← Retour aux workflows
Workflow n8n

Automatisation chatbot avec n8n : intégration ElevenLabs et OpenAI

Ce workflow n8n a pour objectif de créer un chatbot intelligent en intégrant les technologies d'ElevenLabs et d'OpenAI. Il s'adresse aux entreprises souhaitant améliorer leur service client ou automatiser des interactions via des canaux numériques. En utilisant ce workflow, les utilisateurs peuvent facilement configurer un chatbot capable de répondre à des questions en temps réel, d'analyser des données et d'interagir de manière fluide avec les utilisateurs. Le processus commence par un déclencheur Webhook qui écoute les requêtes entrantes. Ensuite, le workflow utilise des nœuds tels que 'AI Agent' pour gérer les requêtes et 'OpenAI' pour générer des réponses basées sur les entrées des utilisateurs. Les données sont ensuite traitées à l'aide de 'Token Splitter' et 'Embeddings OpenAI' pour assurer une compréhension contextuelle. Les réponses sont stockées dans un 'Vector Store' pour une récupération rapide. Enfin, le nœud 'Respond to ElevenLabs' envoie les réponses générées aux utilisateurs. Grâce à cette automatisation n8n, les entreprises peuvent réduire le temps de réponse, améliorer l'expérience utilisateur et optimiser leurs opérations de service client.

Tags clés :automatisationchatbotOpenAIn8nservice client
🎯Pour qui ?🧩Problème résolu📋Étapes du flux🛠Guide de personnalisation
Catégorie: Webhook · Tags: automatisation, chatbot, OpenAI, n8n, service client❤ 0

Workflow n8n chatbot, OpenAI, service client : vue d'ensemble

Schéma des nœuds et connexions de ce workflow n8n, généré à partir du JSON n8n.

React Flow
Besoin d'aide ?

Workflow n8n chatbot, OpenAI, service client : détail des nœuds

  • AI Agent

    Ce noeud agit comme un agent d'IA, traitant du texte selon les options et le type de prompt spécifiés.

  • Vector Store Tool

    Ce noeud permet de définir un outil de stockage vectoriel avec un nom et une description.

  • Qdrant Vector Store

    Ce noeud interagit avec un stockage vectoriel Qdrant en utilisant des options et une collection spécifiée.

  • Embeddings OpenAI

    Ce noeud génère des embeddings à l'aide de l'API OpenAI selon les options fournies.

  • Sticky Note4

    Ce noeud crée une note autocollante avec des paramètres de couleur, de taille et de contenu.

  • Sticky Note

    Ce noeud génère une note autocollante avec des spécifications de couleur, de taille et de contenu.

  • When clicking ‘Test workflow’

    Ce noeud déclenche manuellement le workflow lorsque l'utilisateur clique sur 'Test workflow'.

  • Create collection

    Ce noeud effectue une requête HTTP pour créer une collection en utilisant les paramètres spécifiés.

  • Refresh collection

    Ce noeud effectue une requête HTTP pour rafraîchir une collection avec les options et le corps JSON fournis.

  • Get folder

    Ce noeud récupère un dossier depuis Google Drive en utilisant des filtres et des options.

  • Download Files

    Ce noeud télécharge des fichiers depuis Google Drive en utilisant l'ID du fichier et des options.

  • Default Data Loader

    Ce noeud charge des données par défaut à l'aide d'un chargeur de données spécifié et d'un type de données.

  • Token Splitter

    Ce noeud divise un texte en tokens selon une taille de chunk et un chevauchement spécifiés.

  • Sticky Note3

    Ce noeud crée une note autocollante avec des spécifications de couleur, de taille et de contenu.

  • Qdrant Vector Store1

    Ce noeud interagit avec un stockage vectoriel Qdrant en utilisant un mode, des options et une collection spécifiée.

  • Embeddings OpenAI1

    Ce noeud génère des embeddings à l'aide de l'API OpenAI selon les options fournies.

  • Sticky Note5

    Ce noeud crée une note autocollante avec des spécifications de couleur, de taille et de contenu.

  • Respond to ElevenLabs

    Ce noeud répond à un webhook avec les options spécifiées.

  • OpenAI

    Ce noeud interagit avec le modèle de chat OpenAI en utilisant les options fournies.

  • Listen

    Ce noeud écoute les requêtes entrantes via un webhook avec des paramètres de chemin et de méthode HTTP.

  • Window Buffer Memory

    Ce noeud gère la mémoire tampon de fenêtre pour le traitement des données.

  • OpenAI Chat Model

    Ce noeud interagit avec le modèle de chat OpenAI en utilisant les options fournies.

