← Retour aux workflows
Workflow n8n

Automatisation OpenAI avec n8n : gestion de données et chat

  • Ce workflow n8n a pour objectif de faciliter l'interaction avec un modèle de langage OpenAI tout en gérant des données locales. Il est particulièrement utile pour les entreprises qui souhaitent intégrer des capacités d'intelligence artificielle dans leurs processus, comme le support client ou l'analyse de données. En utilisant ce workflow, les utilisateurs peuvent facilement charger des fichiers de données, interagir avec un agent AI et obtenir des réponses contextuelles basées sur des données préalablement stockées.
  • Le déroulé commence par un déclencheur manuel qui permet à l'utilisateur de tester le workflow. Ensuite, le workflow récupère un fichier zip contenant une base de données d'exemple via une requête HTTP. Ce fichier est ensuite extrait et enregistré localement. Une fois la base de données chargée, le modèle de langage OpenAI est utilisé pour traiter les entrées de chat, en combinant ces entrées avec les données binaires de la base de données. Des notes autocollantes sont également créées pour visualiser les informations pertinentes tout au long du processus.
  • Les bénéfices business de ce workflow incluent une automatisation efficace des interactions avec les clients, une réduction des erreurs humaines lors de la gestion des données et une amélioration de la réactivité grâce à l'intégration d'AI. En somme, ce workflow représente une valeur ajoutée significative pour toute organisation cherchant à optimiser ses processus grâce à l'automatisation n8n.
Tags clés :automatisationOpenAIn8nintelligence artificiellegestion de données
🎯Pour qui ?🧩Problème résolu📋Étapes du flux🛠Guide de personnalisation
Catégorie: Manual · Tags: automatisation, OpenAI, n8n, intelligence artificielle, gestion de données❤ 0

Workflow n8n OpenAI, intelligence artificielle, gestion de données : 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, gestion de données : détail des nœuds

  • Window Buffer Memory

    Ce noeud gère la mémoire tampon en définissant la longueur de la fenêtre de contexte.

  • OpenAI Chat Model

    Ce noeud utilise le modèle de chat OpenAI pour générer des réponses basées sur les options fournies.

  • When clicking "Test workflow"

    Ce noeud déclenche manuellement le workflow lorsque l'utilisateur clique sur 'Test workflow'.

  • Get chinook.zip example

    Ce noeud effectue une requête HTTP pour récupérer un fichier zip depuis une URL spécifiée.

  • Extract zip file

    Ce noeud extrait le contenu d'un fichier zip pour en traiter les fichiers internes.

  • Save chinook.db locally

    Ce noeud enregistre localement la base de données chinook.db à partir des données fournies.

  • Load local chinook.db

    Ce noeud charge la base de données chinook.db à partir d'un fichier local.

  • Sticky Note

    Ce noeud crée une note autocollante avec les dimensions et le contenu spécifiés.

  • Sticky Note1

    Ce noeud crée une seconde note autocollante avec des dimensions et un contenu définis.

  • Combine chat input with the binary

    Ce noeud combine l'entrée du chat avec des données binaires selon les options spécifiées.

  • Sticky Note2

    Ce noeud crée une troisième note autocollante avec les paramètres de taille et de contenu fournis.

  • AI Agent

    Ce noeud représente un agent AI qui interagit avec les données sources selon les options définies.

  • Chat Trigger

    Ce noeud déclenche le chat en utilisant le mécanisme de déclenchement spécifique à l'agent AI.

