Workflow n8n
Automatisation PostgreSQL avec n8n : chat interactif en temps réel
Ce workflow n8n a pour objectif de faciliter les interactions entre un utilisateur et une base de données PostgreSQL via un système de chat. Dans un contexte où les entreprises cherchent à optimiser leur gestion de données, ce type d'automatisation permet d'accéder rapidement à des informations précises sans nécessiter de compétences techniques avancées. Les cas d'usage incluent la consultation de données, la génération de rapports ou encore la réponse à des requêtes spécifiques en temps réel.
- Étape 1 : Le workflow débute avec le déclencheur 'When chat message received', qui capte les messages envoyés par l'utilisateur.
- Étape 2 : Ensuite, l'agent AI est activé pour traiter la requête, utilisant le modèle de chat OpenAI pour interpréter et répondre de manière pertinente.
- Étape 3 : Le workflow interroge la base de données PostgreSQL pour obtenir la définition des tables via le nœud 'Get Table Definition'.
- Étape 4 : Les requêtes SQL sont exécutées grâce au nœud 'Execute SQL Query', permettant d'extraire les données demandées.
- Étape 5 : Les résultats sont ensuite affichés sous forme de notes autocollantes, offrant une interface visuelle claire et intuitive. Les bénéfices business de ce workflow résident dans la réduction du temps d'accès aux données et l'amélioration de l'expérience utilisateur. En permettant une interaction fluide et instantanée avec la base de données, les entreprises peuvent prendre des décisions plus éclairées et réactives, tout en libérant des ressources techniques pour d'autres tâches.
Tags clés :automatisationPostgreSQLchatn8nintelligence artificielle
Catégorie: Webhook · Tags: automatisation, PostgreSQL, chat, n8n, intelligence artificielle❤ 0
Workflow n8n PostgreSQL, chat, intelligence artificielle : vue d'ensemble
Schéma des nœuds et connexions de ce workflow n8n, généré à partir du JSON n8n.
Workflow n8n PostgreSQL, chat, intelligence artificielle : détail des nœuds
Inscris-toi pour voir l'intégralité du workflow
Inscription gratuite
S'inscrire gratuitementBesoin d'aide ?{
"id": "eOUewYsEzJmQixI6",
"meta": {
"instanceId": "77c4feba8f41570ef06dc76ece9a6ded0f0d44f7f1477a64c2d71a8508c11faa",
"templateCredsSetupCompleted": true
},
"name": "Chat with Postgresql Database",
"tags": [],
"nodes": [
{
"id": "6501a54f-a68c-452d-b353-d7e871ca3780",
"name": "When chat message received",
"type": "@n8n/n8n-nodes-langchain.chatTrigger",
"position": [
-300,
-80
],
"webhookId": "cf1de04f-3e38-426c-89f0-3bdb110a5dcf",
"parameters": {
"options": {}
},
"typeVersion": 1.1
},
{
"id": "cd32221b-2a36-408d-b57e-8115fcd810c9",
"name": "AI Agent",
"type": "@n8n/n8n-nodes-langchain.agent",
"position": [
0,
-80
],
"parameters": {
"agent": "openAiFunctionsAgent",
"options": {
"systemMessage": "You are DB assistant. You need to run queries in DB aligned with user requests.\n\nRun custom SQL query to aggregate data and response to user. Make sure every table has schema prefix to it in sql query which you can get from `Get DB Schema and Tables List` tool.\n\nFetch all data to analyse it for response if needed.\n\n## Tools\n\n- Execute SQL query - Executes any sql query generated by AI\n- Get DB Schema and Tables List - Lists all the tables in database with its schema name\n- Get Table Definition - Gets the table definition from db using table name and schema name"
}
},
"typeVersion": 1.7
},
{
"id": "8accbeeb-7eaf-4e9e-aabc-de8ab3a0459b",
"name": "OpenAI Chat Model",
"type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
"position": [
-60,
160
],
"parameters": {
"model": {
"__rl": true,
