KI-SQL-Agent mit dynamischer Datenvisualisierung durch Quickchart.io - n8n-Workflow

• Datenanalysten und Business-Intelligence-Experten, die die kontextbezogene Datenabfrage automatisieren möchten.


• Teams, die dynamische, visuelle Darstellungen von SQL-Datenbankabfrageergebnissen benötigen.


• Entwickler, die nach fortgeschrittenen n8n-Vorlagen für die Integration von LangChain-Agenten und generativer KI (OpenAI) mit Datenquellen suchen.


• Anwender, die einen leistungsstarken n8n-Workflow suchen, der komplexe Entscheidungsbäume und Sub-Workflow-Ausführungen bewältigt.

Dieser leistungsstarke n8n-Workflow wandelt einen Standard-Chat-SQL-Agenten in ein umfassendes Werkzeug zur Datenvisualisierung um. Durch die Kombination der Abfrageleistung des LangChain SQL Agenten mit den Fähigkeiten zur Generierung strukturierter Ausgaben von OpenAI (insbesondere unter Verwendung von gpt-4o und JSON-Schema-Definitionen) entscheidet diese n8n-Vorlage automatisch, ob zur Unterstützung der Datenbankabfrageantwort ein Diagramm benötigt wird.

Das Kernproblem, das gelöst wird, ist das Schließen der Lücke zwischen Rohdaten aus einer SQL-Abfrage und aussagekräftigen, leicht verständlichen Diagrammen. Der Workflow erstellt dynamisch die notwendige Chart.js-Konfiguration und rendert das Bild mithilfe von Quickchart.io, wodurch eine reichhaltigere, visuelle Antwort neben der textuellen Erklärung des KI-Agenten geliefert wird. Dieser n8n-Workflow ist äußerst effektiv, um die Datenanalyse in jedem Team zu beschleunigen.

Dieser fortgeschrittene n8n-Workflow arbeitet in einem mehrstufigen Konversationsprozess:

1. Trigger und Extraktion: Der n8n-Trigger wird durch den Empfang einer Chat-Nachricht über den n8n-Knoten When chat message received aktiviert. Der Information Extractor (gesteuert durch einen OpenAI Chat Model n8n-Knoten) bereinigt die Benutzeranfrage und entfernt explizite Anweisungen bezüglich Diagrammen, um sicherzustellen, dass die Kernfrage den SQL-Agenten erreicht.


2. Ausführung des SQL-Agenten: Die extrahierte Frage wird an den AI Agent n8n-Knoten (konfiguriert als SQL-Agent) übergeben. Dieser Agent verbindet sich mit der PostgreSQL-Datenbank, führt die notwendige SQL-Abfrage aus und liefert eine konversationelle Textausgabe, die die Datenanalyse enthält. Der Konversationsverlauf wird mithilfe des n8n-Knotens Window Buffer Memory aufrechterhalten.


3. Entscheidung zur Visualisierung: Der n8n-Knoten Text Classifier - Chart required? analysiert sowohl die ursprüngliche Benutzeranfrage als auch die Datenausgabe des SQL-Agenten. Mithilfe eines OpenAI Chat Model Classifier entscheidet dieser n8n-Knoten, ob die Daten mit einem Diagramm besser verstanden werden (chart_required).


4. Nur-Text-Pfad: Wenn der Klassifikator kein Diagramm für notwendig hält (z. B. bei einem einzelnen Datenpunkt), formatiert der n8n-Knoten Set Text output die Antwort des Agenten, wodurch der n8n-Workflow-Lauf abgeschlossen wird.


5. Diagrammerstellungs-Pfad (Sub-Workflow): Wenn ein Diagramm erforderlich ist, werden die Daten an einen Execute Workflow n8n-Knoten übergeben, der den Sub-Workflow-Pfad zur Diagrammerstellung initiiert.


6. Strukturierte JSON-Erstellung: Im Sub-Workflow empfängt der n8n-Knoten OpenAI - Generate Chart definition (eine HTTP-Anfrage an OpenAI) die Rohdaten und die Benutzeranfrage. Er verwendet eine strikte JSON-Schema-Definition für Chart.js und nutzt die Funktion für strukturierte Ausgaben von OpenAI, um ein perfekt formatiertes Chart-Konfigurationsobjekt zu generieren.


