Dieser n8n-Workflow wurde entwickelt, um Benutzern die Interaktion mit einem AI-gesteuerten Chatbot über Telegram zu ermöglichen. Er kann Text- und Sprachnachrichten empfangen und entsprechende Antworten geben.

Workflow-Übersicht

Der Workflow arbeitet mit mehreren Knoten, die verschiedene Aufgaben erfüllen. Hier sind die wichtigsten Knoten im Detail erläutert:

1. Listen for incoming events

• Typ: Telegram Trigger
• Zweck: Dieser Knoten hört auf eingehende Nachrichten und löst den Workflow aus, wenn eine neue Nachricht eintrifft.
• Einstellungen: Der Knoten ist so konfiguriert, dass er alle Arten von Updates empfängt.

2. Determine content type

• Typ: Switch
• Zweck: Bestimmt den Typ der eingehenden Nachricht (Text oder Sprachnachricht).
• Einstellungen: Hat Regeln, um zwischen Textnachrichten und Sprachnachrichten zu unterscheiden.

3. Download voice file

• Typ: Telegram Node
• Zweck: Läd Sprachdateien herunter, die vom Benutzer gesendet wurden.
• Einstellungen: Nutzt die „file_id“ der empfangenen Nachricht.

4. Convert audio to text

• Typ: Langchain OpenAI Node
• Zweck: Wandelt die heruntergeladene Audiodatei in Text um.
• Einstellungen: Nutzt die OpenAI-API mit bestimmten Parametern wie Temperatur und Sprache.

5. Combine content and set properties

• Typ: Set
• Zweck: Kombiniert den Text oder die Sprachnachricht in ein einheitliches Format für die weitere Verarbeitung.
• Einstellungen: Definiert mehrere Zuweisungen, um die Nachricht zu kombinieren und Informationen wie Typ und Quelle zu speichern.

6. OpenAI Chat Model

• Typ: Langchain Chat OpenAI
• Zweck: Verwendet das OpenAI-Modell, um Antworten auf Benutzeranfragen zu generieren.
• Einstellungen: Das Modell gpt-4o und Parameter wie Temperatur und Frequenzstrafe werden konfiguriert, um Variabilität und Kreativität in den Antworten zu gewährleisten.

7. AI Agent

• Typ: Langchain Agent
• Zweck: Verwaltet die Interaktion zwischen dem Benutzer und dem OpenAI-Chatmodell und stellt sicher, dass die Antworten im richtigen Format sind.
• Einstellungen: Definiert Text und Optionen, um sicherzustellen, dass die Antworten korrekt formatiert sind.

8. Send final reply

• Typ: Telegram Node
• Zweck: Sendet die finale Antwort des Chatbots an den Benutzer zurück.
• Einstellungen: Verwendet den Chat-ID des Benutzers und sendet die Antwort in HTML-Format.

9. Correct errors

• Typ: Telegram Node
• Zweck: Korrigiert potenzielle Fehler in der Antwort (z.B. HTML-Zeichen).
• Einstellungen: Verwendet reguläre Ausdrücke, um Textsicherheitsprobleme zu beseitigen.

10. Send error message

• Typ: Telegram Node
• Zweck: Sendet eine Fehlernachricht zurück, falls ein unbekannter Nachrichteninhalt empfangen wird.
• Einstellungen: Nutzerspezifische Nachricht, die den Namen des Benutzers enthält.

Ergebnis

Am Ende dieses Workflows können Telegram-Benutzer sowohl Text- als auch Sprachnachrichten senden, auf die der Chatbot in Echtzeit antworten kann. Die Integration des OpenAI-Modells ermöglicht intelligente und kontextgerechte Antworten. Der Workflow ist benutzerfreundlich konzipiert und bietet eine hervorragende Grundlage für weitere Anpassungen oder Erweiterungen.

Für eine detaillierte Implementierung und Anpassung des Workflows, können Sie den untenstehenden Download-Link verwenden:

Workflow herunterladen

Dieser Node löst den Workflow aus, wenn eine neue Seite in der Notion-Datenbank hinzugefügt wird. Er ist so konfiguriert, dass er jede Minute nach neuen Seiten sucht. Die Parameter umfassen:

• simple: false – ermöglicht den Zugriff auf detaillierte Daten der Seite.
• pollTimes: alle Minute – sorgt dafür, dass ständig nach neuen Inhalten gesucht wird.
• databaseId: die ID der Notion-Datenbank, aus der die Seiten abgerufen werden.

