本指南展示了如何部署一个聊天机器人，让您可以使用自然语言查询数据库。您将构建一个系统，该系统接收聊天消息、保留对话历史、构建动态SQL查询，并返回由AI模型生成的响应。通过遵循这些说明，您将获得一个集成n8n AI Agent功能与MySQL的工作解决方案。
先决条件
在开始之前，请确保您具备以下条件：
– 运行版本1.50.0或更高版本的活动n8n实例（自托管或云）。
– 在n8n中配置的有效MySQL凭据。
– Groq Chat Model（或您首选的AI语言模型）的API凭据。
– 对SQL和n8n节点概念（如聊天触发器和内存缓冲区）的基本熟悉。
– 访问n8n关于AI Agents的文档以获取更多参考。
工作流设置
1. 聊天界面和触发器
当收到聊天消息时
此节点通过webhook监听传入的聊天消息。当消息到达时，它会立即触发工作流。
2. 对话记忆
聊天历史
此内存缓冲区节点存储最后10次交互。它向AI Agent提供对话上下文，确保响应考虑先前的消息。
3. AI Agent核心
AI Agent（工具代理）
AI Agent节点通过接收聊天输入和对话历史来协调对话。它根据您的请求动态生成SQL查询，并协调对外部工具（如MySQL节点）的调用。
4. 数据库交互
MySQL节点
此节点执行由AI Agent生成的SQL查询。您使用表达式引用查询（例如{{$node[“AI Agent”].json.sql_query}}），允许代理的输出控制数据检索。
MySQL Schema节点
此节点从您的MySQL数据库检索基本表列表（不包括系统模式）。代理使用此信息来了解可用的表。
MySQL Definition节点
此节点获取特定表的详细元数据（如列名、数据类型和关系）。表名和模式名由AI Agent动态提供。
5. 语言模型处理
Groq Chat Model
此节点连接到Groq Chat API以生成文本完成。它处理组合输入（聊天消息、上下文和从MySQL获取的数据）并产生最终响应。
6. 指导和定制
Sticky Notes
这些节点提供以下指导：
– 如果您希望使用其他提供商（例如OpenAI或Anthropic），请切换聊天模型。
– 调整每次交互的最大令牌数。
– 自定义SQL查询和上下文窗口大小。
它们帮助您修改工作流以适应您的环境和要求。
工作流连接
– 聊天触发器将传入消息传递给AI Agent。
– 聊天历史节点向AI Agent提供对话上下文。
– AI Agent调用MySQL节点作为外部工具，生成并发送动态SQL查询。
– Groq Chat Model处理来自代理的合并输入，并输出传递给用户的自然语言响应。
测试工作流
– 使用聊天界面发送聊天消息。
– 观察AI Agent如何处理输入并生成相应的SQL查询。
– 验证MySQL节点是否执行查询并返回数据。
– 确认Groq Chat Model产生连贯的自然语言响应。
– 如果需要微调任何节点设置，请参考sticky notes获取指导。
后续步骤和参考
自定义您的AI模型
通过更新节点凭据和配置，将Groq Chat Model替换为其他语言模型（例如OpenAI Chat Model）。
增强内存设置
根据您的需求调整聊天历史节点的上下文窗口以保留更多或更少的消息。
修改SQL查询
更新MySQL节点中的SQL查询以匹配您的特定数据库模式和所需数据。
进一步阅读
查阅n8n关于AI Agents的文档以获取更多详细信息和示例，以扩展您工作流的功能。
设置网站聊天机器人
复制并粘贴以下代码中的占位符，将聊天机器人嵌入到您的个人或公司网站中：在CodePen中查看 🡥
通过遵循这些步骤，您将部署一个强大的AI聊天机器人工作流，该工作流与您的MySQL数据库集成，允许您使用自然语言查询数据。
评论(0)