7. Zusammensetzen der Quickchart-URL: Der n8n-Knoten Set response übernimmt die von OpenAI generierte Chart.js-JSON und fügt sie in eine Quickchart.io-URL ein, wodurch ein dynamischer Bildlink erstellt wird.


8. Endgültige Ausgabe: Der n8n-Knoten Set Text + Chart output führt die ursprüngliche Textantwort des SQL-Agenten mit der neu generierten Quickchart-Bild-URL (formatiert als Markdown-Bildlink) zusammen und liefert so über diese leistungsstarke n8n-Vorlage eine reichhaltige, visuelle Antwort an den Benutzer.

Um diese spezifische n8n-Workflow-Vorlage erfolgreich bereitzustellen, gehen Sie wie folgt vor:

1. Importieren des n8n-Workflows: Kopieren Sie den bereitgestellten JSON-Code und importieren Sie ihn direkt in Ihre selbst gehostete oder Cloud-n8n-Instanz.


2. Einrichten der Anmeldeinformationen:

1. Vorbereitung der Datenbank (falls Beispieldaten verwendet werden): Das Workflow-Beispiel verweist auf ein Datenbank-Credential für 'Coffee Sales Postgres' und ist darauf ausgelegt, Daten aus einem Kaffeeverkaufsdatensatz abzufragen. Passen Sie die Datenbank-Anmeldeinformationen und den Prefix Prompt im AI Agent n8n-Knoten an, falls Ihr Schema abweicht.


2. Aktivieren des n8n-Triggers: Stellen Sie sicher, dass der n8n-Trigger-Knoten When chat message received aktiv ist, damit der n8n-Workflow auf eingehende Benutzeranfragen lauschen kann. Dieser n8n-Workflow ist nun bereit zur Ausführung.

Dieser komplexe n8n-Workflow nutzt mehrere spezialisierte n8n-Knotentypen, um sein Ziel zu erreichen:

When chat message received (n8n-Trigger):
Funktion: Startet die Ausführung des n8n-Workflows beim Empfang einer Benutzernachricht in der integrierten Chat-Oberfläche.
Wichtige Konfiguration: Als öffentlicher Webhook-Endpunkt konfiguriert.
AI Agent (LangChain Agent n8n-Knoten):
Funktion: Die zentrale Komponente für die Datenbankinteraktion. Er übersetzt Fragen in natürlicher Sprache in ausführbare SQL-Abfragen, führt diese gegen die verbundene PostgreSQL-Datenbank aus und formatiert die Ergebnisse konversationell.
Wichtige Konfiguration: Verwendet den Typ sqlAgent. Enthält einen ausführlichen Prefix Prompt, der das Modell anweist, sich auf die Bereitstellung von Antworten zu konzentrieren, Entwicklerjargon zu vermeiden und die SQL-Syntax korrekt zu behandeln (z. B. das Anführungszeichen für Tabellennamen).
Text Classifier - Chart required? (LangChain Text Classifier n8n-Knoten):
Funktion: Entscheidet basierend auf dem Kontext über den weiteren Pfad des n8n-Workflows. Er klassifiziert die Notwendigkeit einer Visualisierung.
Wichtige Konfiguration: Definiert zwei Ausgabe-Kategorien: chartrequired und chartnotrequired, basierend darauf, ob die Daten mehrdimensional sind oder nur einen einzelnen Wert darstellen.
OpenAI - Generate Chart definition with Structured Output (HTTP Request n8n-Knoten):
Funktion: Dies ist ein entscheidender Schritt im n8n-Workflow. Er ruft die OpenAI-API (gpt-4o-2024-08-06) auf und schreibt das Antwortformat explizit als JSON-Objekt vor, das einem strikten Chart.js-Schema entspricht. Dies garantiert, dass die Ausgabe von Quickchart.io verwendet werden kann.
Wichtige Konfiguration: Verwendet responseformat mit einem detaillierten JSON-Schema, das erforderliche Eigenschaften wie type, data und options (einschließlich Skalen und Plugins) definiert.
Set response (Set n8n-Knoten):
Funktion: Stellt die endgültige Quickchart.io-URL zusammen, indem die JSON-Chartdefinition-Ausgabe des vorherigen n8n-Knotens kodiert und an die Basis-URL angehängt wird.
* Wichtige Konfiguration: Verwendet einen Ausdruck: ="https://quickchart.io/chart?width=200&c=" + encodeURIComponent($json.choices[0].message.content).