点包」，折腾了半个多小时，排掉了。

排查方向其实有限，先把可能性排一排。Agent 节点的 memory 是必填子连接，画布上没有连；连了 Window Buffer Memory 但 session key 用了固定值；工作流从别的实例复制过来，连接 id 已失效。

动手时先看容器里加载了哪些 langchain 节点

docker exec n8n n8n list:nodes | grep -i memory

随后导出工作流检查 memory 连接是否存在

docker exec n8n n8n export:workflow --id=1 --output=/tmp/wf.json && cat /tmp/wf.json | python -m json.tool | grep -A3 memory

然后把 session key 改成按用户 id 取值

python -c "print({'sessionKey':'={{ $json.userId }}'})"

剩下的就是用同一个 userId 连发两轮验证记忆

curl -s -X POST http://localhost:5678/webhook/chat -H 'Content-Type: application/json' -d '{"userId":"u1","message":"刚才那个订单"}'

怎么算真的好了，看的是同一批现象。同一个 userId 的第二轮请求能引用第一轮的订单号，画布上 memory 节点显示已连接，执行记录里会话 id 保持一致。

这里还有个坑。n8n 的 memory 是子节点而不是参数，复制工作流时最容易丢连接；session key 写死会让所有用户共享一份记忆，必须按用户维度取。这类问题最好一次改到位，反复小改反而容易把原因搅混。