2. Notion – Retrieve Page Content

Dieser Node wird verwendet, um den Inhalt der Seite abzurufen, die vom Trigger erstellt wurde. Die Schlüsselparameter sind:

• blockId: die URL der abgerufenen Seite wird hier verwendet.
• resource: block – dieser Wert gibt an, dass wir einen Block aus Notion abfragen.
• operation: getAll – wir möchten alle Inhalte des Blocks.

3. Filter Non-Text Content

Hierbei handelt es sich um einen Filter-Node, der alle nicht-textuellen Inhalte von Notion herausfiltert. Die Bedingungen sind:

• Inhalte, die nicht vom Typ image oder video sind, werden verarbeitet. Dies ermöglicht eine saubere Textausgabe ohne Medieninhalte.

4. Summarize – Concatenate Notion’s blocks content

Dieser Node fasst den Inhalt der Notion-Blöcke zusammen, indem er die Texte zusammenfügt. Die wichtigsten Parameter sind:

• outputFormat: separateItems – damit wird der Text in separaten Zeilen ausgegeben.
• fieldsToSummarize: hier konzentrieren wir uns auf das content-Feld.

5. Create metadata and load content

In diesem Node werden die Metadaten für den Vektor erstellt und die Inhalte geladen. Wichtige Parameter:

• metadata: umfasst die pageId, createdTime und pageTitle, die von der ursprünglichen Notion-Seite stammen.
• jsonData: hier wird der zusammengefasste Inhalt eingespeist.

6. Embeddings Google Gemini

Dieser Node erzeugt die Vektoren der Inhalte mithilfe des Google Gemini-Modells (modelName: models/text-embedding-004). Die Konfiguration ermöglicht eine einfache Integration der Vektoren in den nächsten Speicher-Node.

7. Pinecone Vector Store

Dies ist der Endpunkt, an dem die generierten Vektoren gespeichert werden. Die wichtigen Parameter sind:

• mode: insert – wir fügen neue Vektoren hinzu.
• pineconeIndex: der Index, in dem die Vektoren gespeichert werden (z.B. notion-pages).

Ergebnis

Schließlich speichert dieser Workflow die Inhalte von Notion in einem Vektor-Speicher, der für die spätere Datenanalyse und maschinelles Lernen genutzt werden kann.

Download Link: Hier klicken

Dieser n8n Workflow dient zur Durchführung automatisierter Benutzerinterviews. Es nutzt einen KI-Agenten, um Interviewfragen zu stellen und die Antworten der Benutzer zu sammeln und zu speichern.

Node-Details

1. Start Interview

• Typ: Form Trigger
• Funktion: Startet das Interview und fragt den Benutzer nach seinem Namen.
• Einstellungen: Der Pfad ist „driving-lessons-survey“, das Formular fragt nach dem Namen und beschreibt den Interviewprozess.

2. UUID

• Typ: Crypto
• Funktion: Generiert eine eindeutige ID für die Sitzung.
• Einstellungen: Aktion ist auf „generate“ eingestellt, um eine ID zu erstellen.

3. Create Session

• Typ: Redis
• Funktion: Erstellt eine Redis-Sitzung zur Speicherung der Interviewtranskripte.
• Einstellungen: Der Schlüssel wird aus der UUID generiert, um eine Sitzung für 24 Stunden zu speichern.

4. AI Researcher

• Typ: Langchain Agent
• Funktion: Stellt Fragen an den Benutzer basierend auf den vorherigen Antworten.
• Einstellungen: Der Agent verwendet die Antwort als Eingabe für zukünftige Fragen.

5. Get Answer

• Typ: Form
• Funktion: Nimmt die Antwort des Benutzers auf die zuvor gestellte Frage entgegen.
• Einstellungen: Das Formular fragt nach der Antwort und bietet die Möglichkeit, das Interview zu beenden.

6. Generate Row

• Typ: Set
• Funktion: Erstellt eine Datenzeile mit dem Zeitstempel, dem Fragetyp, der Frage und der Antwort.
• Einstellungen: Nutzt aktuelle Zeitstempel und die Antwortdaten für die Speicherung.

7. Update Session

• Typ: Redis
• Funktion: Aktualisiert die bestehende Sitzung in Redis mit den neuen Antworten.
• Einstellungen: Fügt die Antwort in die Sitzungsliste ein.