  • Sticky Note6

    Ce noeud crée une note autocollante avec des spécifications de couleur, de taille et de contenu.

Inscris-toi pour voir l'intégralité du workflow

Inscription gratuite

S'inscrire gratuitementBesoin d'aide ?
{
  "id": "ibiHg6umCqvcTF4g",
  "meta": {
    "instanceId": "a4bfc93e975ca233ac45ed7c9227d84cf5a2329310525917adaf3312e10d5462",
    "templateCredsSetupCompleted": true
  },
  "name": "Voice RAG Chatbot with ElevenLabs and OpenAI",
  "tags": [],
  "nodes": [
    {
      "id": "5898da57-38b0-4d29-af25-fe029cda7c4a",
      "name": "AI Agent",
      "type": "@n8n/n8n-nodes-langchain.agent",
      "position": [
        -180,
        800
      ],
      "parameters": {
        "text": "={{ $json.body.question }}",
        "options": {},
        "promptType": "define"
      },
      "typeVersion": 1.7
    },
    {
      "id": "81bbedb6-5a07-4977-a68f-2bdc75b17aba",
      "name": "Vector Store Tool",
      "type": "@n8n/n8n-nodes-langchain.toolVectorStore",
      "position": [
        20,
        1040
      ],
      "parameters": {
        "name": "company",
        "description": "Risponde alle domande relative a ciò che ti viene chiesto"
      },
      "typeVersion": 1
    },
    {
      "id": "fd021f6c-248d-41f4-a4f9-651e70692327",
      "name": "Qdrant Vector Store",
      "type": "@n8n/n8n-nodes-langchain.vectorStoreQdrant",
      "position": [
        -140,
        1300
      ],
      "parameters": {
        "options": {},
        "qdrantCollection": {
          "__rl": true,
          "mode": "id",
          "value": "=COLLECTION"
        }
      },
      "credentials": {
        "qdrantApi": {
          "id": "iyQ6MQiVaF3VMBmt",
          "name": "QdrantApi account"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "84aca7bb-4812-498f-b319-88831e4ca412",
      "name": "Embeddings OpenAI",
      "type": "@n8n/n8n-nodes-langchain.embeddingsOpenAi",
      "position": [
        -140,
        1460
      ],
      "parameters": {
        "options": {}
      },
      "credentials": {
        "openAiApi": {
          "id": "CDX6QM4gLYanh0P4",
          "name": "OpenAi account"
        }
      },
      "typeVersion": 1.1
    },
    {
      "id": "82e430db-2ad7-427d-bcf9-6aa226253d18",
      "name": "Sticky Note4",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        -760,
        520
      ],
      "parameters": {
        "color": 5,
        "width": 1400,
        "height": 240,
        "content": "# STEP 4\n\n## RAG System\n\nClick on \"test workflow\" on n8n and \"Test AI agent\" on ElevenLabs. If everything is configured correctly, when you ask a question to the agent, the webhook on n8n is activated with the \"question\" field in the body filled with the question asked to the voice agent.\n\nThe AI ​​Agent will extract the information from the vector database, send it to the model to create the response which will be sent via the response webhook to ElevenLabs which will transform it into voice"
      },
      "typeVersion": 1
    },
    {
      "id": "6a19e9fa-50fa-4d51-ba41-d03c999e4649",
      "name": "Sticky Note",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        -780,
        -880
      ],
      "parameters": {
        "color": 3,
        "width": 1420,
        "height": 360,
        "content": "# STEP 1\n\n## Create an Agent on ElevenLabs \n- Create an agent on ElevenLabs (eg. test_n8n)\n- Add \"First message\" (eg. Hi, Can I help you?)\n- Add the \"System Prompt\" message... eg:\n'You are the waiter of \"Pizzeria da Michele\" in Verona. If you are asked a question, use the tool \"test_chatbot_elevenlabs\". When you receive the answer from \"test_chatbot_elevenlabs\" answer the user clearly and precisely.'\n- In Tools add a Webhook called eg. \"test_chatbot_elevenlabs\" and add the following description:\n'You are the waiter. Answer the questions asked and store them in the question field.'\n- Add the n8n webhook URL (method POST)\n- Enable \"Body Parameters\" and insert in the description \"Ask the user the question to ask the place.\", then in the \"Properties\" add a data type string called \"question\", value type \"LLM Prompt\" and description \"user question\""
      },
      "typeVersion": 1
    },
    {
      "id": "ec053ee7-3a4a-4697-a08c-5645810d23f0",
      "name": "When clicking ‘Test workflow’",
      "type": "n8n-nodes-base.manualTrigger",
      "position": [
        -740,
        -200
      ],
      "parameters": {},
      "typeVersion": 1
    },
    {
      "id": "3e71e40c-a5cc-40cf-a159-aeedc97c47d1",
      "name": "Create collection",
      "type": "n8n-nodes-base.httpRequest",
      "position": [
        -440,
        -340
      ],
      "parameters": {
        "url": "https://QDRANTURL/collections/COLLECTION",
        "method": "POST",
        "options": {},
        "jsonBody": "{\n  \"filter\": {}\n}",
        "sendBody": true,
        "sendHeaders": true,
        "specifyBody": "json",
        "authentication": "genericCredentialType",
        "genericAuthType": "httpHeaderAuth",
        "headerParameters": {
          "parameters": [
            {
              "name": "Content-Type",
              "value": "application/json"
            }
          ]
        }
      },
      "credentials": {
        "httpHeaderAuth": {
          "id": "qhny6r5ql9wwotpn",
