Agentes de IA

Construir un agente inteligente que procesa consultas manteniendo contexto

17 nodos 310 122 Automatic trigger
Descargar

Descripción del flujo de trabajo

Una plantilla que proporciona un agente inteligente avanzado que recibe consultas a través de interfaz de chat, las procesa usando modelos de lenguaje OpenRouter, mantiene contexto conversacional mediante sistema de memoria, y recupera información externa de Wikipedia cuando es necesario.

Cómo funciona

  1. 1.Recibir consulta del usuario a través de interfaz de chat interactiva
  2. 2.Procesar solicitud usando cadena de agente inteligente y lenguaje
  3. 3.Consultar Wikipedia para información adicional cuando sea necesario
  4. 4.Mantener contexto de conversación anterior en sistema de memoria
  5. 5.Devolver respuesta procesada al usuario

Casos de uso

  • Crear un asistente inteligente que responde preguntas recordando contexto previo
  • Construir agente de búsqueda que recopila información de fuentes externas
  • Desarrollar soporte al cliente inteligente que aprende de interacciones anteriores

Requisitos

  • Clave API válida para plataforma OpenRouter
  • Configuración de memoria para retener historial de conversaciones
  • Conexión estable a Internet para recuperación de información

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 310
Descargas 122

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