8. Valid Session?

• Typ: If Node
• Funktion: Überprüft, ob die Sitzung vorhanden ist.
• Einstellungen: Prüft, ob die Daten in der Sitzung existieren.

9. Respond to Webhook

• Typ: Respond To Webhook
• Funktion: Sendet die Antwort zurück an die Webhook-Anfrage.
• Einstellungen: Setzt HTTP-Antwortcode auf 200 und gibt eine HTML-Antwort zurück.

10. Show Transcript

• Typ: HTML
• Funktion: Zeigt das Transkript der Sitzung an.
• Einstellungen: Nutzt das HTML-Template zur Ausgabe des Transkripts.

Ergebnis

Der Workflow ermöglicht eine vollständige Automatisierung des Interviewprozesses, wobei alle Antworten effizient gesammelt und gespeichert werden. Die Verwendung von Redis stellt sicher, dass die Informationen schnell und sicher verarbeitet werden, während der KI-Agent dynamische Fragen für ein bereicherndes Benutzererlebnis stellt.

Mit diesem Workflow sind Benutzer in der Lage, die Durchführung von Interviews zu optimieren und wertvolle Daten für die Analyse zu sammeln.

Verlinkung zum Herunterladen des Workflows: Hier herunterladen

Dieser Workflow verbindet n8n mit einer PostgreSQL-Datenbank in Supabase und ermöglicht es Nutzern, über einen KI-Agenten Daten abzufragen. Im Folgenden sind die einzelnen Schritte und deren Funktionen erläutert:

1. Sticky Note3

• Typ: Sticky Note
• Funktion: Serviert als Erinnerung für die Benutzer, das Passwort und den Benutzernamen für Supabase zu ersetzen.
• Parameter: Farbe: 3, Breite: 215, Höhe: 80, Inhalt: ‚**Replace password and username for Supabase**‘

2. Sticky Note5

• Typ: Sticky Note
• Funktion: Liste mit Vorbereitungs- und Setup-Schritten für den Workflow.
• Parameter: Farbe: 7, Breite: 280, Höhe: 546, Inhalt detailliert alle Schritte.

3. Sticky Note6

• Typ: Sticky Note
• Funktion: Präsentiert den AI-Agenten, der mit der PostgreSQL-Datenbank interagiert.
• Parameter: Inhalt beschreibt die Fähigkeiten des AI-Agenten und weist auf eine Quelle hin.

4. Sticky Note7

• Typ: Sticky Note
• Funktion: Bietet einen Link zu einem Setup-Video, um den Nutzern zu helfen, den Workflow zu verstehen.
• Parameter: Inhalt enthält den Link und ein Thumbnail für das Video.

5. When chat message received

• Typ: Chat Trigger
• Funktion: Trigger für den Workflow, wenn eine Chat-Nachricht empfangen wird.
• Parameter: Optionen für den Trigger sind standardmäßig leer.

6. OpenAI Chat Model

• Typ: OpenAI Chat Model
• Funktion: Modell zur Verarbeitung der Chat-Nachrichten und Generierung von Antworten.
• Parameter: Verwendet API-Anmeldeinformationen für OpenAI.

7. DB Schema

• Typ: PostgreSQL Tool
• Funktion: Führt eine Abfrage durch, um alle Tabellen im Datenbankschema abzurufen.
• Parameter: SQL-Abfrage abrufen aller Tabellen in der öffentlichen Datenbank.

8. Get table definition

• Typ: PostgreSQL Tool
• Funktion: Ruft die Definition einer bestimmten Tabelle ab.
• Parameter: SQL-Abfrage, die aus einer Tabelle alle Spalten und deren Typen abruft.

9. Sticky Note

• Typ: Sticky Note
• Funktion: Erinnern an die Verfeinerung des Prompts des Assistenten.
• Parameter: Inhalte der Sticknote.

10. AI Agent

• Typ: LangChain Agent
• Funktion: Verarbeitet Chat-Nachrichten und führt die entsprechenden Datenbankabfragen durch.
• Parameter: Der agent verwendet spezifische Anweisungen für die Datenbankinteraktion.

11. Run SQL Query

• Typ: PostgreSQL Tool
• Funktion: Führt benutzerdefinierte SQL-Abfragen aus, um Daten zu extrahieren.
• Parameter: SQL-Abfrage, basierend auf dem Benutzereingang.

