Automatisation OpenAI avec n8n : intégration de notes et code
Ce workflow n8n a pour objectif d'intégrer des fonctionnalités d'OpenAI dans un processus d'automatisation, permettant ainsi de générer des notes et d'exécuter du code personnalisé. Dans un contexte où les entreprises cherchent à optimiser leur productivité, ce workflow peut être utilisé par des équipes de développement, des professionnels du marketing ou toute organisation souhaitant tirer parti de l'intelligence artificielle pour automatiser des tâches répétitives. Par exemple, il peut être utilisé pour créer des résumés de documents ou générer des réponses automatiques à des questions fréquentes.
- Étape 1 : le workflow est déclenché manuellement via le nœud 'When clicking "Execute Workflow"'.
- Étape 2 : les données sont préparées avec le nœud 'Set', qui définit les valeurs nécessaires pour l'exécution.
- Étape 3 : le nœud 'OpenAI' interroge le modèle d'OpenAI pour obtenir des résultats basés sur les données fournies.
- Étape 4 : les résultats sont ensuite traités par le nœud 'Chat OpenAI', qui permet d'interagir avec le modèle de manière conversationnelle.
- Étape 5 : les notes sont créées et affichées via les nœuds 'Sticky Note' pour une visualisation rapide des résultats. Enfin, les nœuds 'Custom - Wikipedia' et 'Custom - LLM Chain Node' permettent d'exécuter du code personnalisé, offrant ainsi une flexibilité supplémentaire. Cette automatisation n8n apporte une valeur ajoutée en réduisant le temps de traitement des informations et en améliorant la réactivité des équipes face aux demandes.
Workflow n8n OpenAI, intelligence artificielle, productivité : vue d'ensemble
Schéma des nœuds et connexions de ce workflow n8n, généré à partir du JSON n8n.
Workflow n8n OpenAI, intelligence artificielle, productivité : détail des nœuds
Inscris-toi pour voir l'intégralité du workflow
Inscription gratuite
S'inscrire gratuitementBesoin d'aide ?{
"id": "q2MJWAqpKF2BCJkq",
"meta": {
"instanceId": "021d3c82ba2d3bc090cbf4fc81c9312668bcc34297e022bb3438c5c88a43a5ff"
},
"name": "LangChain - Example - Code Node Example",
"tags": [
{
"id": "snf16n0p2UrGP838",
"name": "LangChain - Example",
"createdAt": "2023-09-25T16:21:55.962Z",
"updatedAt": "2023-09-25T16:21:55.962Z"
}
],
"nodes": [
{
"id": "ad1a920e-1048-4b58-9c4a-a0469a1f189d",
"name": "OpenAI",
"type": "@n8n/n8n-nodes-langchain.lmOpenAi",
"position": [
900,
628
],
"parameters": {
"options": {}
},
"credentials": {
"openAiApi": {
"id": "4jRB4A20cPycBqP5",
"name": "OpenAI account - n8n"
}
},
"typeVersion": 1
},
{
"id": "7dd04ecd-f169-455c-9c90-140140e37542",
"name": "Sticky Note",
"type": "n8n-nodes-base.stickyNote",
"position": [
800,
340
],
"parameters": {
"width": 432,
"height": 237,
"content": "## Self-coded LLM Chain Node"
},
"typeVersion": 1
},
{
"id": "05ad7d68-5dc8-42f2-8274-fcb5bdeb68cb",
"name": "When clicking \"Execute Workflow\"",
"type": "n8n-nodes-base.manualTrigger",
"position": [
280,
428
],
"parameters": {},
"typeVersion": 1
},
{
"id": "39e2fd34-3261-44a1-aa55-96f169d55aad",
"name": "Set",
"type": "n8n-nodes-base.set",
"position": [
620,
428
],
"parameters": {
"values": {
"string": [
{
"name": "input",
"value": "Tell me a joke"
}
]
},
"options": {}
},
"typeVersion": 2
},
{
"id": "42a3184c-0c62-4e79-9220-7a93e313317e",
"name": "Set1",
"type": "n8n-nodes-base.set",
"position": [
620,
820
],
"parameters": {
"values": {
"string": [
{
"name": "input",
"value": "What year was Einstein born?"
