← Retour aux workflows
Workflow n8n

Automatisation OpenAI avec n8n : génération de réponses intelligentes

Ce workflow n8n a pour objectif de faciliter la génération de réponses intelligentes en utilisant les capacités d'OpenAI. Il s'adresse aux entreprises qui cherchent à automatiser leurs interactions avec les clients ou à enrichir leurs contenus grâce à l'intelligence artificielle. En intégrant des outils comme Google Drive et des modèles de langage avancés, ce workflow permet de traiter des requêtes, d'analyser des données et de fournir des réponses pertinentes en temps réel.

  • Étape 1 : Le déclencheur du workflow est un clic manuel sur 'Execute Workflow', ce qui initie le processus.
  • Étape 2 : Les données sont chargées à l'aide du nœud 'Default Data Loader', qui prépare les informations nécessaires.
  • Étape 3 : Les 'Embeddings OpenAI' sont utilisés pour transformer les données en vecteurs exploitables.
  • Étape 4 : Le nœud 'Chat Trigger' permet de démarrer une conversation, tandis que 'Answer the query based on chunks' traite les requêtes en se basant sur les données préparées. Les étapes suivantes incluent la gestion des métadonnées et la structuration des réponses via des nœuds comme 'Add in metadata' et 'Structured Output Parser'. Ce workflow n8n offre une valeur ajoutée significative en réduisant le temps de réponse et en améliorant la qualité des interactions, ce qui se traduit par une meilleure satisfaction client et une efficacité opérationnelle accrue.
Tags clés :automatisationOpenAIn8nintelligence artificielleGoogle Drive
🎯Pour qui ?🧩Problème résolu📋Étapes du flux🛠Guide de personnalisation
Catégorie: Manual · Tags: automatisation, OpenAI, n8n, intelligence artificielle, Google Drive❤ 0

Workflow n8n OpenAI, intelligence artificielle, Google Drive : vue d'ensemble

Schéma des nœuds et connexions de ce workflow n8n, généré à partir du JSON n8n.

React Flow
Besoin d'aide ?

Workflow n8n OpenAI, intelligence artificielle, Google Drive : détail des nœuds

  • When clicking "Execute Workflow"

    Ce noeud déclenche manuellement l'exécution du workflow.

  • Embeddings OpenAI

    Ce noeud génère des embeddings à partir de données en utilisant l'API OpenAI.

  • Sticky Note

    Ce noeud crée une note autocollante avec des paramètres de couleur, de largeur, de hauteur et de contenu.

  • Default Data Loader

    Ce noeud charge des données par défaut pour le traitement de documents.

  • Set file URL in Google Drive

    Ce noeud définit l'URL d'un fichier dans Google Drive.

  • Sticky Note2

    Ce noeud crée une seconde note autocollante avec des paramètres de hauteur et de contenu.

  • Add in metadata

    Ce noeud exécute un code JavaScript pour ajouter des métadonnées.

  • Download file

    Ce noeud télécharge un fichier depuis Google Drive en utilisant son ID.

  • Chat Trigger

    Ce noeud déclenche un événement de chat pour interagir avec un modèle de langage.

  • Prepare chunks

    Ce noeud prépare des morceaux de texte en exécutant un code JavaScript.

  • Embeddings OpenAI2

    Ce noeud génère des embeddings à partir de données en utilisant l'API OpenAI, similaire au premier.

  • OpenAI Chat Model

    Ce noeud utilise un modèle de chat OpenAI pour générer des réponses.

  • Set max chunks to send to model

    Ce noeud définit le nombre maximum de morceaux à envoyer au modèle.

  • Structured Output Parser

    Ce noeud parse la sortie structurée en fonction d'un schéma JSON.

  • Compose citations

    Ce noeud compose des citations à partir des données fournies.

  • Generate response

    Ce noeud génère une réponse en définissant des options et des affectations.

  • Sticky Note1

    Ce noeud crée une note autocollante avec des paramètres de couleur, de largeur, de hauteur et de contenu.

  • Answer the query based on chunks

    Ce noeud répond à une requête en se basant sur des morceaux de texte.

  • Sticky Note4

    Ce noeud crée une quatrième note autocollante avec des paramètres de couleur, de largeur, de hauteur et de contenu.

