← Retour aux workflows
Workflow n8n

Automatisation Q&A avec n8n : gestion des questions-réponses

Ce workflow n8n est conçu pour automatiser la gestion des questions-réponses, facilitant ainsi l'interaction avec les utilisateurs sur des plateformes comme Discord ou via des formulaires web. En intégrant des modèles d'OpenAI et des systèmes de stockage vectoriel, ce processus permet de répondre efficacement aux requêtes des utilisateurs tout en optimisant le temps de réponse. Le workflow commence par un déclencheur manuel qui active le processus lors de la réception d'un message ou d'une requête. Ensuite, il utilise des noeuds comme 'Embeddings OpenAI' pour générer des représentations vectorielles des questions, et 'Retrieval QA Chain' pour récupérer les réponses pertinentes à partir d'une base de données. Les noeuds 'Google Drive' et 'Binary to Document' permettent d'intégrer des documents externes, enrichissant ainsi les réponses. Enfin, le workflow se termine par un noeud de réponse au webhook, assurant une communication fluide avec l'utilisateur. Grâce à cette automatisation n8n, les entreprises peuvent améliorer leur service client, réduire les délais de réponse et offrir une expérience utilisateur plus engageante.

Tags clés :automatisationOpenAIQ&An8nservice client
🎯Pour qui ?🧩Problème résolu📋Étapes du flux🛠Guide de personnalisation
Catégorie: Manual · Tags: automatisation, OpenAI, Q&A, n8n, service client❤ 0

Workflow n8n OpenAI, Q&A, 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 OpenAI, Q&A, service client : détail des nœuds

  • Embeddings OpenAI1

    Ce noeud génère des embeddings à partir de données en utilisant l'API OpenAI.

  • On new manual Chat Message

    Ce noeud déclenche le workflow lorsqu'un nouveau message de chat manuel est reçu.

  • Sticky Note1

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

  • Retrieval QA Chain

    Ce noeud exécute une chaîne de questions-réponses en utilisant une requête fournie.

  • Respond to Webhook

    Ce noeud répond à une requête webhook avec un corps de réponse spécifié.

  • Vector Store Retriever

    Ce noeud récupère des vecteurs à partir d'un magasin de vecteurs en fonction d'un nombre spécifié de résultats.

  • Webhook1

    Ce noeud écoute les requêtes entrantes sur un chemin webhook défini.

  • When clicking "Execute Workflow"

    Ce noeud permet d'exécuter manuellement le workflow lorsque l'utilisateur clique sur 'Exécuter le workflow'.

  • Google Drive

    Ce noeud interagit avec Google Drive pour effectuer des opérations sur un fichier spécifié.

  • Binary to Document

    Ce noeud convertit des fichiers binaires en documents utilisables.

  • Recursive Character Text Splitter

    Ce noeud divise un texte en morceaux en utilisant un séparateur de caractères récursif.

  • Embeddings OpenAI

    Ce noeud génère des embeddings à partir de données en utilisant l'API OpenAI.

  • Sticky Note

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

  • Qdrant Vector Store

    Ce noeud interagit avec un magasin de vecteurs Qdrant pour effectuer des opérations définies.

  • Qdrant Vector Store1

    Ce noeud interagit avec un magasin de vecteurs Qdrant pour effectuer des opérations sur une collection spécifiée.

  • OpenAI Chat Model

    Ce noeud utilise le modèle de chat OpenAI pour générer des réponses basées sur des options fournies.