"mode": "list",
"value": "gpt-4o-mini"
},
"options": {}
},
"credentials": {
"openAiApi": {
"id": "48uG61Ilo8jndw3r",
"name": "Your OpenAI Account Credentials"
}
},
"typeVersion": 1.2
},
{
"id": "11f2013f-a080-4c9e-8773-c90492e2c628",
"name": "Get Table Definition",
"type": "n8n-nodes-base.postgresTool",
"position": [
780,
140
],
"parameters": {
"query": "select\n c.column_name,\n c.data_type,\n c.is_nullable,\n c.column_default,\n tc.constraint_type,\n ccu.table_name AS referenced_table,\n ccu.column_name AS referenced_column\nfrom\n information_schema.columns c\nLEFT join\n information_schema.key_column_usage kcu\n ON c.table_name = kcu.table_name\n AND c.column_name = kcu.column_name\nLEFT join\n information_schema.table_constraints tc\n ON kcu.constraint_name = tc.constraint_name\n AND tc.constraint_type = 'FOREIGN KEY'\nLEFT join\n information_schema.constraint_column_usage ccu\n ON tc.constraint_name = ccu.constraint_name\nwhere\n c.table_name = '{{ $fromAI(\"table_name\") }}'\n AND c.table_schema = '{{ $fromAI(\"schema_name\") }}'\norder by\n c.ordinal_position",
"options": {},
"operation": "executeQuery",
"descriptionType": "manual",
"toolDescription": "Get table definition to find all columns and types"
},
"credentials": {
"postgres": {
"id": "nGI61D0TEEZz18rr",
"name": "Your Postgresql Database Credentials"
}
},
"typeVersion": 2.5
},
{
"id": "760bc9bc-0057-4088-b3f0-3ee37b3519df",
"name": "Sticky Note",
"type": "n8n-nodes-base.stickyNote",
"position": [
-300,
-240
],
"parameters": {
"color": 5,
"width": 560,
"height": 120,
"content": "### 👨🎤 Setup\n1. Add your **postgresql** and **OpenAI** credentials.\n2. Click **Chat** button and start asking questions to your database.\n3. Activate the workflow and you can make the chat publicly available."
},
"typeVersion": 1
},
{
"id": "0df33341-c859-4a54-b6d9-a99670e8d76d",
"name": "Chat History",
"type": "@n8n/n8n-nodes-langchain.memoryBufferWindow",
"position": [
120,
160
],
"parameters": {},
"typeVersion": 1.3
},
{
"id": "4938b22e-f187-4ca0-b9f1-60835e823799",
"name": "Sticky Note3",
"type": "n8n-nodes-base.stickyNote",
"position": [
360,
300
],
"parameters": {
"color": 7,
"width": 562,
"height": 156,
"content": "🛠️ Tools Used:\n1. Execute SQL Query: Used to execute any query generated by the agent.\n2. Get DB Schema and Tables List: It returns the list of all the tables with its schema name.\n3. Get Table Definition: It returns table details like column names, foreign keys and more of a particular table in a schema."
},
"typeVersion": 1
},
{
"id": "39780c78-4fbc-403e-a220-aa6a4b06df8c",
"name": "Sticky Note1",
"type": "n8n-nodes-base.stickyNote",
"position": [
-100,
300
],
"parameters": {
"color": 7,
"width": 162,
"height": 99,
"content": "👆 You can exchange this with any other chat model of your choice."
},
"typeVersion": 1
},
{
"id": "28a5692c-5003-46cb-9a09-b7867734f446",
"name": "Sticky Note2",
"type": "n8n-nodes-base.stickyNote",
"position": [
100,
300
],
"parameters": {
"color": 7,
"width": 162,
"height": 159,
"content": "👆 You can change how many number of messages to keep using `Context Window Length` option. It's 5 by default."
},
"typeVersion": 1
},
{
"id": "c18ced71-6330-4ba0-9c52-1bb5852b3039",
"name": "Execute SQL Query",
"type": "n8n-nodes-base.postgresTool",
"position": [
380,
140
],
"parameters": {
"query": "{{ $fromAI(\"sql_query\", \"SQL Query\") }}",
"options": {},
"operation": "executeQuery",
"descriptionType": "manual",
"toolDescription": "Get all the data from Postgres, make sure you append the tables with correct schema. Every table is associated with some schema in the database."
