n8n Workflows

SQL Agent mit Speicher

2 Min. LesezeitMEKSOFT

Workflow Beschreibung

Dieser Workflow umfasst mehrere Schritte, die es ermöglichen, mit einer SQLite-Datenbank zu interagieren und KI-gestützte Abfragen durchzuführen. Lassen Sie uns jeden Schritt im Detail untersuchen:

1. Manual Trigger

  • Node-Name: When clicking „Test workflow“
  • Typ: n8n-nodes-base.manualTrigger
  • Beschreibung: Dieser Node wird verwendet, um den Workflow manuell zu starten. Er wartet auf einen Auslöser, bevor die nachfolgenden Nodes ausgeführt werden.

2. HTTP Request

  • Node-Name: Get chinook.zip example
  • Typ: n8n-nodes-base.httpRequest
  • Beschreibung: Dieser Node lädt eine Beispiel-Datenbank im ZIP-Format von einer externen URL herunter. Die URL verweist auf eine SQLite-Datenbank namens „chinook.zip“.
  • Einstellungen: Der Parameter enthält die URL „https://www.sqlitetutorial.net/wp-content/uploads/2018/03/chinook.zip“. Diese URL wurde gewählt, da sie eine öffentlich zugängliche und häufig verwendete Beispiel-Datenbank enthält.

3. Compression

  • Node-Name: Extract zip file
  • Typ: n8n-nodes-base.compression
  • Beschreibung: Dieser Node entpackt die heruntergeladene ZIP-Datei, um auf die darin enthaltene Datei zuzugreifen.
  • Einstellungen: Es wurden keine zusätzlichen Parameter benötigt, da der Node standardmäßig die entpackte Datei herausliefert.

4. Read & Write File

  • Node-Name: Save chinook.db locally
  • Typ: n8n-nodes-base.readWriteFile
  • Beschreibung: Dieser Node speichert die entpackte Datenbankdatei „chinook.db“ lokal.
  • Einstellungen: File-Name ist auf „./chinook.db“ gesetzt, um die Datei im aktuellen Verzeichnis zu speichern. Operation ist „write“, um die Datei zu erstellen.

5. Read & Write File

  • Node-Name: Load local chinook.db
  • Typ: n8n-nodes-base.readWriteFile
  • Beschreibung: Dieser Node lädt die lokal gespeicherte „chinook.db“ Datei, um ihre Inhalte für Abfragen verfügbar zu machen.
  • Einstellungen: File-Selector ist auf „./chinook.db“ gesetzt, um die zuvor gespeicherte Datei auszuwählen.

6. Set

  • Node-Name: Combine chat input with the binary
  • Typ: n8n-nodes-base.set
  • Beschreibung: Dieser Node kombiniert die Eingaben des Chats mit den binären Daten der SQLite-Datenbank.
  • Einstellungen: Modus ist auf „raw“ gesetzt und „includeBinary“ ist auf „true“ gesetzt, um sicherzustellen, dass sowohl JSON-Daten als auch binäre Daten in den nächsten Node weitergeleitet werden.

7. LangChain Agent

  • Node-Name: AI Agent
  • Typ: @n8n/n8n-nodes-langchain.agent
  • Beschreibung: Dieser Node ist der Agent, der Abfragen an die SQLite-Datenbank sendet und die notwendigen Antworten generiert.
  • Einstellungen: Agent ist auf „sqlAgent“ gesetzt, und die Datenquelle ist „sqlite“. Die Konfiguration ist so gewählt, dass sie optimal auf Abfragen von SQLite reagiert.

8. LangChain Chat Trigger

  • Node-Name: Chat Trigger
  • Typ: @n8n/n8n-nodes-langchain.chatTrigger
  • Beschreibung: Dieser Node erkennt eingehende Chat-Nachrichten, die dann den Arbeitsablauf auslösen.
  • Einstellungen: Der Webhook-ID ist konfiguriert, um mit Chat-Nachrichten zu interagieren.

9. Memory Buffer

  • Node-Name: Window Buffer Memory
  • Typ: @n8n/n8n-nodes-langchain.memoryBufferWindow
  • Beschreibung: Dieser Node speichert die letzten 10 Kontexte (Abfragen und Antworten) für die Interaktion mit dem KI-Agenten.
  • Einstellungen: Die Länge des Kontextfensters ist auf 10 festgelegt, was eine optimale Anzahl für sinnvolle Konversationen darstellt.

Ergebnis

Der Workflow ist nun vollständig konfiguriert, um mit einer SQLite-Datenbank zu interagieren und KI-gestützte Antworten auf Benutzereingaben zu generieren. Die Kombination aus Datenbankabfrage und KI-Agent macht diesen Workflow besonders nützlich für datengetriebenen Austausch.

Artikel teilen
Zur Blogübersicht