Inscris-toi pour voir l'intégralité du workflow

Inscription gratuite

S'inscrire gratuitementBesoin d'aide ?
{
  "id": "AQJ6QnF2yVdCWMnx",
  "meta": {
    "instanceId": "fb924c73af8f703905bc09c9ee8076f48c17b596ed05b18c0ff86915ef8a7c4a",
    "templateCredsSetupCompleted": true
  },
  "name": "SQL agent with memory",
  "tags": [],
  "nodes": [
    {
      "id": "3544950e-4d8e-46ca-8f56-61c152a5cae3",
      "name": "Window Buffer Memory",
      "type": "@n8n/n8n-nodes-langchain.memoryBufferWindow",
      "position": [
        1220,
        500
      ],
      "parameters": {
        "contextWindowLength": 10
      },
      "typeVersion": 1.2
    },
    {
      "id": "743cc4e7-5f24-4adc-b872-7241ee775bd0",
      "name": "OpenAI Chat Model",
      "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
      "position": [
        1000,
        500
      ],
      "parameters": {
        "model": "gpt-4-turbo",
        "options": {
          "temperature": 0.3
        }
      },
      "credentials": {
        "openAiApi": {
          "id": "rveqdSfp7pCRON1T",
          "name": "Ted's Tech Talks OpenAi"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "cc30066c-ad2c-4729-82c1-a6b0f4214dee",
      "name": "When clicking \"Test workflow\"",
      "type": "n8n-nodes-base.manualTrigger",
      "position": [
        500,
        -80
      ],
      "parameters": {},
      "typeVersion": 1
    },
    {
      "id": "0deacd0d-45cb-4738-8da0-9d1251858867",
      "name": "Get chinook.zip example",
      "type": "n8n-nodes-base.httpRequest",
      "position": [
        700,
        -80
      ],
      "parameters": {
        "url": "https://www.sqlitetutorial.net/wp-content/uploads/2018/03/chinook.zip",
        "options": {}
      },
      "typeVersion": 4.2
    },
    {
      "id": "61f34708-f8ed-44a9-8522-6042d28511ae",
      "name": "Extract zip file",
      "type": "n8n-nodes-base.compression",
      "position": [
        900,
        -80
      ],
      "parameters": {},
      "typeVersion": 1.1
    },
    {
      "id": "6a12d9ac-f1b7-4267-8b34-58cdb9d347bb",
      "name": "Save chinook.db locally",
      "type": "n8n-nodes-base.readWriteFile",
      "position": [
        1100,
        -80
      ],
      "parameters": {
        "options": {},
        "fileName": "./chinook.db",
        "operation": "write",
        "dataPropertyName": "file_0"
      },
      "typeVersion": 1
    },
    {
      "id": "701d1325-4186-4185-886a-3738163db603",
      "name": "Load local chinook.db",
      "type": "n8n-nodes-base.readWriteFile",
      "position": [
        620,
        360
      ],
      "parameters": {
        "options": {},
        "fileSelector": "./chinook.db"
      },
      "typeVersion": 1
    },
    {
      "id": "d7b3813d-8180-4ff1-87a4-bd54a03043af",
      "name": "Sticky Note",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        440,
        -280.9454545454546
      ],
      "parameters": {
        "width": 834.3272727272731,
        "height": 372.9454545454546,
        "content": "## Run this part only once\nThis section:\n* downloads the example zip file from https://www.sqlitetutorial.net/sqlite-sample-database/\n* extracts the archive (it contains only a single file)\n* saves the extracted `chinook.db` SQLite database locally\n\nNow you can use chat to \"talk\" to your data!"
      },
      "typeVersion": 1
    },
    {
      "id": "6bd25563-2c59-44c2-acf9-407bd28a15cf",
      "name": "Sticky Note1",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        400,
        240
      ],
      "parameters": {
        "width": 558.5454545454544,
        "height": 297.89090909090913,
        "content": "## On every chat message:\n* the local SQLite database is loaded\n* JSON from Chat Trigger is combined with SQLite binary data"
      },
      "typeVersion": 1
    },
    {
      "id": "2be63956-236e-46f7-b8e4-0f55e2e25a5c",
      "name": "Combine chat input with the binary",
      "type": "n8n-nodes-base.set",
      "position": [
        820,
        360
      ],
      "parameters": {
        "mode": "raw",
        "options": {
          "includeBinary": true
        },
        "jsonOutput": "={{ $('Chat Trigger').item.json }}\n"
      },
      "typeVersion": 3.3
    },
    {
      "id": "7f4c9adb-eab4-40d7-ad2e-44f2c0e3e30a",
      "name": "Sticky Note2",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        980,
        120
      ],
      "parameters": {
        "width": 471.99692219161466,
        "height": 511.16641410437836,
        "content": "### LangChain SQL Agent can make several queries before producing the final answer.\nTry these examples:\n1. \"Please describe the database\". This input usually requires just 1 query + an extra observation to produce a final answer.\n2. \"What are the revenues by genre?\". This input will launch a series of Agent actions, because it needs to make several queries.\n\nThe final answer is stored in the memory and will be recalled on the next input from the user."
      },
      "typeVersion": 1
    },
    {
      "id": "ac819eb5-13b2-4280-b9d6-06ec1209700e",
      "name": "AI Agent",
      "type": "@n8n/n8n-nodes-langchain.agent",
      "position": [
        1020,
        360
      ],
      "parameters": {
        "agent": "sqlAgent",
        "options": {},
        "dataSource": "sqlite"
      },
      "typeVersion": 1.6
    },
    {
      "id": "5ecaa3eb-e93e-4e41-bbc0-98a8c2b2d463",
      "name": "Chat Trigger",
      "type": "@n8n/n8n-nodes-langchain.chatTrigger",
      "position": [
        420,
        360
      ],
      "webhookId": "fb565f08-a459-4ff9-8249-1ede58599660",
      "parameters": {},
      "typeVersion": 1
    }
  ],
  "active": false,
  "pinData": {},
  "settings": {
    "executionOrder": "v1"
  },
  "versionId": "fbc06ddd-dbd8-49ee-bbee-2f495d5651a2",
  "connections": {
    "Chat Trigger": {
      "main": [
        [
          {
            "node": "Load local chinook.db",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Extract zip file": {
      "main": [
        [
          {
            "node": "Save chinook.db locally",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "OpenAI Chat Model": {
      "ai_languageModel": [
        [
          {
            "node": "AI Agent",
            "type": "ai_languageModel",
            "index": 0
          }
        ]
      ]
    },
    "Window Buffer Memory": {
      "ai_memory": [
        [
          {
            "node": "AI Agent",
            "type": "ai_memory",
            "index": 0
          }
        ]
      ]
    },
    "Load local chinook.db": {
      "main": [
        [
          {
            "node": "Combine chat input with the binary",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Get chinook.zip example": {
      "main": [
        [
          {
            "node": "Extract zip file",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "When clicking \"Test workflow\"": {
      "main": [
        [
          {
            "node": "Get chinook.zip example",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Combine chat input with the binary": {
      "main": [
        [
          {
            "node": "AI Agent",
            "type": "main",
            "index": 0
          }
        ]
      ]
    }
  }
}