          "name": "Qdrant API (Hetzner)"
        }
      },
      "typeVersion": 4.2
    },
    {
      "id": "240283fc-50ec-475c-bd24-e6d0a367c10c",
      "name": "Refresh collection",
      "type": "n8n-nodes-base.httpRequest",
      "position": [
        -440,
        -80
      ],
      "parameters": {
        "url": "https://QDRANTURL/collections/COLLECTION/points/delete",
        "method": "POST",
        "options": {},
        "jsonBody": "{\n  \"filter\": {}\n}",
        "sendBody": true,
        "sendHeaders": true,
        "specifyBody": "json",
        "authentication": "genericCredentialType",
        "genericAuthType": "httpHeaderAuth",
        "headerParameters": {
          "parameters": [
            {
              "name": "Content-Type",
              "value": "application/json"
            }
          ]
        }
      },
      "credentials": {
        "httpHeaderAuth": {
          "id": "qhny6r5ql9wwotpn",
          "name": "Qdrant API (Hetzner)"
        }
      },
      "typeVersion": 4.2
    },
    {
      "id": "7d10fda0-c6ab-4bf5-b73e-b93a84937eff",
      "name": "Get folder",
      "type": "n8n-nodes-base.googleDrive",
      "position": [
        -220,
        -80
      ],
      "parameters": {
        "filter": {
          "driveId": {
            "__rl": true,
            "mode": "list",
            "value": "My Drive",
            "cachedResultUrl": "https://drive.google.com/drive/my-drive",
            "cachedResultName": "My Drive"
          },
          "folderId": {
            "__rl": true,
            "mode": "id",
            "value": "=test-whatsapp"
          }
        },
        "options": {},
        "resource": "fileFolder"
      },
      "credentials": {
        "googleDriveOAuth2Api": {
          "id": "HEy5EuZkgPZVEa9w",
          "name": "Google Drive account"
        }
      },
      "typeVersion": 3
    },
    {
      "id": "c5761ad2-e66f-4d65-b653-0e89ea017f17",
      "name": "Download Files",
      "type": "n8n-nodes-base.googleDrive",
      "position": [
        0,
        -80
      ],
      "parameters": {
        "fileId": {
          "__rl": true,
          "mode": "id",
          "value": "={{ $json.id }}"
        },
        "options": {
          "googleFileConversion": {
            "conversion": {
              "docsToFormat": "text/plain"
            }
          }
        },
        "operation": "download"
      },
      "credentials": {
        "googleDriveOAuth2Api": {
          "id": "HEy5EuZkgPZVEa9w",
          "name": "Google Drive account"
        }
      },
      "typeVersion": 3
    },
    {
      "id": "1f031a11-8ef3-4392-a7db-9bca00840b8f",
      "name": "Default Data Loader",
      "type": "@n8n/n8n-nodes-langchain.documentDefaultDataLoader",
      "position": [
        380,
        120
      ],
      "parameters": {
        "options": {},
        "dataType": "binary"
      },
      "typeVersion": 1
    },
    {
      "id": "7f614392-7bc7-408c-8108-f289a81d5cf6",
      "name": "Token Splitter",
      "type": "@n8n/n8n-nodes-langchain.textSplitterTokenSplitter",
      "position": [
        360,
        280
      ],
      "parameters": {
        "chunkSize": 300,
        "chunkOverlap": 30
      },
      "typeVersion": 1
    },
    {
      "id": "648c5b3d-37a8-4a89-b88c-38e1863f09dc",
      "name": "Sticky Note3",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        -240,
        -400
      ],
      "parameters": {
        "color": 6,
        "width": 880,
        "height": 220,
        "content": "# STEP 2\n\n## Create Qdrant Collection\nChange:\n- QDRANTURL\n- COLLECTION"
      },
      "typeVersion": 1
    },
    {
      "id": "a6c50f3c-3c73-464e-9bdc-49de96401c1b",
      "name": "Qdrant Vector Store1",
      "type": "@n8n/n8n-nodes-langchain.vectorStoreQdrant",
      "position": [
        240,
        -80
      ],
      "parameters": {
        "mode": "insert",
        "options": {},
        "qdrantCollection": {
          "__rl": true,
          "mode": "id",
          "value": "=COLLECTION"
        }
      },
      "credentials": {
        "qdrantApi": {
          "id": "iyQ6MQiVaF3VMBmt",
          "name": "QdrantApi account"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "7e19ac49-4d90-4258-bd44-7ca4ffa0128a",
      "name": "Embeddings OpenAI1",
      "type": "@n8n/n8n-nodes-langchain.embeddingsOpenAi",
      "position": [
        220,
        120
      ],
      "parameters": {
        "options": {}
      },
      "credentials": {
        "openAiApi": {
          "id": "CDX6QM4gLYanh0P4",
          "name": "OpenAi account"
        }
      },
      "typeVersion": 1.1
    },
    {
      "id": "bfa104a2-1f9c-4200-ae7b-4659894c1e6f",
      "name": "Sticky Note5",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        -460,
        -140
      ],
      "parameters": {
        "color": 4,
        "width": 620,
        "height": 400,
        "content": "# STEP 3\n\n\n\n\n\n\n\n\n\n\n\n\n## Documents vectorization with Qdrant and Google Drive\nChange:\n- QDRANTURL\n- COLLECTION"
      },
      "typeVersion": 1
    },
    {
      "id": "a148ffcf-335f-455d-8509-d98c711ed740",
      "name": "Respond to ElevenLabs",
      "type": "n8n-nodes-base.respondToWebhook",
      "position": [
        380,
        800
      ],
      "parameters": {