}
]
},
"options": {}
},
"typeVersion": 2
},
{
"id": "4e2af29d-7fc4-484b-8028-1b9a84d60172",
"name": "Chat OpenAI",
"type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
"position": [
731,
1108
],
"parameters": {
"options": {}
},
"credentials": {
"openAiApi": {
"id": "4jRB4A20cPycBqP5",
"name": "OpenAI account - n8n"
}
},
"typeVersion": 1
},
{
"id": "334e9176-3a18-4838-84cb-70e8154f1a30",
"name": "Sticky Note1",
"type": "n8n-nodes-base.stickyNote",
"position": [
880,
1028
],
"parameters": {
"width": 320.2172923777021,
"height": 231,
"content": "## Self-coded Tool Node"
},
"typeVersion": 1
},
{
"id": "05e0d5c6-df18-42ba-99b6-a2b65633a14d",
"name": "Custom - Wikipedia",
"type": "@n8n/n8n-nodes-langchain.code",
"position": [
971,
1108
],
"parameters": {
"code": {
"supplyData": {
"code": "console.log('Custom Wikipedia Node runs');\nconst { WikipediaQueryRun } = require('langchain/tools');\nreturn new WikipediaQueryRun();"
}
},
"outputs": {
"output": [
{
"type": "ai_tool"
}
]
}
},
"typeVersion": 1
},
{
"id": "9c729e9a-f173-430c-8bcd-74101b614891",
"name": "Custom - LLM Chain Node",
"type": "@n8n/n8n-nodes-langchain.code",
"position": [
880,
428
],
"parameters": {
"code": {
"execute": {
"code": "const { PromptTemplate } = require('langchain/prompts');\n\nconst query = $input.item.json.input;\nconst prompt = PromptTemplate.fromTemplate(query);\nconst llm = await this.getInputConnectionData('ai_languageModel', 0);\nlet chain = prompt.pipe(llm);\nconst output = await chain.invoke();\nreturn [ {json: { output } } ];"
}
},
"inputs": {
"input": [
{
"type": "main"
},
{
"type": "ai_languageModel",
"required": true,
"maxConnections": 1
}
]
},
"outputs": {
"output": [
{
"type": "main"
}
]
}
},
"typeVersion": 1
},
{
"id": "6427bbf0-49a6-4810-9744-87d88151e914",
"name": "Agent",
"type": "@n8n/n8n-nodes-langchain.agent",
"position": [
880,
820
],
"parameters": {
"options": {}
},
"typeVersion": 1
}
],
"active": false,
"pinData": {},
"settings": {
"executionOrder": "v1"
},
"versionId": "e14a709d-08fe-4ed7-903a-fb2bae80b28a",
"connections": {
"Set": {
"main": [
[
{
"node": "Custom - LLM Chain Node",
"type": "main",
"index": 0
}
]
]
},
"Set1": {
"main": [
[
{
"node": "Agent",
"type": "main",
"index": 0
}
]
]
},
"OpenAI": {
"ai_languageModel": [
[
{
"node": "Custom - LLM Chain Node",
"type": "ai_languageModel",
"index": 0
}
]
]
},
"Chat OpenAI": {
"ai_languageModel": [
[
{
"node": "Agent",
"type": "ai_languageModel",
"index": 0
}
]
]
},
"Custom - Wikipedia": {
"ai_tool": [
[
{
"node": "Agent",
"type": "ai_tool",
"index": 0
}
]
]
},
"When clicking \"Execute Workflow\"": {
"main": [
[
{
"node": "Set",
"type": "main",
"index": 0
},
{
"node": "Set1",
"type": "main",
"index": 0
}
]
]
}
}
}Workflow n8n OpenAI, intelligence artificielle, productivité : pour qui est ce workflow ?
Ce workflow s'adresse principalement aux équipes techniques et marketing des entreprises de taille moyenne à grande, cherchant à intégrer des solutions d'intelligence artificielle dans leurs processus. Un niveau technique intermédiaire est recommandé pour la personnalisation et l'optimisation du workflow.
Workflow n8n OpenAI, intelligence artificielle, productivité : problème résolu
Ce workflow résout le problème de la gestion manuelle des informations en automatisant le processus de création de notes et d'exécution de code. Il élimine les frustrations liées à la répétition de tâches et réduit le risque d'erreurs humaines. En intégrant OpenAI, les utilisateurs peuvent générer des réponses et des résumés rapidement, ce qui améliore l'efficacité et la productivité au sein de l'organisation.
Workflow n8n OpenAI, intelligence artificielle, productivité : étapes du workflow
Étape 1 : le workflow est déclenché manuellement via le nœud 'When clicking "Execute Workflow"'.
- Étape 1 : les valeurs nécessaires sont définies dans le nœud 'Set'.
- Étape 2 : le nœud 'OpenAI' interroge le modèle d'OpenAI pour obtenir des résultats.
- Étape 3 : les résultats sont traités par le nœud 'Chat OpenAI'.
- Étape 4 : des notes sont créées avec le nœud 'Sticky Note' pour visualiser les résultats.
- Étape 5 : le code personnalisé est exécuté via les nœuds 'Custom - Wikipedia' et 'Custom - LLM Chain Node'.
Workflow n8n OpenAI, intelligence artificielle, productivité : guide de personnalisation
Pour personnaliser ce workflow, vous pouvez modifier les paramètres du nœud 'OpenAI' pour ajuster les requêtes envoyées au modèle. Il est également possible de changer le contenu des nœuds 'Sticky Note' pour afficher des informations spécifiques. Pour intégrer d'autres outils, vous pouvez ajouter des nœuds supplémentaires ou modifier les connexions existantes. Assurez-vous de sécuriser le flux en vérifiant les permissions d'accès aux données et en monitorant les performances du workflow.