  • Get top chunks matching query

    Ce noeud récupère les meilleurs morceaux correspondant à une requête dans un magasin de vecteurs Pinecone.

  • Add to Pinecone vector store

    Ce noeud ajoute des données à un magasin de vecteurs Pinecone.

  • Recursive Character Text Splitter

    Ce noeud divise le texte de manière récursive en utilisant des caractères comme séparateurs.

Inscris-toi pour voir l'intégralité du workflow

Inscription gratuite

S'inscrire gratuitementBesoin d'aide ?
{
  "meta": {
    "instanceId": "cb484ba7b742928a2048bf8829668bed5b5ad9787579adea888f05980292a4a7",
    "templateId": "1960"
  },
  "nodes": [
    {
      "id": "296a935f-bd02-44bc-9e1e-3e4d6a307e38",
      "name": "When clicking \"Execute Workflow\"",
      "type": "n8n-nodes-base.manualTrigger",
      "position": [
        260,
        240
      ],
      "parameters": {},
      "typeVersion": 1
    },
    {
      "id": "61a38c00-f196-4b01-9274-c5e0f4c511bc",
      "name": "Embeddings OpenAI",
      "type": "@n8n/n8n-nodes-langchain.embeddingsOpenAi",
      "position": [
        1060,
        460
      ],
      "parameters": {
        "options": {}
      },
      "credentials": {
        "openAiApi": {
          "id": "VQtv7frm7eLiEDnd",
          "name": "OpenAi account 7"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "816066bd-02e8-4de2-bcee-ab81d890435a",
      "name": "Sticky Note",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        426.9261940355327,
        60.389291053299075
      ],
      "parameters": {
        "color": 7,
        "width": 1086.039382705461,
        "height": 728.4168721167887,
        "content": "## 1. Setup: Fetch file from Google Drive, split it into chunks and insert into a vector database\nNote that running this part multiple times will insert multiple copies into your DB"
      },
      "typeVersion": 1
    },
    {
      "id": "30cd81ad-d658-4c33-9a38-68e33b74cdae",
      "name": "Default Data Loader",
      "type": "@n8n/n8n-nodes-langchain.documentDefaultDataLoader",
      "position": [
        1240,
        460
      ],
      "parameters": {
        "options": {
          "metadata": {
            "metadataValues": [
              {
                "name": "file_url",
                "value": "={{ $json.file_url }}"
              },
              {
                "name": "file_name",
                "value": "={{ $('Add in metadata').item.json.file_name }}"
              }
            ]
          }
        },
        "dataType": "binary"
      },
      "typeVersion": 1
    },
    {
      "id": "718f09e0-67be-41a6-a90d-f58e64ffee4d",
      "name": "Set file URL in Google Drive",
      "type": "n8n-nodes-base.set",
      "position": [
        480,
        240
      ],
      "parameters": {
        "options": {},
        "assignments": {
          "assignments": [
            {
              "id": "50025ff5-1b53-475f-b150-2aafef1c4c21",
              "name": "file_url",
              "type": "string",
              "value": " https://drive.google.com/file/d/11Koq9q53nkk0F5Y8eZgaWJUVR03I4-MM/view"
            }
          ]
        }
      },
      "typeVersion": 3.3
    },
    {
      "id": "8f536a96-a6b1-4291-9cac-765759c396a8",
      "name": "Sticky Note2",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        -40,
        140
      ],
      "parameters": {
        "height": 350.7942096493649,
        "content": "# Try me out\n1. In Pinecone, create an index with 1536 dimensions and select it in the two vector store nodes\n2. Populate Pinecone by clicking the 'test workflow' button below\n3. Click the 'chat' button below and enter the following:\n\n_Which email provider does the creator of Bitcoin use?_"
      },
      "typeVersion": 1
    },
    {
      "id": "ec7c9407-93c3-47a6-90f2-6e6056f5af84",
      "name": "Add in metadata",
      "type": "n8n-nodes-base.code",
      "position": [
        900,
        240
      ],
      "parameters": {
        "mode": "runOnceForEachItem",
        "jsCode": "// Add a new field called 'myNewField' to the JSON of the item\n$input.item.json.file_name = $input.item.binary.data.fileName;\n$input.item.json.file_ext = $input.item.binary.data.fileExtension;\n$input.item.json.file_url = $('Set file URL in Google Drive').item.json.file_url\n\nreturn $input.item;"
      },
      "typeVersion": 2
    },
    {
      "id": "ab3131d5-4b04-48b4-b5d5-787e3ed18917",
      "name": "Download file",
      "type": "n8n-nodes-base.googleDrive",
      "position": [
        680,
        240
      ],
      "parameters": {
        "fileId": {
          "__rl": true,
          "mode": "url",
          "value": "={{ $json.file_url }}"
        },
        "options": {},
        "operation": "download"
      },
      "credentials": {
        "googleDriveOAuth2Api": {
          "id": "176",
          "name": "Google Drive account (David)"
        }
      },
      "typeVersion": 3
    },
    {
      "id": "764a865c-7efe-4eec-a34c-cc87c5f085b1",
      "name": "Chat Trigger",
      "type": "@n8n/n8n-nodes-langchain.chatTrigger",
      "position": [
        260,
        960
      ],
      "webhookId": "1727c687-aed0-49cf-96af-e7796819fbb3",