        "options": {}
      },
      "typeVersion": 1.1
    },
    {
      "id": "5d19f73a-b8e8-4e75-8f67-836180597572",
      "name": "OpenAI",
      "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
      "position": [
        -300,
        1040
      ],
      "parameters": {
        "options": {}
      },
      "credentials": {
        "openAiApi": {
          "id": "CDX6QM4gLYanh0P4",
          "name": "OpenAi account"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "802b76e1-3f3e-490c-9e3b-65dc5b28d906",
      "name": "Listen",
      "type": "n8n-nodes-base.webhook",
      "position": [
        -700,
        800
      ],
      "webhookId": "e9f611eb-a8dd-4520-8d24-9f36deaca528",
      "parameters": {
        "path": "test_voice_message_elevenlabs",
        "options": {},
        "httpMethod": "POST",
        "responseMode": "responseNode"
      },
      "typeVersion": 2
    },
    {
      "id": "bdc55a38-1d4b-48fe-bbd8-29bf1afd954a",
      "name": "Window Buffer Memory",
      "type": "@n8n/n8n-nodes-langchain.memoryBufferWindow",
      "position": [
        -140,
        1040
      ],
      "parameters": {},
      "typeVersion": 1.3
    },
    {
      "id": "2d5dd8cb-81eb-41bc-af53-b894e69e530c",
      "name": "OpenAI Chat Model",
      "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
      "position": [
        200,
        1320
      ],
      "parameters": {
        "options": {}
      },
      "credentials": {
        "openAiApi": {
          "id": "CDX6QM4gLYanh0P4",
          "name": "OpenAi account"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "92d04432-1dbb-4d79-9edc-42378aee1c53",
      "name": "Sticky Note6",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        -760,
        1620
      ],
      "parameters": {
        "color": 7,
        "width": 1400,
        "height": 240,
        "content": "# STEP 5\n\n## Add Widget\n\nAdd the widget to your business website by replacing AGENT_ID with the agent id you created on ElevenLabs\n\n<elevenlabs-convai agent-id=\"AGENT_ID\"></elevenlabs-convai><script src=\"https://elevenlabs.io/convai-widget/index.js\" async type=\"text/javascript\"></script>"
      },
      "typeVersion": 1
    }
  ],
  "active": false,
  "pinData": {},
  "settings": {
    "executionOrder": "v1"
  },
  "versionId": "6738abfe-e626-488d-a00b-81021cb04aaf",
  "connections": {
    "Listen": {
      "main": [
        [
          {
            "node": "AI Agent",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "OpenAI": {
      "ai_languageModel": [
        [
          {
            "node": "AI Agent",
            "type": "ai_languageModel",
            "index": 0
          }
        ]
      ]
    },
    "AI Agent": {
      "main": [
        [
          {
            "node": "Respond to ElevenLabs",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Get folder": {
      "main": [
        [
          {
            "node": "Download Files",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Download Files": {
      "main": [
        [
          {
            "node": "Qdrant Vector Store1",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Token Splitter": {
      "ai_textSplitter": [
        [
          {
            "node": "Default Data Loader",
            "type": "ai_textSplitter",
            "index": 0
          }
        ]
      ]
    },
    "Embeddings OpenAI": {
      "ai_embedding": [
        [
          {
            "node": "Qdrant Vector Store",
            "type": "ai_embedding",
            "index": 0
          }
        ]
      ]
    },
    "OpenAI Chat Model": {
      "ai_languageModel": [
        [
          {
            "node": "Vector Store Tool",
            "type": "ai_languageModel",
            "index": 0
          }
        ]
      ]
    },
    "Vector Store Tool": {
      "ai_tool": [
        [
          {
            "node": "AI Agent",
            "type": "ai_tool",
            "index": 0
          }
        ]
      ]
    },
    "Embeddings OpenAI1": {
      "ai_embedding": [
        [
          {
            "node": "Qdrant Vector Store1",
            "type": "ai_embedding",
            "index": 0
          }
        ]
      ]
    },
    "Refresh collection": {
      "main": [
        [
          {
            "node": "Get folder",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Default Data Loader": {
      "ai_document": [
        [
          {
            "node": "Qdrant Vector Store1",
            "type": "ai_document",
            "index": 0
          }
        ]
      ]
    },
    "Qdrant Vector Store": {
      "ai_vectorStore": [
        [
          {
            "node": "Vector Store Tool",
            "type": "ai_vectorStore",
            "index": 0
          }
        ]
      ]
    },
    "Window Buffer Memory": {
      "ai_memory": [
        [
          {
            "node": "AI Agent",
            "type": "ai_memory",
            "index": 0
          }
        ]
      ]
    },
    "When clicking ‘Test workflow’": {
      "main": [
        [
          {
            "node": "Create collection",
            "type": "main",
            "index": 0
          },
          {
            "node": "Refresh collection",
            "type": "main",
            "index": 0
          }
        ]
      ]
    }
  }
}