Ergebnis

Dieser n8n-Workflow ermöglicht es Nutzern, auf einfache Weise mit einer PostgreSQL-Datenbank zu interagieren, indem sie einfach in natürlicher Sprache Fragen stellen. Der Workflow nutzt KI, um SQL-Abfragen zu formulieren und die benötigten Informationen bereitzustellen.

Für weitere Details und zur Nutzung des Workflows, hier klicken, um die Datei herunterzuladen.

In diesem Workflow nutzen wir n8n, um OpenAI-Modelle anzupassen. Wir laden ein Trainingsdatensatz von Google Drive herunter, führen das Fein-Tuning durch und ermöglichen eine Interaktion über einen Chatbot. Hier sind die Schritte im Detail:

1. Manual Trigger (Wenn ‚Test workflow‘ angeklickt)

• Typ: n8n-nodes-base.manualTrigger
• Beschreibung: Dieser Knoten dient als manueller Trigger, um den Workflow zu starten, wenn der Benutzer auf „Test workflow“ klickt.

2. Google Drive (Datei herunterladen)

• Typ: n8n-nodes-base.googleDrive
• Beschreibung: Hier laden wir die .jsonl-Datei für das Training von Google Drive herunter.
• Einstellungen:
  • Datei-ID: Die Datei mit den Trainingsdaten hat die ID 1wvlEcbxFIENvqL-bACzlLEfy5gA6uF9J.
  • Optionen: Hier verwenden wir das binäre Eigenschaftsnamen data.jsonl und konvertieren die Google-Datei zu einem PDF-Format.
• Warum: Wir benötigen die Trainingsdaten für das Fein-Tuning unseres Modells.

3. AI-Agent

• Typ: @n8n/n8n-nodes-langchain.agent
• Beschreibung: Dies ist der AI-Agent, der für die Ausführung von Sprachverarbeitungsaufgaben konfiguriert ist.
• Einstellungen: Keine spezifischen Optionen konfiguriert.
• Warum: Um AI-technologische Funktionen zu implementieren.

4. Wenn Chat-Nachricht empfangen

• Typ: @n8n/n8n-nodes-langchain.chatTrigger
• Beschreibung: Dieser Knoten wird aktiv, wenn eine Chat-Nachricht empfangen wird.
• Einstellungen: Enthält eine Webhook-ID, die für die Interaktion erforderlich ist.
• Warum: Um auf eingehende Nachrichten des Benutzers zu reagieren.

5. OpenAI Chat Modell

• Typ: @n8n/n8n-nodes-langchain.lmChatOpenAi
• Beschreibung: Dieser Knoten nutzt das OpenAI-Modell, um Sprachverarbeitung durchzuführen.
• Einstellungen: Das Modell ist ft:gpt-4o-mini-2024-07-18:n3w-italia::AsVfsl7B.
• Warum: Um mit feinjustierten Modellen zu arbeiten.

6. Sticky Note 1

• Typ: n8n-nodes-base.stickyNote
• Beschreibung: Diese Notiz beschreibt den zweiten Schritt im Prozess, nämlich das Erstellen eines neuen Modells aus den Trainingsdaten.
• Warum: Um wichtige Hinweise während der Entwicklung zu geben.

7. Sticky Note 2

• Typ: n8n-nodes-base.stickyNote
• Beschreibung: Diese Notiz beschreibt den ersten Schritt im Workflow, nämlich das Erstellen der Trainingsdatei.
• Warum: Um sicherzustellen, dass alle Schritte klar dokumentiert sind.

8. Datei hochladen

• Typ: @n8n/n8n-nodes-langchain.openAi
• Beschreibung: Dieser Knoten läd die .jsonl-Datei zu OpenAI hoch.
• Einstellungen:
  • Zweck: Fein-Tuning.
  • Ressource: Datei.
  • Binäre Eigenschaftenname: data.jsonl.
• Warum: Der Upload ist notwendig, um der OpenAI-Plattform die Trainingsdaten bereitzustellen.

9. Fein-Tuning-Job erstellen

• Typ: n8n-nodes-base.httpRequest
• Beschreibung: Hierbei handelt es sich um den Knoten zur Erstellung eines Fein-Tuning-Jobs über die API von OpenAI.
• Einstellungen:
  • URL: https://api.openai.com/v1/fine_tuning/jobs.
  • Method: POST.
  • JSON-Körper: Wird eingerichtet, um die Trainingsdatei und das Modell zu definieren.
• Warum: Um den Fein-Tuning-Prozess zu starten.