      "parameters": {},
      "typeVersion": 1
    },
    {
      "id": "36cd9a8d-7d89-49b3-8a81-baa278201a21",
      "name": "Prepare chunks",
      "type": "n8n-nodes-base.code",
      "position": [
        1080,
        960
      ],
      "parameters": {
        "jsCode": "let out = \"\"\nfor (const i in $input.all()) {\n let itemText = \"--- CHUNK \" + i + \" ---\\n\"\n itemText += $input.all()[i].json.document.pageContent + \"\\n\"\n itemText += \"\\n\"\n out += itemText\n}\n\nreturn {\n 'context': out\n};"
      },
      "typeVersion": 2
    },
    {
      "id": "6356bce2-9aae-43ed-97ce-a27cbfb80df9",
      "name": "Embeddings OpenAI2",
      "type": "@n8n/n8n-nodes-langchain.embeddingsOpenAi",
      "position": [
        700,
        1180
      ],
      "parameters": {
        "options": {}
      },
      "credentials": {
        "openAiApi": {
          "id": "VQtv7frm7eLiEDnd",
          "name": "OpenAi account 7"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "8fb697ea-f2e5-4105-b6c8-ab869c2e5ab2",
      "name": "OpenAI Chat Model",
      "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
      "position": [
        1320,
        1180
      ],
      "parameters": {
        "options": {}
      },
      "credentials": {
        "openAiApi": {
          "id": "VQtv7frm7eLiEDnd",
          "name": "OpenAi account 7"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "9a2b0152-d008-42cb-bc10-495135d5ef45",
      "name": "Set max chunks to send to model",
      "type": "n8n-nodes-base.set",
      "position": [
        480,
        960
      ],
      "parameters": {
        "options": {},
        "assignments": {
          "assignments": [
            {
              "id": "236047ff-75a2-47fd-b338-1e9763c4015e",
              "name": "chunks",
              "type": "number",
              "value": 4
            }
          ]
        },
        "includeOtherFields": true
      },
      "typeVersion": 3.3
    },
    {
      "id": "f2ab813f-0f0c-4d3a-a1de-7896ad736698",
      "name": "Structured Output Parser",
      "type": "@n8n/n8n-nodes-langchain.outputParserStructured",
      "position": [
        1500,
        1180
      ],
      "parameters": {
        "jsonSchema": "{\n \"type\": \"object\",\n \"properties\": {\n \"answer\": {\n \"type\": \"string\"\n },\n \"citations\": {\n \"type\": \"array\",\n \"items\": {\n \"type\": \"number\"\n }\n }\n }\n}"
      },
      "typeVersion": 1
    },
    {
      "id": "ada2a38b-0f6e-4115-97c0-000e97a5e62e",
      "name": "Compose citations",
      "type": "n8n-nodes-base.set",
      "position": [
        1680,
        960
      ],
      "parameters": {
        "options": {},
        "assignments": {
          "assignments": [
            {
              "id": "67ecefcf-a30c-4cc4-89ca-b9b23edd6585",
              "name": "citations",
              "type": "array",
              "value": "={{ $json.citations.map(i => '[' + $('Get top chunks matching query').all()[$json.citations].json.document.metadata.file_name + ', lines ' + $('Get top chunks matching query').all()[$json.citations].json.document.metadata['loc.lines.from'] + '-' + $('Get top chunks matching query').all()[$json.citations].json.document.metadata['loc.lines.to'] + ']') }}"
            }
          ]
        },
        "includeOtherFields": true
      },
      "typeVersion": 3.3
    },
    {
      "id": "8e115308-532e-4afd-b766-78e54c861f33",
      "name": "Generate response",
      "type": "n8n-nodes-base.set",
      "position": [
        1900,
        960
      ],
      "parameters": {
        "options": {},
        "assignments": {
          "assignments": [
            {
              "id": "d77956c4-0ff4-4c64-80c2-9da9d4c8ad34",
              "name": "text",
              "type": "string",
              "value": "={{ $json.answer }} {{ $if(!$json.citations.isEmpty(), \"\\n\" + $json.citations.join(\"\"), '') }}"
            }
          ]
        }
      },
      "typeVersion": 3.3
    },
    {
      "id": "40c5f9d8-38da-41ac-ab99-98f6010ba8bf",
      "name": "Sticky Note1",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        428.71587064297796,
        840
      ],
      "parameters": {
        "color": 7,
        "width": 1693.989843925635,
        "height": 548.5086735412393,
        "content": "## 2. Chat with file, getting citations in reponse"
      },
      "typeVersion": 1
    },
    {
      "id": "ef357a2b-bc8d-43f7-982f-73c3a85a60be",
      "name": "Answer the query based on chunks",
      "type": "@n8n/n8n-nodes-langchain.chainLlm",
      "position": [
        1300,
        960
      ],
      "parameters": {
        "text": "=Use the following pieces of context to answer the question at the end. If you don't know the answer, just say that you don't know, don't try to make up an answer. Important: In your response, also include the the indexes of the chunks you used to generate the answer.\n\n{{ $json.context }}\n\nQuestion: {{ $(\"Chat Trigger\").first().json.chatInput }}\nHelpful Answer:",
        "promptType": "define",
        "hasOutputParser": true
      },
      "typeVersion": 1.4
    },
    {