},
"credentials": {
"postgres": {
"id": "nGI61D0TEEZz18rr",
"name": "Your Postgresql Database Credentials"
}
},
"typeVersion": 2.5
},
{
"id": "557623c6-e499-48a6-a066-744f64f8b6f3",
"name": "Get DB Schema and Tables List",
"type": "n8n-nodes-base.postgresTool",
"position": [
580,
140
],
"parameters": {
"query": "SELECT \n table_schema,\n table_name\nFROM information_schema.tables\nWHERE table_type = 'BASE TABLE'\n AND table_schema NOT IN ('pg_catalog', 'information_schema')\nORDER BY table_schema, table_name;",
"options": {},
"operation": "executeQuery",
"descriptionType": "manual",
"toolDescription": "Get list of all tables with their schema in the database"
},
"credentials": {
"postgres": {
"id": "nGI61D0TEEZz18rr",
"name": "Your Postgresql Database Credentials"
}
},
"typeVersion": 2.5
}
],
"active": false,
"pinData": {},
"settings": {
"executionOrder": "v1"
},
"versionId": "10c7c74e-b383-4ac7-8cb2-c9a15a2818fe",
"connections": {
"Chat History": {
"ai_memory": [
[
{
"node": "AI Agent",
"type": "ai_memory",
"index": 0
}
]
]
},
"Execute SQL Query": {
"ai_tool": [
[
{
"node": "AI Agent",
"type": "ai_tool",
"index": 0
}
]
]
},
"OpenAI Chat Model": {
"ai_languageModel": [
[
{
"node": "AI Agent",
"type": "ai_languageModel",
"index": 0
}
]
]
},
"Get Table Definition": {
"ai_tool": [
[
{
"node": "AI Agent",
"type": "ai_tool",
"index": 0
}
]
]
},
"When chat message received": {
"main": [
[
{
"node": "AI Agent",
"type": "main",
"index": 0
}
]
]
},
"Get DB Schema and Tables List": {
"ai_tool": [
[
{
"node": "AI Agent",
"type": "ai_tool",
"index": 0
}
]
]
}
}
}Workflow n8n PostgreSQL, chat, intelligence artificielle : pour qui est ce workflow ?
Ce workflow s'adresse aux entreprises de taille moyenne à grande qui utilisent PostgreSQL et souhaitent améliorer l'interaction avec leurs données. Il est particulièrement adapté aux équipes techniques et aux départements de données cherchant à automatiser les requêtes et à faciliter l'accès à l'information pour les utilisateurs non techniques.
Workflow n8n PostgreSQL, chat, intelligence artificielle : problème résolu
Ce workflow résout le problème de l'accès limité aux données pour les utilisateurs non techniques. Souvent, les employés doivent passer par des développeurs pour obtenir des informations spécifiques, ce qui entraîne des délais et une perte d'efficacité. Avec cette automatisation n8n, les utilisateurs peuvent interagir directement avec la base de données via un chat, réduisant ainsi les frustrations et augmentant la productivité.
Workflow n8n PostgreSQL, chat, intelligence artificielle : étapes du workflow
Étape 1 : Le workflow commence par le déclencheur 'When chat message received', qui capte les messages de l'utilisateur.
- Étape 1 : L'agent AI est activé pour analyser la requête.
- Étape 2 : Le modèle de chat OpenAI traite la demande et prépare une réponse.
- Étape 3 : Le nœud 'Get Table Definition' interroge la base de données pour obtenir la structure des tables.
- Étape 4 : Le nœud 'Execute SQL Query' exécute la requête SQL correspondante.
- Étape 5 : Les résultats sont présentés sous forme de notes autocollantes pour une visualisation claire.
Workflow n8n PostgreSQL, chat, intelligence artificielle : guide de personnalisation
Pour personnaliser ce workflow, commencez par ajuster le déclencheur 'When chat message received' pour l'adapter à votre plateforme de chat. Modifiez les paramètres du modèle OpenAI selon vos besoins spécifiques. Vous pouvez également personnaliser les requêtes SQL dans le nœud 'Execute SQL Query' pour cibler des données précises. Assurez-vous de configurer correctement les connexions à votre base de données PostgreSQL et d'ajuster les couleurs et dimensions des notes autocollantes pour correspondre à votre charte graphique. Enfin, surveillez les performances du flux pour garantir une expérience utilisateur optimale.