Automatisation Chat avec n8n : gestion des messages et notes
- Ce workflow n8n a pour objectif d'automatiser la gestion des messages reçus dans un chat, tout en intégrant des notes adhésives pour une meilleure organisation des informations. Dans un contexte où la communication instantanée est cruciale, ce workflow s'adresse aux équipes de support client ou aux communautés en ligne qui souhaitent optimiser leur réactivité et leur efficacité. Grâce à l'automatisation n8n, les utilisateurs peuvent recevoir des messages, les traiter et ajouter des notes pertinentes sans intervention manuelle, ce qui réduit les risques d'erreurs et améliore la collaboration.
- Le workflow commence par un déclencheur de type 'When chat message received', qui active le processus dès qu'un message est reçu. Ensuite, il utilise le modèle de chat OpenAI pour analyser le contenu du message et générer des réponses appropriées. Les étapes suivantes impliquent l'utilisation de plusieurs nœuds 'Sticky Note' pour créer des notes adhésives colorées, permettant de visualiser et d'organiser les informations importantes. Les nœuds de base de données Postgres sont également intégrés pour gérer les requêtes SQL, garantissant que toutes les données sont correctement enregistrées et accessibles.
- En fin de compte, ce workflow offre des bénéfices significatifs pour les entreprises, notamment une meilleure gestion du temps, une réduction des erreurs humaines et une amélioration de la satisfaction client. En automatisant ces processus, les équipes peuvent se concentrer sur des tâches à plus forte valeur ajoutée, tout en assurant une communication fluide et efficace.
Workflow n8n chat, OpenAI, Postgres : vue d'ensemble
Schéma des nœuds et connexions de ce workflow n8n, généré à partir du JSON n8n.
Workflow n8n chat, OpenAI, Postgres : détail des nœuds
Inscris-toi pour voir l'intégralité du workflow
Inscription gratuite
S'inscrire gratuitementBesoin d'aide ?{
"nodes": [
{
"id": "0a4e65b7-39be-44eb-8c66-913ebfe8a87a",
"name": "Sticky Note3",
"type": "n8n-nodes-base.stickyNote",
"position": [
1140,
840
],
"parameters": {
"color": 3,
"width": 215,
"height": 80,
"content": "**Replace password and username for Supabase**"
},
"typeVersion": 1
},
{
"id": "2cea21fc-f3fe-47b7-a7b6-12acb0bc03ac",
"name": "Sticky Note5",
"type": "n8n-nodes-base.stickyNote",
"position": [
-160,
320
],
"parameters": {
"color": 7,
"width": 280.2462120317618,
"height": 545.9087885077763,
"content": "### Set up steps\n\n#### Preparation\n1. **Create Accounts**:\n - [N8N](https://n8n.partnerlinks.io/2hr10zpkki6a): For workflow automation.\n - [Supabase](https://supabase.com/): For database hosting and management.\n - [OpenAI](https://openai.com/): For building the conversational AI agent.\n2. **Configure Database Connection**:\n - Set up a PostgreSQL database in Supabase.\n - Use appropriate credentials (`username`, `password`, `host`, and `database` name) in your workflow.\n\n#### N8N Workflow\n\nAI agent with tools:\n\n1. **Code Tool**:\n - Execute SQL queries based on user input.\n2. **Database Schema Tool**:\n - Retrieve a list of all tables in the database.\n - Use a predefined SQL query to fetch table definitions, including column names, types, and references.\n3. **Table Definition**:\n - Retrieve a list of columns with types for one table."