Ergebnis

Nach der Ausführung dieses Workflows haben wir ein feinjustiertes OpenAI-Modell, das auf unseren spezifischen Trainingsdaten basiert. Dieses Modell kann nun für verschiedene Anwendungsfälle, wie Chatbots, eingesetzt werden.

Für eine detaillierte Anleitung und um den Workflow herunterzuladen, besuchen Sie diese Seite.

Dieser Node plant eine Trigger-Aktion, die einmal täglich um 21 Uhr ausgeführt wird. Er ermöglicht es, den Workflow zu einem festgelegten Zeitpunkt zu starten.

2. CreateYearsList

Dieser Node erstellt eine Liste von Jahren, die seit 2007 bis zum aktuellen Jahr zurückreichen, um Daten für die ausgewählten Tage zu sammeln. Er verwendet JavaScript, um die benötigten Daten für jeden Tag zu extrahieren.

3. CleanUpYearList

Hier wird die Liste der Jahre weiterverarbeitet, indem nur die notwendigen Daten in eine strukturierte Form gebracht werden, um die Überschriften zu sammeln.

4. SplitOutYearList

In diesem Schritt werden die Jahreslisten in separate Datensätze aufgeteilt, die dann zur Abfrage der Hacker-News-Frontseite verwendet werden.

5. GetFrontPage

Dieser Node führt eine HTTP-Anfrage an die URL https://news.ycombinator.com/front durch, um die aktuellen Überschriften von Hacker News für die aufgeteilten Jahre abzurufen.

6. ExtractDetails

Nachdem die Daten abgerufen wurden, extrahiert dieser Node mithilfe von CSS-Selektoren die relevanten Überschriften und das Veröffentlichungsdatum aus dem HTML-Inhalt der Antwort.

7. GetHeadlines

Hier werden die gesammelten Überschriften in ein Array umgewandelt, welches die Struktur für die nächste Verarbeitung bereitstellt.

8. GetDate

Dieser Node extrahiert das Datum der Headline und bereitet es für die Datenzusammenführung vor.

9. MergeHeadlinesDate

In diesem Schritt werden die gesammelten Überschriften und das Datum in einer Struktur zusammengeführt, die die nachfolgende Aggregation ermöglicht.

10. SingleJson

Hier wird das gesamte Datenpaket in einem einzigen JSON-Format aggregiert, um die spätere Verarbeitung zu erleichtern.

11. Basic LLM Chain

Dieser Node verwendet ein großes Sprachmodell (LLM), um die gesammelten Headlines zu analysieren und sie in thematische Kategorien einzuordnen. Die LLM-Verknüpfung ist entscheidend für die Auswertung der Trenddaten über die Jahre hinweg.

12. Telegram

Der letzte Schritt des Workflows sendet die analysierten und kategorisierten Daten über den Telegram-Bot an die angegebenen Abonnenten. Die Ausgabe wird in Markdown-Format bereitgestellt, um die Lesbarkeit zu gewährleisten.

Ergebnis

Der Workflow führt eine umfassende Analyse von Hacker-News-Überschriften durch und zeigt auf, wie sich die Themen und Trends in der Technologie über die Jahre verändert haben. Die Resultate werden in einem strukturierten Markdown-Format präsentiert und über einen Telegram-Bot an die Nutzer übermittelt.

Dieser n8n Workflow ermöglicht es Benutzern, KI-generierte Bilder durch Eingabe von Stil-Prompts und Szenarien zu erstellen. Die generierten Bilder werden auf einer Webseite angezeigt und können über S3 gespeichert werden.

Node-Übersicht

1. n8n Form Trigger

• Type: Form Trigger
• Beschreibung: Ausgelöst, wenn ein Benutzer ein Formular ausfüllt. Hier gibt der Benutzer den „Prompt to flux“ und den „Style“ an, die für die Bildgenerierung verwendet werden.
• Parameter: Der „path“ ist auf „flux4free“ gesetzt und es gibt zwei Eingabefelder: ein Textfeld für den Prompt und ein Dropdown für den Stil.

2. Route by style

• Type: Switch
• Beschreibung: Leitet den Workflow basierend auf dem gewählten Stil des Benutzers an die entsprechenden Stilnodes weiter, um das Bild zu generieren.

3. Stil Nodes (z.B. Hyper-Surreal Escape)

• Type: Set
• Beschreibung: Definiert den stilistischen Prompt für die Bildgenerierung, basierend auf der Auswahl des Benutzers.
• Parameter: Der Stil-Prompt ist spezifisch für jeden Stil und enthält Anweisungen für die KI, wie das Bild aussehen soll.