      "id": "cbb1b60c-b396-4f0e-8dc6-dfa41dbb178e",
      "name": "Sticky Note4",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        442.5682587140436,
        150.50554725042372
      ],
      "parameters": {
        "color": 7,
        "width": 179.58883583572606,
        "height": 257.75985739596473,
        "content": "Will fetch the Bitcoin whitepaper, but you can change this"
      },
      "typeVersion": 1
    },
    {
      "id": "1a5511b9-5a24-40d5-a5b1-830376226e4e",
      "name": "Get top chunks matching query",
      "type": "@n8n/n8n-nodes-langchain.vectorStorePinecone",
      "position": [
        700,
        960
      ],
      "parameters": {
        "mode": "load",
        "topK": "={{ $json.chunks }}",
        "prompt": "={{ $json.chatInput }}",
        "options": {},
        "pineconeIndex": {
          "__rl": true,
          "mode": "list",
          "value": "test-index",
          "cachedResultName": "test-index"
        }
      },
      "credentials": {
        "pineconeApi": {
          "id": "eDN8BmzFKMhUNsia",
          "name": "PineconeApi account (David)"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "d8d210cf-f12e-4e82-9b28-f531d2ff14a6",
      "name": "Add to Pinecone vector store",
      "type": "@n8n/n8n-nodes-langchain.vectorStorePinecone",
      "position": [
        1120,
        240
      ],
      "parameters": {
        "mode": "insert",
        "options": {},
        "pineconeIndex": {
          "__rl": true,
          "mode": "list",
          "value": "test-index",
          "cachedResultName": "test-index"
        }
      },
      "credentials": {
        "pineconeApi": {
          "id": "eDN8BmzFKMhUNsia",
          "name": "PineconeApi account (David)"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "c501568b-fb49-487d-bced-757e3d7ed13c",
      "name": "Recursive Character Text Splitter",
      "type": "@n8n/n8n-nodes-langchain.textSplitterRecursiveCharacterTextSplitter",
      "position": [
        1240,
        620
      ],
      "parameters": {
        "chunkSize": 3000,
        "chunkOverlap": 200
      },
      "typeVersion": 1
    }
  ],
  "pinData": {},
  "connections": {
    "Chat Trigger": {
      "main": [
        [
          {
            "node": "Set max chunks to send to model",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Download file": {
      "main": [
        [
          {
            "node": "Add in metadata",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Prepare chunks": {
      "main": [
        [
          {
            "node": "Answer the query based on chunks",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Add in metadata": {
      "main": [
        [
          {
            "node": "Add to Pinecone vector store",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Compose citations": {
      "main": [
        [
          {
            "node": "Generate response",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Embeddings OpenAI": {
      "ai_embedding": [
        [
          {
            "node": "Add to Pinecone vector store",
            "type": "ai_embedding",
            "index": 0
          }
        ]
      ]
    },
    "OpenAI Chat Model": {
      "ai_languageModel": [
        [
          {
            "node": "Answer the query based on chunks",
            "type": "ai_languageModel",
            "index": 0
          }
        ]
      ]
    },
    "Embeddings OpenAI2": {
      "ai_embedding": [
        [
          {
            "node": "Get top chunks matching query",
            "type": "ai_embedding",
            "index": 0
          }
        ]
      ]
    },
    "Default Data Loader": {
      "ai_document": [
        [
          {
            "node": "Add to Pinecone vector store",
            "type": "ai_document",
            "index": 0
          }
        ]
      ]
    },
    "Structured Output Parser": {
      "ai_outputParser": [
        [
          {
            "node": "Answer the query based on chunks",
            "type": "ai_outputParser",
            "index": 0
          }
        ]
      ]
    },
    "Set file URL in Google Drive": {
      "main": [
        [
          {
            "node": "Download file",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Get top chunks matching query": {
      "main": [
        [
          {
            "node": "Prepare chunks",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Set max chunks to send to model": {
      "main": [
        [
          {
            "node": "Get top chunks matching query",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Answer the query based on chunks": {
      "main": [
        [
          {
            "node": "Compose citations",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "When clicking \"Execute Workflow\"": {
      "main": [
        [
          {
            "node": "Set file URL in Google Drive",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Recursive Character Text Splitter": {
      "ai_textSplitter": [
        [
          {
            "node": "Default Data Loader",
            "type": "ai_textSplitter",
            "index": 0
          }
        ]
      ]
    }
  }
}

