Agentes de IA

Construir un agente inteligente que procesa consultas con memoria y herramientas

17 nodos 186 87 Automatic trigger
Descargar

Descripción del flujo de trabajo

Plantilla avanzada que crea un agente impulsado por IA capaz de recibir consultas por chat, procesarlas mediante cadenas de modelos de lenguaje inteligentes, mantener el contexto de la conversación, buscar en Wikipedia respuestas precisas y manejar múltiples solicitudes en lotes paralelos.

Cómo funciona

  1. 1.Recibir mensajes a través de disparador de chat en tiempo real
  2. 2.Procesar consultas mediante cadenas colaborativas de modelos de lenguaje
  3. 3.Buscar en Wikipedia y recuperar información relevante
  4. 4.Mantener el contexto de conversación en búfer de memoria
  5. 5.Gestionar múltiples solicitudes en lotes paralelos
  6. 6.Entregar respuestas inteligentes directamente a los usuarios

Casos de uso

  • Asistente inteligente respondiendo preguntas de empleados con información actual
  • Bot de soporte técnico preservando historial y contexto de conversación
  • Motor de búsqueda interno recopilando datos de fuentes confiables

Requisitos

  • Configurar clave API de OpenRouter para acceso a modelos de lenguaje
  • Habilitar integración de herramienta de búsqueda en Wikipedia
  • Comprender diseño básico de agentes inteligentes y gestión de memoria

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 186
Descargas 87

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