Agentes de IA

Construir un agente inteligente que aprende y responde automáticamente

17 nodos 189 102 Automatic trigger
Descargar

Descripción del flujo de trabajo

Una plantilla avanzada que crea un agente inteligente que recibe consultas a través del chat, las procesa utilizando modelos de lenguaje de última generación, mantiene el contexto de la conversación, distribuye tareas en lotes y extrae información de fuentes externas para proporcionar respuestas precisas.

Cómo funciona

  1. 1.Recibir mensaje a través del disparador de chat activado
  2. 2.Procesar texto usando cadena LLM con modelo Open Router
  3. 3.Almacenar contexto anterior en memoria de búfer
  4. 4.Dividir tareas grandes en lotes pequeños para procesamiento
  5. 5.Invocar herramientas externas como Wikipedia para investigación

Casos de uso

  • Construir un asistente inteligente que responda preguntas de clientes con contexto histórico
  • Crear un agente multitarea que distribuya solicitudes y las maneje secuencialmente

Requisitos

  • Clave API válida para Open Router
  • Configuración de memoria para almacenar contexto entre conversaciones
  • Herramientas web disponibles para búsqueda y extracción de datos

Valor del servicio

Ideal como servicio de automatización inteligente que combina integraciones e inteligencia artificial para producir resultados listos para usar.

Aplicaciones utilizadas

Chat Trigger LLM Chain Lm Chat Open Router AI Agent Split In Batches Memory Tool

Detalles

Disparador Automatic trigger
Nodos 17
Aplicaciones 7
Vistas 189
Descargas 102

Cómo usar

  1. 1.Haz clic en "Descargar plantilla"
  2. 2.Abre tu panel de n8n
  3. 3.Ve a Workflows > Import from File
  4. 4.Selecciona el archivo descargado y configura las credenciales

Nodos utilizados (17)

/

Chat Message Trigger

Chat Trigger

#1

Generate Search Queries using LLM

LLM Chain

#2

LLM Response Provider (OpenRouter)

Lm Chat Open Router

#3

Parse and Chunk JSON Data

Code

#4

Perform SerpAPI Search Request

HTTP Request

#5

Perform Jina AI Analysis Request

HTTP Request

#6

Format SerpAPI Organic Results

Code

#7

Extract Relevant Context via LLM

Agent

#8

Generate Comprehensive Research Report

Agent

#9

Split Data for SerpAPI Batching

Split In Batches

#10

Split Data for Jina AI Batching

Split In Batches

#11

LLM Memory Buffer (Input Context)

Memory Buffer Window

#12

LLM Memory Buffer (Report Context)

Memory Buffer Window

#13

Fetch Wikipedia Information

Tool Wikipedia

#14

Sticky Note: SerpAPI Setup

Sticky Note

#15

Sticky Note: Jina AI Setup

Sticky Note

#16

Sticky Note: OpenRouter API Setup

Sticky Note

#17