n8n / Make

n8n 和 Make 适合定时生成、表格批量处理、内容生产、通知流程和图片转存。核心不是安装专用插件，而是用 HTTP 节点调用 Tapapi 的 REST API。

不要把 Tapapi API Key 写进公开 workflow、公开场景模板、共享表格、前端页面或截图里。n8n 建议放 Credential / 环境变量，Make 建议放私有 Connection 或受限变量。

适合的流程

场景	推荐接口
批量写标题、摘要、客服回复	`POST /v1/chat/completions`
已确认模型支持 Responses	`POST /v1/responses`
批量生图、商品图草稿、社媒配图	`POST /v1/images/generations`
定时同步模型列表	`GET /v1/models`
视频生成	`/v1/videos` 系列受控开放，未确认权限前不要接生产

n8n: HTTP Request 节点

n8n 官方的 HTTP Request 节点可以向任意 REST API 发请求。Tapapi 推荐这样配：

配置项	文本生成	图片生成
Method	`POST`	`POST`
URL	`https://tapapi.ai/v1/chat/completions`	`https://tapapi.ai/v1/images/generations`
Authentication	None / 手动 Header	None / 手动 Header
Header	`Authorization: Bearer sk-xxx`	`Authorization: Bearer sk-xxx`
Header	`Content-Type: application/json`	`Content-Type: application/json`
Body Content Type	JSON	JSON
Timeout	60-120 秒	120-180 秒

如果你的 n8n 版本支持保存完整响应或响应头，建议开启，并把 X-Oneapi-Request-Id 写回当前数据行。这个字段是排障时最重要的请求标识。文本请求 Body：

{
  "model": "gpt-5.4",
  "messages": [
    {
      "role": "user",
      "content": "Write a short product caption for a ceramic mug."
    }
  ],
  "temperature": 0.7
}

图片请求 Body：

{
  "model": "z-image-turbo",
  "prompt": "a clean ecommerce product photo of a white ceramic mug",
  "n": 1,
  "size": "1024x1024",
  "response_format": "url"
}

Responses 请求 Body：

{
  "model": "gpt-5.4",
  "input": "Write a short product caption for a ceramic mug."
}

/v1/chat/completions 是自动化场景的默认文本主线。/v1/responses 是可选协议，接入前先确认模型支持和返回字段；不要用 Chat Completions 的字段路径去解析 Responses。

n8n 结果处理

接口	读取字段	后续动作
文本	`choices[0].message.content`	写回表格、数据库、Notion、CRM
Responses	`output_text`	写回表格、数据库、Notion、CRM
图片 URL	`data[0].url`	立刻下载并转存到你的对象存储
图片 base64	`data[0].b64_json`	解码为文件，再上传或发送
请求标识	响应头 `X-Oneapi-Request-Id`	写回当前行，用于排障
图片部分成功	`metadata.tapapi_partial`	按实际返回张数处理

图片生产流程需要额外处理：

情况	建议
`data=[]`	记为失败行，保存 `request_id`、模型、prompt 摘要和错误信息
`data.length < n`	按实际返回数量结算业务结果，不要假设全部成功
返回 URL	立刻下载并转存到 S3、R2、OSS、COS 或自己的文件服务
返回 `b64_json`	解码成文件后再上传或发送
URL 下载失败	优先重试下载和转存，不要立刻重新生成图片

批量任务建议加队列和有限重试：429、临时 5xx、网络超时可以重试 1-2 次；401、403、model not found 不要自动重试，先停下来修配置。

批量任务模板

每条输入数据建议至少保存这些字段：

字段	用途
`task_id`	你的业务任务 ID，用于幂等和对账
`input_hash`	防止同一行重复提交
`model`	记录实际调用模型
`status`	`pending`、`running`、`succeeded`、`failed`
`request_id`	Tapapi 返回的 `X-Oneapi-Request-Id`
`error_type` / `error_code` / `error_message`	失败排障
`output_url` / `output_text`	结果字段
`saved_url`	图片或视频转存后的自有 URL

放大批量前先跑 3-5 条样本；稳定后再按 10-50 条一批扩容。图片和视频任务不要无限并发，也不要无限重试。

错误分支

状态	n8n / Make 动作
400	停止当前行，修请求字段
401 / 403	停止整个流程，检查 API Key、余额、权限和模型可见性
429	等待后重试，限制最大次数
临时 5xx / 网络超时	重试 1-2 次，仍失败则进入人工检查
504 / 524	先查业务状态和账单，再决定是否补跑

错误响应通常包含 error.message、error.type、error.code。任务/视频类接口也可能返回顶层 code、message、data。生产流程不要只保存一段错误文本。

Make

Make 也按同样的 HTTP 思路接入：选择 HTTP 模块，填写 Method、URL、Headers 和 JSON Body。字段名会随 Make UI 版本变化，配置本质不变：

POST https://tapapi.ai/v1/chat/completions
Authorization: Bearer sk-xxx
Content-Type: application/json

需要生图时把 URL 换成：

POST https://tapapi.ai/v1/images/generations

Make 场景建议拆出两条 route：

Route	处理
Success	解析 `choices[0].message.content`、`output_text`、`data[0].url` 或 `data[0].b64_json`
Error	保存 HTTP 状态码、`X-Oneapi-Request-Id`、错误字段和原始输入

如果 Make 模块拿不到响应头，至少把 HTTP 状态码、响应 body、模型、输入摘要和业务 task_id 写回数据源。

视频工作流

视频 API 当前不是默认全量开放能力。只有控制台可见模型、价格已确认、账号有权限时，才适合放进 n8n / Make。推荐流程：

POST /v1/videos
  -> 等待
  -> GET /v1/videos/{task_id}
  -> completed 后 GET /v1/videos/{task_id}/content
  -> 下载并转存视频文件

视频请求字段会随模型变化，不要把某个模型的 seconds、size、aspect_ratio、参考图字段直接复用到所有视频模型。更多见视频 API 和任务与输出。

安全和成本

不要把 Tapapi Key 写在公开表格、公开场景模板或前端页面里。
批量流程先用 3-5 条样本测试，再放大到全量。
图片生成拿到 URL 后尽快转存；不要长期依赖临时返回链接。
给每条业务数据写入业务 task_id，方便失败重试和对账。
对高频流程设置每日预算上限和并发上限。
给高成本图片和视频流程加人工抽检节点，避免错误 prompt 大批量烧钱。
不要把失败分支重新连回同一个 HTTP 节点做无限循环。

下一步

场景	文档
底层 HTTP 规则	HTTP REST
图片生成	文生图
图片保存	输出图片保存
视频 API	视频 API
错误与重试	错误码与重试
成本控制	成本控制
生产上线检查	上线 Checklist

官方参考

n8n HTTP Request node

SDK 与语言

常用工具

适合的流程

n8n: HTTP Request 节点

n8n 结果处理

批量任务模板

错误分支

Make

视频工作流

安全和成本

下一步

官方参考

​适合的流程

​n8n: HTTP Request 节点

​n8n 结果处理

​批量任务模板

​错误分支

​Make

​视频工作流

​安全和成本

​下一步

​官方参考

适合的流程

n8n: HTTP Request 节点

n8n 结果处理

批量任务模板

错误分支

Make

视频工作流

安全和成本

下一步

官方参考