Chain LLM Pattern
Produktions-n8n-Muster für mehrstufige LLM-Extraktions-, Klassifizierungs- und Scoring-Ketten.
Getestet · Funktioniert
Was es kann
Kodiert ein 3-stufiges n8n-Workflow-Muster (Information Extractor -> Basic LLM Chain -> Code Node) für Aufgaben, die Extraktion und Schlussfolgerung kombinieren, wie z.B. Anruf-Transkript-Triage oder Lead-Scoring. Spezifiziert Knotentypen, Modellauswahl pro Stufe, Temperatur, Token-Budgets und die Regel, dass gewichtete-arithmetische Bewertung in einem deterministischen Code-Knoten gehört, nicht in einem LLM-Aufruf. Löst bei n8n + mehrstufigen LLM-Ketten-Formulierungen ('extrahiere Entitäten dann kategorisiere', 'chain_llm', 'LLM-Pipeline') aus.
Testbericht
Dasselbe Anruf-Transkript-Scoring-Workflow mit und ohne Skill entworfen: Die Skill-Version leitet die gewichtete Dringlichkeitsformel (0.4/0.3/0.3) an einen deterministischen Code-Knoten weiter und tauscht den generischen AI Agent gegen einen Schema-gebundenen Information Extractor Node aus, um genau die LLM-Arithmetik-Fehlermöglichkeit zu umgehen, in die ein Baseline-Design direkt hineingegangen wäre.
Getestet am: 2026-07-14 · Claude Code 2.x (agent harness)
Installation
git clone https://github.com/masteranime/n8n-claude-skills cd n8n-claude-skills mkdir -p ~/.claude/skills cp -r skills/chain-llm-pattern ~/.claude/skills/chain-llm-pattern
Befehle & Beispiel-Prompts
/chain-llm-patternProduktions-n8n-Muster für mehrstufige LLM-Extraktions-, Klassifizierungs- und Scoring-Ketten.
Skills reagieren auf normale Anfragen — keine Slash-Befehle nötig. Nach der Installation aktivieren Prompts wie diese den Skill (auf Englisch):
Design an n8n chain that extracts and scores customer call transcriptsHow should I split entity extraction from scoring in my LLM pipeline?Build a lead-scoring workflow using an LLM chain plus a code node