},
"typeVersion": 1
},
{
"id": "eacc0c8c-11d5-44fb-8ff1-10533a233693",
"name": "Sticky Note6",
"type": "n8n-nodes-base.stickyNote",
"position": [
-160,
-200
],
"parameters": {
"color": 7,
"width": 636.2128494576581,
"height": 497.1532689930921,
"content": "\n## AI Agent to chat with Supabase/PostgreSQL DB\n**Made by [Mark Shcherbakov](https://www.linkedin.com/in/marklowcoding/) from community [5minAI](https://www.skool.com/5minai-2861)**\n\nAccessing and analyzing database data often requires SQL expertise or dedicated reports, which can be time-consuming. This workflow empowers users to interact with a database conversationally through an AI-powered agent. It dynamically generates SQL queries based on user requests, streamlining data retrieval and analysis.\n\nThis workflow integrates OpenAI with a Supabase database, enabling users to interact with their data via an AI agent. The agent can:\n- Retrieve records from the database.\n- Extract and analyze JSON data stored in tables.\n- Provide summaries, aggregations, or specific data points based on user queries.\n\n"
},
"typeVersion": 1
},
{
"id": "be1559ea-1f75-4e7c-9bdd-3add8d8be70b",
"name": "Sticky Note7",
"type": "n8n-nodes-base.stickyNote",
"position": [
140,
320
],
"parameters": {
"color": 7,
"width": 330.5152611046425,
"height": 239.5888196628349,
"content": "### ... or watch set up video [20 min]\n[](https://www.youtube.com/watch?v=-GgKzhCNxjk)\n"
},
"typeVersion": 1
},
{
"id": "4ea87754-dead-49ea-848c-ed86c98e217b",
"name": "When chat message received",
"type": "@n8n/n8n-nodes-langchain.chatTrigger",
"position": [
720,
400
],
"webhookId": "6e95bc27-99a6-417c-8bf7-2831d7f7a4be",
"parameters": {
"options": {}
},
"typeVersion": 1.1
},
{
"id": "c20d6e57-eb41-4682-a7f5-5bb4323df476",
"name": "OpenAI Chat Model",
"type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
"position": [
760,
680
],
"parameters": {
"options": {}
},
"credentials": {
"openAiApi": {
"id": "zJhr5piyEwVnWtaI",
"name": "OpenAi club"
}
},
"typeVersion": 1
},
{
"id": "8d3b1faf-643c-4070-996d-a59cb06e1827",
"name": "DB Schema",
"type": "n8n-nodes-base.postgresTool",
"position": [
1180,
660
],
"parameters": {
"query": "SELECT table_schema, table_name\nFROM information_schema.tables\nWHERE table_type = 'BASE TABLE' AND table_schema = 'public';",
"options": {},
"operation": "executeQuery",
"descriptionType": "manual",
"toolDescription": "Get list of all tables in database"
},
"credentials": {
"postgres": {
"id": "AO9cER6p8uX7V07T",
"name": "Postgres 5minai"
}
},
"typeVersion": 2.5
},
{
"id": "d9346ade-79d1-44c2-8fa6-b337ad8b0544",
"name": "Get table definition",
"type": "n8n-nodes-base.postgresTool",
"position": [
1340,
660
],
"parameters": {
"query": "SELECT \n c.column_name,\n c.data_type,\n c.is_nullable,\n c.column_default,\n tc.constraint_type,\n ccu.table_name AS referenced_table,\n ccu.column_name AS referenced_column\nFROM \n information_schema.columns c\nLEFT JOIN \n information_schema.key_column_usage kcu \n ON c.table_name = kcu.table_name \n AND c.column_name = kcu.column_name\nLEFT JOIN \n information_schema.table_constraints tc \n ON kcu.constraint_name = tc.constraint_name\n AND tc.constraint_type = 'FOREIGN KEY'\nLEFT JOIN\n information_schema.constraint_column_usage ccu\n ON tc.constraint_name = ccu.constraint_name\nWHERE \n c.table_name = '{{ $fromAI(\"table_name\") }}' -- Your table name\n AND c.table_schema = 'public' -- Ensure it's in the right schema\nORDER BY \n c.ordinal_position;\n",
"options": {},
"operation": "executeQuery",
"descriptionType": "manual",
"toolDescription": "Get table definition to find all columns and types."
