使用GPT-4o、Perplexity和Telegram集成的SEO博客生成器

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PostgreSQL凭据。
– Groq聊天模型（或您偏好的AI语言模型）的API凭据。
– 对SQL（特别是PostgreSQL语法）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代理的文档以获取更多参考。

工作流设置

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。

对话内存

聊天历史记录：此内存缓冲区节点存储最后10次交互。它向AI代理提供对话上下文，确保响应考虑先前的消息。

AI代理核心

AI代理（工具代理）：AI代理节点通过接收聊天输入和对话历史记录来协调对话。它根据您的请求动态生成PostgreSQL兼容的SQL查询，并协调对外部工具（如PostgreSQL节点）的调用。

数据库交互

PostgreSQL节点（查询执行）：此节点针对您的PostgreSQL数据库执行由AI代理生成的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。
PostgreSQL节点（模式检索）：此节点（或使用PostgreSQL节点的专用步骤）从您的PostgreSQL数据库检索相关表的列表（例如，从公共模式，排除系统模式如pg_catalog或information_schema）。代理使用此信息来了解可用的表。这通常涉及执行类似SELECT table_name FROM information_schema.tables WHERE table_schema = ‘public’;的查询。
PostgreSQL节点（表定义检索）：此节点（或使用PostgreSQL节点的另一个专用步骤）获取特定表的详细元数据（如列名、数据类型和可能使用外键的关系）。表名（和模式，如果需要）由AI代理动态提供。这通常涉及查询information_schema.columns，例如SELECT column_name, data_type FROM information_schema.columns WHERE table_name = ‘{{dynamic_table_name}}’ AND table_schema = ‘public’;。

语言模型处理

Groq聊天模型：此节点连接到Groq聊天API以生成文本完成。它处理组合的输入（聊天消息、上下文和从PostgreSQL获取的数据）并产生最终响应。

指导和定制

便利贴：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计数。
– 自定义SQL查询（确保PostgreSQL兼容性）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需求。

工作流连接
– 聊天触发器将传入消息传递给AI代理。
– 聊天历史记录节点向AI代理提供对话上下文。
– AI代理调用PostgreSQL节点作为外部工具，生成并发送动态SQL查询。
– Groq聊天模型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代理如何处理输入并生成相应的PostgreSQL SQL查询。
– 验证PostgreSQL节点是否正确针对您的数据库执行查询并返回数据。
– 确认Groq聊天模型基于查询结果产生连贯的自然语言响应。
– 如果您需要微调任何节点设置或SQL查询，请参考便利贴以获取指导。

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聊天模型替换为另一种语言模型（例如OpenAI聊天模型）。
– 增强内存设置：根据您的需求调整聊天历史记录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PostgreSQL节点内的SQL查询或优化AI代理的提示，以确保它们匹配您的特定数据库模式和所需数据，遵循PostgreSQL语法。
– 进一步阅读：查阅n8n关于AI代理的文档以获取更多细节和示例，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PostgreSQL数据库集成，允许您使用自然语言查询数据。