Workflow n8n OpenAI, intelligence artificielle, Google Drive : pour qui est ce workflow ?

Ce workflow s'adresse aux entreprises de taille moyenne à grande qui souhaitent intégrer des solutions d'intelligence artificielle dans leurs processus. Les équipes marketing, service client et développement de produits bénéficieront particulièrement de cette automatisation n8n. Un niveau technique intermédiaire est recommandé pour la personnalisation du workflow.

Workflow n8n OpenAI, intelligence artificielle, Google Drive : problème résolu

Ce workflow résout le problème de la lenteur et de l'inefficacité dans la gestion des requêtes clients. En automatisant le processus de réponse, il élimine les frustrations liées aux délais d'attente et réduit le risque d'erreurs humaines. Les utilisateurs peuvent s'attendre à des réponses plus rapides et plus précises, améliorant ainsi l'expérience client et optimisant les ressources internes.

Workflow n8n OpenAI, intelligence artificielle, Google Drive : étapes du workflow

Étape 1 : Le workflow est déclenché manuellement par un clic sur 'Execute Workflow'.

  • Étape 1 : Les données sont chargées via 'Default Data Loader'.
  • Étape 2 : Les 'Embeddings OpenAI' transforment les données en vecteurs.
  • Étape 3 : Le 'Chat Trigger' initie la conversation.
  • Étape 4 : Les requêtes sont traitées dans 'Answer the query based on chunks', qui utilise les données préparées.
  • Étape 5 : Les métadonnées sont ajoutées et les réponses sont structurées pour une meilleure présentation.

Workflow n8n OpenAI, intelligence artificielle, Google Drive : guide de personnalisation

Pour personnaliser ce workflow, commencez par ajuster les paramètres du nœud 'Default Data Loader' pour définir le type de données que vous souhaitez traiter. Modifiez les options dans les nœuds 'Embeddings OpenAI' et 'OpenAI Chat Model' pour adapter les réponses générées à vos besoins spécifiques. Vous pouvez également changer l'ID du fichier dans le nœud 'Set file URL in Google Drive' pour lier vos documents. Assurez-vous de tester le flux après chaque modification pour garantir son bon fonctionnement.