  • Sticky Note2

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

Inscris-toi pour voir l'intégralité du workflow

Inscription gratuite

S'inscrire gratuitementBesoin d'aide ?
{
  "id": "tMiRJYDrXzpKysTX",
  "meta": {
    "instanceId": "2723a3a635131edfcb16103f3d4dbaadf3658e386b4762989cbf49528dccbdbd",
    "templateId": "1960"
  },
  "name": "Stock Q&A Workflow",
  "tags": [],
  "nodes": [
    {
      "id": "ec3b86be-4113-4fd5-8365-02adb67693e9",
      "name": "Embeddings OpenAI1",
      "type": "@n8n/n8n-nodes-langchain.embeddingsOpenAi",
      "position": [
        1960,
        720
      ],
      "parameters": {
        "options": {}
      },
      "credentials": {
        "openAiApi": {
          "id": "fOF5kro9BJ6KMQ7n",
          "name": "OpenAi account"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "42fd8020-3861-4d0f-a7a2-70e2c35f0bed",
      "name": "On new manual Chat Message",
      "type": "@n8n/n8n-nodes-langchain.manualChatTrigger",
      "disabled": true,
      "position": [
        1620,
        240
      ],
      "parameters": {},
      "typeVersion": 1
    },
    {
      "id": "a9b48d04-691e-4537-90f8-d7a4aa6153af",
      "name": "Sticky Note1",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        1560,
        120
      ],
      "parameters": {
        "color": 6,
        "width": 903.0896125323785,
        "height": 733.5099670584011,
        "content": "## Step 2: Setup the Q&A \n### The incoming message from the webhook is queried from the Supabase Vector Store. The response is provided in the response webhook. "
      },
      "typeVersion": 1
    },
    {
      "id": "472b4800-745a-4337-9545-163247f7e9ae",
      "name": "Retrieval QA Chain",
      "type": "@n8n/n8n-nodes-langchain.chainRetrievalQa",
      "position": [
        1880,
        240
      ],
      "parameters": {
        "query": "={{ $json.body.input }}"
      },
      "typeVersion": 1
    },
    {
      "id": "e58bd82d-abc6-44ed-8e93-ec5436126d66",
      "name": "Respond to Webhook",
      "type": "n8n-nodes-base.respondToWebhook",
      "position": [
        2280,
        240
      ],
      "parameters": {
        "options": {},
        "respondWith": "text",
        "responseBody": "={{ $json.response.text }}"
      },
      "typeVersion": 1
    },
    {
      "id": "04bbf01e-8269-47c7-897d-4ea94a1bd1c0",
      "name": "Vector Store Retriever",
      "type": "@n8n/n8n-nodes-langchain.retrieverVectorStore",
      "position": [
        2020,
        440
      ],
      "parameters": {
        "topK": 5
      },
      "typeVersion": 1
    },
    {
      "id": "feee6d68-2e0d-4d40-897e-c1d833a13bf2",
      "name": "Webhook1",
      "type": "n8n-nodes-base.webhook",
      "position": [
        1620,
        420
      ],
      "webhookId": "679f4afb-189e-4f04-9dc0-439eec2ec5f1",
      "parameters": {
        "path": "19f5499a-3083-4783-93a0-e8ed76a9f742",
        "options": {},
        "httpMethod": "POST",
        "responseMode": "responseNode"
      },
      "typeVersion": 1.1
    },
    {
      "id": "1b8d251f-7069-4d7d-b6d6-4bfa683d4ad1",
      "name": "When clicking \"Execute Workflow\"",
      "type": "n8n-nodes-base.manualTrigger",
      "position": [
        280,
        260
      ],
      "parameters": {},
      "typeVersion": 1
    },
    {
      "id": "b746a7a4-ed94-4332-bf7b-65aadcf54130",
      "name": "Google Drive",
      "type": "n8n-nodes-base.googleDrive",
      "position": [
        580,
        260
      ],
      "parameters": {
        "fileId": {
          "__rl": true,
          "mode": "list",
          "value": "1LZezppYrWpMStr4qJXtoIX-Dwzvgehll",
          "cachedResultUrl": "https://drive.google.com/file/d/1LZezppYrWpMStr4qJXtoIX-Dwzvgehll/view?usp=drivesdk",
          "cachedResultName": "crowdstrike.pdf"
        },
        "options": {},
        "operation": "download"
      },
      "credentials": {
        "googleDriveOAuth2Api": {
          "id": "1tsDIpjUaKbXy0be",
          "name": "Google Drive account"
        }
      },
      "typeVersion": 3
    },
    {
      "id": "83a7d470-f934-436d-ba3f-1ae7c776f5a5",
      "name": "Binary to Document",
      "type": "@n8n/n8n-nodes-langchain.documentBinaryInputLoader",
      "position": [
        860,
        480
      ],
      "parameters": {
        "loader": "pdfLoader",
        "options": {}
      },
      "typeVersion": 1
    },
    {
      "id": "b52b4a90-99a1-49cc-a6f0-7551d6754496",
      "name": "Recursive Character Text Splitter",
      "type": "@n8n/n8n-nodes-langchain.textSplitterRecursiveCharacterTextSplitter",
      "position": [
        860,
        640
      ],
      "parameters": {
        "options": {},
        "chunkSize": 3000,
        "chunkOverlap": 200
      },
      "typeVersion": 1
    },
    {
      "id": "b525e130-2029-4f55-a603-1fdc05a19c17",
      "name": "Embeddings OpenAI",
      "type": "@n8n/n8n-nodes-langchain.embeddingsOpenAi",
      "position": [
        1160,
        480
      ],
      "parameters": {
        "options": {}
      },
      "credentials": {
        "openAiApi": {