4. Call hugginface inference api

• Type: HTTP Request
• Beschreibung: Sendet eine Anfrage an die Hugging Face API, um das Bild basierend auf dem Benutzerprompt und dem Stil zu generieren.
• Parameter: Die URL ist auf das Modell gesetzt, das verwendet wird, um die Bilder zu generieren. Die Anfrage sendet den Benutzerprompt und den gewählten Stil.

5. Upload image to S3

• Type: S3
• Beschreibung: Lädt das generierte Bild in einen S3-Bucket hoch, wo es einfach zu erreichen ist.
• Parameter: Der Dateiname basiert auf der Ausführungs-ID, um jede Generation eindeutig zu benennen.

6. Serve webpage

• Type: Respond to Webhook
• Beschreibung: Gibt die Webseite zurück, die das generierte Bild und den verwendeten Stil anzeigt.
• Parameter: Die Antwort enthält den erforderlichen HTML-Code, um die Anzeige der Bilder zu ermöglichen.

7. Respond with error

• Type: Respond to Webhook
• Beschreibung: Sendet eine Fehlermeldung zurück, falls bei der Bildgenerierung ein Problem auftritt.

Ergebnis

Am Ende des Workflows erhält der Benutzer ein generiertes Bild, das den angegebenen Stil und Prompt widerspiegelt. Der gesamte Prozess ist für den Benutzer nahtlos, und es gibt Mechanismen zur Fehlerrückmeldung, falls Probleme auftreten.

Für weiterführende Informationen oder um den Workflow auszuprobieren, können Sie ihn hier herunterladen.

1. Chat Trigger

• Node Name: Chat Trigger
• Typ: @n8n/n8n-nodes-langchain.chatTrigger
• Zweck: Dieser Node fungiert als Auslöser für den Chatbot. Er empfängt die Benutzeranfragen über einen Webhook.
• Einstellungen:
  • Webhook ID: 1f83e8ac-d465-454a-8327-cef7f0149cb1
  • Initial Messages: „Olá \nSou Jovelino, o serviço de IA do Joov, me mande sua pergunta e responderei em seguida! :)“

2. If

• Node Name: If
• Typ: n8n-nodes-base.if
• Zweck: Überprüft Bedingungen, um den weiteren Verlauf des Workflows zu steuern.
• Einstellungen:
  • Bedingungen: Es überprüft, ob die Variablen „leadData“ existieren und ob bestimmte Werte übereinstimmen.

3. Edit Fields1

• Node Name: Edit Fields1
• Typ: n8n-nodes-base.set
• Zweck: Hier werden bestimmte Felder gesetzt, die für die Kommunikation mit dem Benutzer erforderlich sind.
• Einstellungen:
  • chatInput: Enthält eine vorbereitete Nachricht mit Benutzerdaten.
  • session_id: Verwendet die aktuelle Sitzung ID als Identifikator.

4. OpenAI

• Node Name: OpenAI
• Typ: @n8n/n8n-nodes-langchain.openAi
• Zweck: Kommuniziert mit der OpenAI API, um Antworten basierend auf dem chatInput zu generieren.
• Einstellungen:
  • assistantId: Identifiziert den verwendeten OpenAI-Assistenten.

5. Edit Fields2

• Node Name: Edit Fields2
• Typ: n8n-nodes-base.set
• Zweck: Setzt die Felder für den nächsten Schritt, basierend auf den vorherigen Eingaben.
• Einstellungen:
  • chatInput: Bezieht den Input vom vorhergehenden Trigger.
  • session_id: Wiederverwendet die session_id.

6. OpenAI2

• Node Name: OpenAI2
• Typ: @n8n/n8n-nodes-langchain.openAi
• Zweck: Führt einen weiteren API-Aufruf an OpenAI aus, um spezifische Informationen zu verarbeiten.
• Einstellungen:
  • text: Bezieht die chatInput von vorherigen Nodes.
  • prompt: Definiert die Art der Anfrage an den OpenAI-Dienst.

7. Postgres Chat Memory

• Node Name: Postgres Chat Memory
• Typ: @n8n/n8n-nodes-langchain.memoryPostgresChat
• Zweck: Speichert den Verlauf der Konversation für zukünftige Referenzen in einer PostgreSQL-Datenbank.
• Einstellungen:
  • tableName: Gibt die Datenbanktabelle an, in der die Konversationen gespeichert werden.
  • sessionKey: Verwendet die session_id der aktuellen Benutzeranfrage.

