Workflow Übersicht
In diesem Blogbeitrag werden wir einen n8n-Workflow durchgehen, der erstellt wurde, um die Reaktionen eines AI-Agenten auf Benutzeranfragen zu optimieren. Der Workflow nutzt eine Kombination aus verschiedenen Nodes, um Anfragen von Benutzern zu empfangen, sie zwischenzuspeichern und diese Daten effektiv zu verarbeiten.
Node-Erklärung
1. Twilio Trigger
- Typ: n8n-nodes-base.twilioTrigger
- Beschreibung: Beginnt den Workflow, wenn eine neue Nachricht über Twilio empfangen wird.
- Einstellungen:
- Webhook-ID: 0ca3da0e-e4e1-4e94-8380-06207bf9b429
- Updates: „com.twilio.messaging.inbound-message.received“
2. Add to Messages Stack
- Typ: n8n-nodes-base.redis
- Beschreibung: Fügt die empfangene Nachricht in eine Redis-Datenbank ein, um sie später nutzen zu können.
- Einstellungen:
- Liste: chat-buffer:{{ $json.From }}
- Operation: push
- Nachricht: „={{ $json.Body }}“ (Die ursprüngliche Nachricht)
3. Wait 5 seconds
- Typ: n8n-nodes-base.wait
- Beschreibung: Wartet 5 Sekunden nach dem Empfang der Nachricht.
4. Get Latest Message Stack
- Typ: n8n-nodes-base.redis
- Beschreibung: Ruft den neuesten Nachrichtenstapel aus Redis ab.
- Einstellungen:
- Schlüssel: chat-buffer:{{ $json.From }}
- Operation: get
5. Should Continue?
- Typ: n8n-nodes-base.if
- Beschreibung: Überprüft, ob die eingehende Nachricht die letzte Nachricht im Stapel ist. Dies geschieht, um zu bestimmen, ob der Benutzer möglicherweise weitere Nachrichten sendet.
- Einstellungen:
Verwendet Bedingungen, um zu vergleichen, ob die letzte Nachricht gleich der empfangenen Nachricht ist.
6. Get Chat History
- Typ: @n8n/n8n-nodes-langchain.memoryManager
- Beschreibung: Holt den Chatverlauf aus dem Gedächtnis des AI-Agenten.
- Einstellungen:
- Gruppennachrichten: true
7. Get Messages Buffer
- Typ: n8n-nodes-base.set
- Beschreibung: Setzt die Nachrichten, die seit der letzten Antwort des AI-Agenten gesendet wurden, in eine Variable.
- Einstellungen:
- Nachrichten: „={{ $(‚Get Latest Message Stack‘).item.json.messages }}“ (schneidet die Nachrichtenliste von der letzten Antwort bis zur neuesten Nachricht ab)
8. AI Agent
- Typ: @n8n/n8n-nodes-langchain.agent
- Beschreibung: Sendet die gruppierten Benutzeranfragen an den AI-Agenten, um eine zusammengefasste Antwort zu generieren.
- Einstellungen:
- Text: „={{ $json.messages }}“ (Die gepufferten Nachrichten werden als Eingabe verwendet)
9. Send Reply
- Typ: n8n-nodes-base.twilio
- Beschreibung: Sendet die Antwort des AI-Agenten über die Twilio-Plattform zurück an den Benutzer.
- Einstellungen:
- To: „={{ $(‚Twilio Trigger‘).item.json.From }}“ (Der Empfänger ist die ursprüngliche Telefonnummer)
- Message: „={{ $json.output }}“ (Die generierte Antwort)
Ergebnis
Dieser Workflow zeigt, wie man die Reaktionen eines AI-Agenten in einem Chat-Kontext optimieren kann, indem man Warteschlangen für Nachrichten implementiert und gezieltes Warten zwischen Folgeanfragen. Dies verbessert die Nutzererfahrung, besonders in Szenarien, wo mehrere schnelle Nachrichten gesendet werden können.
Teste diesen Workflow selbst und passe ihn nach deinen Bedürfnissen an!