          "id": "fOF5kro9BJ6KMQ7n",
          "name": "OpenAi account"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "5358c53f-55f9-431d-8956-c6bae7ad25bc",
      "name": "Sticky Note",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        540,
        120
      ],
      "parameters": {
        "color": 6,
        "width": 772.0680602743597,
        "height": 732.3675002130781,
        "content": "## Step 1: Upserting the PDF\n### Fetch file from Google Drive, split it into chunks and insert into Supabase index\n\n"
      },
      "typeVersion": 1
    },
    {
      "id": "fb91e2da-0eeb-47a5-aa49-65bf56986857",
      "name": "Qdrant Vector Store",
      "type": "@n8n/n8n-nodes-langchain.vectorStoreQdrant",
      "position": [
        940,
        260
      ],
      "parameters": {
        "mode": "insert",
        "options": {},
        "qdrantCollection": {
          "__rl": true,
          "mode": "id",
          "value": "=crowd"
        }
      },
      "credentials": {
        "qdrantApi": {
          "id": "U5CpjAgFeXziP3I1",
          "name": "QdrantApi account"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "89e14837-d1fc-4b1e-9ebc-7cf3e7fd9a70",
      "name": "Qdrant Vector Store1",
      "type": "@n8n/n8n-nodes-langchain.vectorStoreQdrant",
      "position": [
        1980,
        600
      ],
      "parameters": {
        "qdrantCollection": {
          "__rl": true,
          "mode": "id",
          "value": "={{ $json.body.company }}"
        }
      },
      "credentials": {
        "qdrantApi": {
          "id": "U5CpjAgFeXziP3I1",
          "name": "QdrantApi account"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "c619245b-5ea0-4354-974d-21ec6b8efa93",
      "name": "OpenAI Chat Model",
      "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
      "position": [
        1880,
        460
      ],
      "parameters": {
        "options": {}
      },
      "credentials": {
        "openAiApi": {
          "id": "fOF5kro9BJ6KMQ7n",
          "name": "OpenAi account"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "e4aa780d-8069-4308-a61f-82ed876af71a",
      "name": "Sticky Note2",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        -560,
        120
      ],
      "parameters": {
        "color": 6,
        "width": 710.9124489067698,
        "height": 726.4452519516944,
        "content": "## Start here: Step-by Step Youtube Tutorial :star:\n\n[![Building an AI Crew to Analyze Financial Data with CrewAI and n8n](https://img.youtube.com/vi/pMvizUx5n1g/sddefault.jpg)](https://www.youtube.com/watch?v=pMvizUx5n1g)\n"
      },
      "typeVersion": 1
    }
  ],
  "active": true,
  "pinData": {},
  "settings": {},
  "versionId": "463aec94-26a6-436d-8732-fc01d637c6ae",
  "connections": {
    "Webhook1": {
      "main": [
        [
          {
            "node": "Retrieval QA Chain",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Google Drive": {
      "main": [
        [
          {
            "node": "Qdrant Vector Store",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Embeddings OpenAI": {
      "ai_embedding": [
        [
          {
            "node": "Qdrant Vector Store",
            "type": "ai_embedding",
            "index": 0
          }
        ]
      ]
    },
    "OpenAI Chat Model": {
      "ai_languageModel": [
        [
          {
            "node": "Retrieval QA Chain",
            "type": "ai_languageModel",
            "index": 0
          }
        ]
      ]
    },
    "Binary to Document": {
      "ai_document": [
        [
          {
            "node": "Qdrant Vector Store",
            "type": "ai_document",
            "index": 0
          }
        ]
      ]
    },
    "Embeddings OpenAI1": {
      "ai_embedding": [
        [
          {
            "node": "Qdrant Vector Store1",
            "type": "ai_embedding",
            "index": 0
          }
        ]
      ]
    },
    "Retrieval QA Chain": {
      "main": [
        [
          {
            "node": "Respond to Webhook",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Qdrant Vector Store1": {
      "ai_vectorStore": [
        [
          {
            "node": "Vector Store Retriever",
            "type": "ai_vectorStore",
            "index": 0
          }
        ]
      ]
    },
    "Vector Store Retriever": {
      "ai_retriever": [
        [
          {
            "node": "Retrieval QA Chain",
            "type": "ai_retriever",
            "index": 0
          }
        ]
      ]
    },
    "On new manual Chat Message": {
      "main": [
        [
          {
            "node": "Retrieval QA Chain",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "When clicking \"Execute Workflow\"": {
      "main": [
        [
          {
            "node": "Google Drive",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Recursive Character Text Splitter": {
      "ai_textSplitter": [
        [
          {
            "node": "Binary to Document",
            "type": "ai_textSplitter",
            "index": 0
          }
        ]
      ]
    }
  }
}