8. External API

• Node Name: External API
• Typ: @n8n/n8n-nodes-langchain.toolHttpRequest
• Zweck: Sendet eine Anfrage an eine externe API, um spezifische Benutzerdaten zu bearbeiten.
• Einstellungen:
  • URL: Die URL der API, die kontaktiert wird.
  • method: Hier wird POST verwendet, um Daten zu senden.

9. Knowledge Base

• Node Name: Knowledge Base
• Typ: @n8n/n8n-nodes-langchain.toolHttpRequest
• Zweck: Abfrage der Wissensdatenbank für spezifische Produktinformationen basierend auf Benutzereingaben.
• Einstellungen:
  • URL: Gibt die Basis-URL der Wissensdatenbank an.

10. Products in Database

• Node Name: Products in Daatabase
• Typ: n8n-nodes-base.mySqlTool
• Zweck: Führt eine SQL-Abfrage in einer MySQL-Datenbank durch, um Produkte basierend auf Benutzereingaben zu finden.
• Einstellungen:
  • query: SQL-Anweisung zum Abrufen von Produktinformationen unter bestimmten Bedingungen.

Ergebnis

Mit diesem Workflow wird ein nahtloser Dialog zwischen dem Nutzer und dem Chatbot realisiert. Der Bot kann relevante Informationen abrufen und speichern, basierend auf den angegebenen Eingaben des Benutzers und bietet zielgerichtete Antworten an.

Für ein detailliertes Lernen und mehr Beispiele besuchen Sie die [Download Link](https://drive.google.com/uc?id=1JC_RsyoIMTYFnBY2ET8L6fwQMuxTt9KA&export=download).

Dieser Workflow verwendet n8n, um eine dynamische Dokumentation für n8n-Workflows zu generieren. Es werden verschiedene Knoten verwendet, um den Status des Workflows zu verwalten, HTML-Seiten zu generieren und Markdown-Dokumente zu speichern.

Knoten im Detail

1. CONFIG (Set)

• Typ: Set
• Zweck: Definiert die Konfiguration wie den Projektpfad, die Instanz-URL und HTML-Einstellungen für die Dokumentation.
• Parameter:
  • project_path: `./.n8n/test_docs` – Directory für die Speicherung der Dokumente.
  • instance_url: `={{$env[„N8N_PROTOCOL“]}}://{{$env[„N8N_HOST“]}}` – Dynamische Instanz-URL basierend auf Umgebungsvariablen.
  • HTML_headers und HTML_styles_editor: Definierte HTML-Stile und -Header für die Docsify-Dokumentation.

2. Convert to File

• Typ: Convert to File
• Zweck: Konvertiert Workflow-Daten in ein Text-Dokument.
• Parameter:
  • operation: `toText` – Die Operation, die durchgeführt wird.
  • sourceProperty: `workflowdata` – Der Datensatz, der konvertiert werden soll.

3. HasFile? (If)

• Typ: If
• Zweck: Überprüft, ob eine Datei existiert.
• Parameter:
  • conditions:
    • leftValue: `={{ Object.keys($json).length }}` – Prüft die Anzahl der Schlüssel im JSON.
    • operator: `gt` – Prüft, ob die Anzahl größer als 0 ist.

4. Extract from File

• Typ: Extract from File
• Zweck: Extrahiert den Inhalt aus einer Markdown-Datei.
• Parameter:
  • operation: `text` – Die Art der Extraktion.
  • destinationKey: `workflowdata` – Ziel für die extrahierten Daten.

5. Main Page (HTML)

• Typ: HTML
• Zweck: Generiert die Hauptseite für die Docsify-Dokumentation.
• Parameter:
  • html: Enthält den HTML-Code, der die Struktur und das Design der Dokumentation definiert.

6. Instance overview (HTML)

• Typ: HTML
• Zweck: Gibt eine Übersicht der Workflows in n8n zurück.
• Parameter:
  • html: Gibt eine formatierte Tabelle mit den Workflows, deren Status und weiteren Details zurück.

7. Sort-workflows (Sort)

• Typ: Sort
• Zweck: Sortiert die Workflows basierend auf dem aktualisierten Datum.
• Parameter:
  • sortFieldsUi:
    • order: `descending` – Absteigende Sortierung nach aktualisiertem Datum.
    • fieldName: `updatedAt` – Das Feld, nach dem sortiert wird.