Workflow n8n OpenAI, intelligence artificielle, gestion de données : pour qui est ce workflow ?

Ce workflow s'adresse aux entreprises de taille moyenne à grande souhaitant intégrer des solutions d'intelligence artificielle dans leurs opérations. Il est particulièrement adapté aux équipes techniques et aux professionnels du data management qui recherchent des solutions d'automatisation pour améliorer leur efficacité opérationnelle.

Workflow n8n OpenAI, intelligence artificielle, gestion de données : problème résolu

Ce workflow résout le problème de la gestion manuelle des données et de l'interaction avec les modèles de langage. En automatisant ces processus, il élimine les frustrations liées à la recherche d'informations dans des bases de données volumineuses et réduit le temps nécessaire pour obtenir des réponses précises. Les utilisateurs bénéficient d'une interaction fluide avec l'AI, ce qui améliore la satisfaction client et optimise les processus décisionnels.

Workflow n8n OpenAI, intelligence artificielle, gestion de données : étapes du workflow

Étape 1 : Le workflow est déclenché manuellement par l'utilisateur.

  • Étape 1 : Une requête HTTP est effectuée pour récupérer un fichier zip contenant une base de données.
  • Étape 2 : Le fichier zip est extrait pour accéder aux données.
  • Étape 3 : Les données sont enregistrées localement pour un accès facile.
  • Étape 4 : La base de données est chargée dans le système.
  • Étape 5 : L'utilisateur peut interagir avec le modèle de langage OpenAI via un chat, combinant les entrées avec les données binaires.
  • Étape 6 : Des notes autocollantes sont créées pour afficher les informations pertinentes.

Workflow n8n OpenAI, intelligence artificielle, gestion de données : guide de personnalisation

Pour personnaliser ce workflow, vous pouvez modifier l'URL de la requête HTTP pour pointer vers votre propre fichier zip. Assurez-vous également de définir correctement les paramètres du modèle OpenAI selon vos besoins spécifiques. Si vous souhaitez intégrer d'autres sources de données, vous pouvez ajouter des nœuds supplémentaires pour les traiter. Pour sécuriser le flux, pensez à mettre en place des contrôles d'accès appropriés sur les fichiers et les données utilisées.