},
"credentials": {
"postgres": {
"id": "AO9cER6p8uX7V07T",
"name": "Postgres 5minai"
}
},
"typeVersion": 2.5
},
{
"id": "b88a21e0-d2ff-4431-bd84-dfd43edeb5c4",
"name": "Sticky Note",
"type": "n8n-nodes-base.stickyNote",
"position": [
960,
280
],
"parameters": {
"width": 215,
"height": 80,
"content": "**Finetune the prompt of assistant**"
},
"typeVersion": 1
},
{
"id": "fbe9eb68-5990-485c-820f-08234ea33194",
"name": "AI Agent",
"type": "@n8n/n8n-nodes-langchain.agent",
"position": [
940,
400
],
"parameters": {
"text": "={{ $('When chat message received').item.json.chatInput }}",
"agent": "openAiFunctionsAgent",
"options": {
"systemMessage": "You are DB assistant. You need to run queries in DB aligned with user requests.\n\nRun custom SQL query to aggregate data and response to user.\n\nFetch all data to analyse it for response if needed.\n"
},
"promptType": "define"
},
"typeVersion": 1.6
},
{
"id": "7f82d6d9-d7d6-4443-bbaa-c9b276a376e3",
"name": "Run SQL Query",
"type": "n8n-nodes-base.postgresTool",
"position": [
1040,
660
],
"parameters": {
"query": "{{ $fromAI(\"query\",\"SQL query for PostgreSQL DB in Supabase\") }}",
"options": {},
"operation": "executeQuery",
"descriptionType": "manual",
"toolDescription": "Run custom SQL queries using knowledge about Output structure to provide needed response for user request.\nUse ->> operator to extract JSON data."
},
"credentials": {
"postgres": {
"id": "AO9cER6p8uX7V07T",
"name": "Postgres 5minai"
}
},
"typeVersion": 2.5
}
],
"pinData": {},
"connections": {
"DB Schema": {
"ai_tool": [
[
{
"node": "AI Agent",
"type": "ai_tool",
"index": 0
}
]
]
},
"Run SQL Query": {
"ai_tool": [
[
{
"node": "AI Agent",
"type": "ai_tool",
"index": 0
}
]
]
},
"OpenAI Chat Model": {
"ai_languageModel": [
[
{
"node": "AI Agent",
"type": "ai_languageModel",
"index": 0
}
]
]
},
"Get table definition": {
"ai_tool": [
[
{
"node": "AI Agent",
"type": "ai_tool",
"index": 0
}
]
]
},
"When chat message received": {
"main": [
[
{
"node": "AI Agent",
"type": "main",
"index": 0
}
]
]
}
}
}Workflow n8n chat, OpenAI, Postgres : pour qui est ce workflow ?
Ce workflow s'adresse aux équipes de support client, aux gestionnaires de communauté et aux entreprises cherchant à améliorer leur communication interne. Il est idéal pour les organisations de taille moyenne à grande, avec un niveau technique intermédiaire requis pour sa mise en place.
Workflow n8n chat, OpenAI, Postgres : problème résolu
Ce workflow résout le problème de la gestion manuelle des messages dans un chat, qui peut être source de confusion et de retards. En automatisant la réception et le traitement des messages, il élimine les frustrations liées à la perte d'informations importantes et réduit le temps consacré à la gestion des réponses. Les utilisateurs bénéficient ainsi d'une communication plus rapide et d'une meilleure organisation des informations.
Workflow n8n chat, OpenAI, Postgres : étapes du workflow
Étape 1 : Le workflow se déclenche dès qu'un message est reçu dans le chat.
- Étape 1 : Le modèle de chat OpenAI analyse le message et génère une réponse.
- Étape 2 : Des notes adhésives sont créées pour organiser les informations pertinentes.
- Étape 3 : Les nœuds Postgres exécutent des requêtes SQL pour gérer les données, garantissant leur accessibilité et leur intégrité.
Workflow n8n chat, OpenAI, Postgres : guide de personnalisation
Pour personnaliser ce workflow, vous pouvez modifier les paramètres du nœud 'When chat message received' pour l'adapter à votre plateforme de chat spécifique. Les couleurs et le contenu des notes adhésives peuvent être ajustés dans les nœuds 'Sticky Note'. De plus, vous pouvez adapter les requêtes SQL dans les nœuds Postgres pour répondre aux besoins spécifiques de votre base de données. Assurez-vous également de sécuriser les connexions à votre base de données et de monitorer les performances du workflow pour une efficacité optimale.