8. doc action (Switch)

• Typ: Switch
• Zweck: Bestimmt die Aktion basierend auf der Benutzeranfrage, wie z.B. `view`, `edit`, oder `save`.
• Parameter:
  • rules: Definiert die verschiedenen möglichen Aktionen, die ausgeführt werden können.

9. Load Doc File (Read/Write File)

• Typ: Read/Write File
• Zweck: Lädt die Markdown-Datei, die der Benutzer anzeigt oder bearbeitet.
• Parameter:
  • fileSelector: `={{ $(‚CONFIG‘).first().json.project_path }}/{{ $json.params.file }}` – Bestimmt, welche Datei geladen wird.

10. Respond with HTML

• Typ: Respond to Webhook
• Zweck: Gibt die HTML-Antwort an den Benutzer zurück.
• Parameter:
  • respondWith: `text` – Gibt den Antworttyp an.
  • responseBody: `={{ $json.html }}` – Der zu sendende HTML-Inhalt.

Ergebnis

Mit diesem Workflow können Benutzer eine benutzerfreundliche Dokumentation für n8n-Workflows erstellen und bearbeiten. Die Möglichkeiten zur Betrachtung, Bearbeitung und Erstellung neuer Dokumente ermöglichen es, den Workflow flexibel zu steuern und anzupassen.

Download Link: Hier herunterladen

Dieser n8n-Workflow wurde entwickelt, um den Prozess der Bewerberauswahl zu automatisieren.

Node Erläuterungen

1. Webhook

Name: Webhook
Typ: n8n-nodes-base.webhook
Funktion: Dieser Node empfängt eingehende Bewerberdaten über einen Webhook. Der festgelegte Pfad ist syncbricks-com-tutorial-candidate-shortlist.

2. Code

Name: Code
Typ: n8n-nodes-base.code
Funktion: Fügt jedem eingehenden Bewerbungselement ein neues Feld hinzu, um die tatsächlichen Daten zu verarbeiten.

for (const item of $input.all()) {
 item.json.myNewField = 1;
}
return $input.all();

3. ApplicantData

Name: ApplicantData
Typ: n8n-nodes-base.set
Funktion: Legt die Eingabedaten des Bewerbers für die weitere Verarbeitung fest.

4. Resume Link Provided

Name: Resume Link Provided
Typ: n8n-nodes-base.if
Funktion: Überprüft, ob der Lebenslauf-Link gültig ist und ob er mit einer bestimmten Stelle verbunden ist.

5. Get Job Opening

Name: Get Job Opening
Typ: n8n-nodes-base.erpNext
Funktion: Ruft die Stellenbeschreibung aus ERPNext ab, auf die sich der Bewerber bewirbt.

6. Recruitment AI Agent

Name: Recruitment AI Agent
Typ: @n8n/n8n-nodes-langchain.agent
Funktion: Analysiert den Lebenslauf und vergleicht ihn mit der Stellenbeschreibung, um eine Eignung zu bewerten.

7. Convert to Fields

Name: Convert to Fields
Typ: n8n-nodes-base.code
Funktion: Extrahiert die von der AI Agent generierten Ergebnisse und konvertiert sie in das benötigte JSON-Format für ERPNext.

8. Update Applicant Data

Name: Update Applicant Data
Typ: n8n-nodes-base.httpRequest
Funktion: Aktualisiert den Status und die Bewertung des Bewerbers im ERPNext-System.

9. If score less than 80

Name: If score less than 80
Typ: n8n-nodes-base.if
Funktion: Überprüft, ob der Score des Bewerbers weniger als 80 beträgt, und entscheidet dann, ob der Bewerber abgelehnt wird.

10. Accept/Reject Applicant

Name: Accept Applicant / Reject Applicant
Typ: n8n-nodes-base.httpRequest
Funktion: Sendet eine Aktualisierung des Status des Bewerbers an ERPNext, um ihn entweder als akzeptiert oder abgelehnt zu kennzeichnen.

Ergebnis

Dieser Workflow ermöglicht eine effiziente Bearbeitung von Bewerbungen, einschließlich Lebenslaufanalyse, Statusaktualisierung und Kommunikation mit Bewerbern. Durch die Automatisierung dieses Prozesses sparen Unternehmen Zeit und Ressourcen.

Für mehr Informationen oder Details zu diesem Workflow, freuen wir uns, Ihnen zu helfen.

Download Link