Workflow n8n chatbot, OpenAI, service client : pour qui est ce workflow ?

Ce workflow s'adresse aux entreprises de toutes tailles souhaitant intégrer des solutions d'IA dans leur service client. Il est particulièrement adapté aux équipes techniques et aux responsables de l'innovation qui cherchent à automatiser les interactions avec les clients.

Workflow n8n chatbot, OpenAI, service client : problème résolu

Ce workflow résout le problème de la lenteur et de l'inefficacité des réponses aux demandes clients. En automatisant les interactions, il réduit le temps d'attente pour les utilisateurs et diminue la charge de travail des équipes de support. Les entreprises peuvent ainsi offrir un service client réactif et personnalisé, tout en optimisant leurs ressources.

Workflow n8n chatbot, OpenAI, service client : étapes du workflow

Étape 1 : Le workflow commence par le nœud 'Listen' qui capte les requêtes via un Webhook.

  • Étape 1 : Les données reçues sont traitées par le nœud 'AI Agent' qui les analyse.
  • Étape 2 : Les réponses sont générées à l'aide du nœud 'OpenAI' qui utilise des modèles de langage avancés.
  • Étape 3 : Les données sont ensuite segmentées par le 'Token Splitter' pour une meilleure compréhension.
  • Étape 4 : Les réponses sont stockées dans le 'Vector Store Tool' pour un accès rapide.
  • Étape 5 : Enfin, le nœud 'Respond to ElevenLabs' envoie les réponses aux utilisateurs.

Workflow n8n chatbot, OpenAI, service client : guide de personnalisation

Pour personnaliser ce workflow, vous pouvez modifier les paramètres du nœud 'Listen' pour adapter le chemin du Webhook. Il est également possible de configurer les options des nœuds 'OpenAI' et 'AI Agent' pour ajuster le ton et le style des réponses. Si vous souhaitez intégrer d'autres services, vous pouvez ajouter des nœuds supplémentaires pour enrichir les fonctionnalités du chatbot. Assurez-vous de sécuriser le Webhook avec des authentifications appropriées pour protéger vos données.