Automatisation Chat avec n8n : réponses instantanées et info
Ce workflow n8n a pour objectif d'automatiser les interactions dans un chat en fournissant des réponses instantanées basées sur des informations provenant de Wikipedia et des données météorologiques. Idéal pour les entreprises qui souhaitent améliorer l'engagement client, ce système permet de répondre rapidement aux questions des utilisateurs tout en intégrant des données externes. Le déclencheur de ce workflow est un message de chat manuel, ce qui signifie qu'il s'active dès qu'un utilisateur envoie un message. Ensuite, le workflow utilise plusieurs nœuds pour traiter la demande. Par exemple, le nœud 'Wikipedia' interroge la base de données de Wikipedia pour obtenir des informations pertinentes, tandis que le nœud 'Weather HTTP Request' récupère des données météorologiques en temps réel. Les réponses sont ensuite gérées par un agent AI qui génère une réponse adaptée à la requête de l'utilisateur. Les notes autocollantes sont utilisées tout au long du processus pour stocker et afficher des informations clés. Grâce à cette automatisation n8n, les entreprises peuvent réduire le temps de réponse et améliorer la satisfaction client, tout en offrant une expérience utilisateur enrichie. Tags clés : automatisation, chat, n8n.
Vue d'ensemble du workflow n8n
Schéma des nœuds et connexions de ce workflow n8n, généré à partir du JSON n8n.
Détail des nœuds du workflow n8n
Inscris-toi pour voir l'intégralité du workflow
Inscription gratuite
S'inscrire gratuitementBesoin d'aide ?{
"meta": {
"instanceId": "558d88703fb65b2d0e44613bc35916258b0f0bf983c5d4730c00c424b77ca36a",
"templateId": "2931",
"templateCredsSetupCompleted": true
},
"nodes": [
{
"id": "100f23d3-cbe9-458a-9ef1-7cc5fcba8f3c",
"name": "Sticky Note4",
"type": "n8n-nodes-base.stickyNote",
"position": [
640,
540
],
"parameters": {
"width": 300,
"height": 205,
"content": "### The conversation history(last 20 messages) is stored in a buffer memory"
},
"typeVersion": 1
},
{
"id": "b48f989f-deb9-479c-b163-03f098d00c9c",
"name": "On new manual Chat Message",
"type": "@n8n/n8n-nodes-langchain.manualChatTrigger",
"position": [
380,
240
],
"parameters": {},
"typeVersion": 1
},
{
"id": "add8e8df-6b2a-4cbd-84e7-3b006733ef7d",
"name": "Wikipedia",
"type": "@n8n/n8n-nodes-langchain.toolWikipedia",
"position": [
1180,
640
],
"parameters": {},
"typeVersion": 1
},
{
"id": "a97454a8-001d-4986-9cb5-83176229ea70",
"name": "Sticky Note3",
"type": "n8n-nodes-base.stickyNote",
"position": [
980,
540
],
"parameters": {
"width": 300,
"height": 205,
"content": "### Tools which agent can use to accomplish the task"
},
"typeVersion": 1
},
{
"id": "52b57e72-8cc9-4865-9a00-d03b2e7f1b92",
"name": "Sticky Note6",
"type": "n8n-nodes-base.stickyNote",
"position": [
600,
160
],
"parameters": {
"width": 422,
"height": 211,
"content": "### Conversational agent will utilise available tools to answer the prompt. "
},
"typeVersion": 1
},
{
"id": "8f0653ab-376b-40b9-b876-e608defdeb89",
"name": "Window Buffer Memory",
"type": "@n8n/n8n-nodes-langchain.memoryBufferWindow",
"position": [
740,
600
],
"parameters": {
"contextWindowLength": 20
},
"typeVersion": 1
},
{
"id": "13237945-e143-4f65-b034-785f5ebde5bb",
"name": "AI Agent",
"type": "@n8n/n8n-nodes-langchain.agent",
"position": [
680,
240
],
"parameters": {
"text": "={{ $json.input }}",
"options": {
"systemMessage": "=You are a helpful assistant, with weather tool and wiki tool. find out the latitude and longitude information of a location then use the weather tool for current weather and weather forecast. For general info, use the wiki tool."