Workflow n8n OpenAI, Q&A, service client : pour qui est ce workflow ?

Ce workflow s'adresse aux entreprises souhaitant améliorer leur service client, notamment celles qui utilisent des plateformes de communication comme Discord. Il est idéal pour les équipes techniques et marketing cherchant à automatiser les interactions avec les utilisateurs, quel que soit leur niveau technique.

Workflow n8n OpenAI, Q&A, service client : problème résolu

Ce workflow résout le problème de la lenteur dans la gestion des questions-réponses, souvent source de frustration pour les utilisateurs. En automatisant le processus, il élimine les délais d'attente et réduit le risque d'erreurs humaines dans les réponses. Les entreprises peuvent ainsi offrir un service rapide et précis, augmentant la satisfaction client et la fidélisation.

Workflow n8n OpenAI, Q&A, service client : étapes du workflow

Étape 1 : Le workflow est déclenché manuellement par un message ou une requête.

  • Étape 1 : Le noeud 'Embeddings OpenAI' génère des représentations vectorielles des questions.
  • Étape 2 : Le noeud 'Retrieval QA Chain' récupère les réponses pertinentes.
  • Étape 3 : Les documents externes sont intégrés via 'Google Drive' et 'Binary to Document'.
  • Étape 4 : Enfin, le noeud 'Respond to Webhook' envoie la réponse à l'utilisateur.

Workflow n8n OpenAI, Q&A, service client : guide de personnalisation

Pour personnaliser ce workflow, vous pouvez modifier les paramètres des noeuds comme 'Webhook1' pour adapter le point d'entrée des requêtes. Il est également possible de changer les configurations des noeuds 'Embeddings OpenAI' et 'OpenAI Chat Model' pour ajuster les réponses générées. Pour intégrer d'autres outils, vous pouvez ajouter des noeuds supplémentaires ou ajuster les connexions existantes. Assurez-vous de sécuriser les accès aux données sensibles et de monitorer les performances du flux pour garantir une expérience utilisateur optimale.