},
"promptType": "define"
},
"typeVersion": 1.6
},
{
"id": "ee06c0f4-b2de-4257-9735-3ec228f2b794",
"name": "Weather HTTP Request",
"type": "@n8n/n8n-nodes-langchain.toolHttpRequest",
"position": [
1020,
620
],
"parameters": {
"url": "https://api.open-meteo.com/v1/forecast",
"sendQuery": true,
"parametersQuery": {
"values": [
{
"name": "latitude"
},
{
"name": "longitude"
},
{
"name": "forecast_days",
"value": "1",
"valueProvider": "fieldValue"
},
{
"name": "hourly",
"value": "temperature_2m",
"valueProvider": "fieldValue"
}
]
},
"toolDescription": "Fetch current temperature for given coordinates."
},
"notesInFlow": true,
"typeVersion": 1.1
},
{
"id": "3e5608c8-281d-47e0-af9d-77707530fd6b",
"name": "Ollama Chat Model",
"type": "@n8n/n8n-nodes-langchain.lmChatOllama",
"position": [
520,
620
],
"parameters": {
"model": "llama3.2:latest",
"options": {}
},
"credentials": {
"ollamaApi": {
"id": "xHuYe0MDGOs9IpBW",
"name": "Local Ollama service"
}
},
"typeVersion": 1
},
{
"id": "b3d794f4-37b5-46c8-9d7d-ad1087006ce5",
"name": "Sticky Note",
"type": "n8n-nodes-base.stickyNote",
"position": [
1040,
140
],
"parameters": {
"color": 4,
"height": 240,
"content": "### In System Message, add the following.\n\n\"You are a helpful assistant, with weather tool and wiki tool. find out the latitude and longitude information of a location then use the weather tool for current weather and weather forecast. For general info, use the wiki tool.\""
},
"typeVersion": 1
}
],
"pinData": {},
"connections": {
"Wikipedia": {
"ai_tool": [
[
{
"node": "AI Agent",
"type": "ai_tool",
"index": 0
}
]
]
},
"Ollama Chat Model": {
"ai_languageModel": [
[
{
"node": "AI Agent",
"type": "ai_languageModel",
"index": 0
}
]
]
},
"Weather HTTP Request": {
"ai_tool": [
[
{
"node": "AI Agent",
"type": "ai_tool",
"index": 0
}
]
]
},
"Window Buffer Memory": {
"ai_memory": [
[
{
"node": "AI Agent",
"type": "ai_memory",
"index": 0
}
]
]
},
"On new manual Chat Message": {
"main": [
[
{
"node": "AI Agent",
"type": "main",
"index": 0
}
]
]
}
}
}Pour qui est ce workflow ?
Ce workflow s'adresse aux entreprises de taille moyenne à grande qui souhaitent automatiser leurs interactions clients via des plateformes de chat. Il est particulièrement adapté aux équipes de support client et de communication, ainsi qu'aux entreprises cherchant à intégrer des solutions d'IA sans nécessiter de compétences techniques avancées.
Problème résolu
Ce workflow résout le problème de la lenteur dans les réponses aux questions des clients en automatisant le processus de réponse. Les utilisateurs n'ont plus à attendre des minutes pour obtenir des informations, ce qui réduit les frustrations et améliore l'expérience client. En intégrant des données en temps réel, il permet également de fournir des réponses précises et pertinentes, augmentant ainsi la confiance des utilisateurs envers l'entreprise.
Étapes du workflow
Étape 1 : Le workflow est déclenché par un message de chat manuel. Étape 2 : Le nœud 'Wikipedia' interroge la base de données pour obtenir des informations pertinentes. Étape 3 : Simultanément, le nœud 'Weather HTTP Request' récupère des données météorologiques. Étape 4 : Les informations sont stockées dans un buffer mémoire via le nœud 'Window Buffer Memory'. Étape 5 : L'agent AI génère une réponse basée sur les données collectées. Étape 6 : Les réponses sont affichées dans le chat, accompagnées de notes autocollantes pour une meilleure visibilité.
Guide de personnalisation du workflow n8n
Pour personnaliser ce workflow, vous pouvez modifier le nœud 'On new manual Chat Message' pour l'adapter à votre plateforme de chat spécifique. Les paramètres du nœud 'Weather HTTP Request' peuvent être ajustés pour cibler des localisations spécifiques ou des types de données météorologiques. Vous pouvez également personnaliser les messages générés par l'agent AI dans le nœud 'AI Agent' en modifiant le prompt utilisé. Enfin, les notes autocollantes peuvent être configurées pour afficher des informations supplémentaires selon vos besoins.