Análisis de Datos y Generación de Gráficos de Texto a SQL Conversacional - Flujo de trabajo de n8n

• Analistas de Datos y usuarios de Inteligencia Empresarial que desean consultar bases de datos sin escribir SQL manualmente.


• Desarrolladores que crean herramientas de interacción de datos conversacional.


• Especialistas en n8n que buscan ejemplos avanzados de Agentes de IA encadenados y procesamiento de datos dentro de un flujo de trabajo de n8n.


• Cualquiera que busque una solución robusta de plantillas de n8n para la automatización de Texto a SQL.

El flujo de trabajo de n8n 'Texto a SQL Conversacional' resuelve la complejidad de conectar la interacción en lenguaje natural con las consultas estructuradas de la base de datos. Al integrar grandes modelos de lenguaje (LLM) con las capacidades de PostgreSQL, este flujo de trabajo de n8n permite a los usuarios simplemente hacer una pregunta sobre sus datos. Primero, el flujo de trabajo extrae de forma inteligente los metadatos del esquema de la base de datos durante la configuración. Cuando un usuario envía una consulta a través del disparador (trigger) dedicado de n8n, el agente de IA principal convierte el texto en una consulta SQL precisa. Esta consulta se ejecuta contra la base de datos y los resultados se pasan a un segundo agente de IA. Este segundo agente procesa los resultados de la consulta y genera una salida estructurada apta para la visualización (como curvas o gráficos). Este enfoque de doble agente garantiza tanto una recuperación precisa de los datos como las subsiguientes instrucciones de visualización significativas, haciendo que esta configuración de nodo de n8n sea excepcionalmente potente.

Esta potente automatización opera en dos fases distintas: Configuración y Ejecución.

Fase de Configuración (Disparador Manual)

1. El flujo de trabajo de n8n comienza con el disparador de n8n 'Al pulsar "Probar flujo de trabajo"', que inicia el proceso de extracción del esquema.


2. Los pasos de nodo de n8n Listar todas las tablas de una base de datos y Extractor de Esquema se conectan a PostgreSQL para obtener metadatos.


3. Estos metadatos se formatean, se convierten a JSON y se guardan localmente a través del nodo de n8n Guardar archivo localmente, creando el contexto necesario para el agente de IA.

Fase de Ejecución (Disparador de Chat)

1. El nodo disparador de n8n Disparador de Chat escucha la entrada del usuario (la consulta en lenguaje natural).


2. Se carga el esquema de la base de datos previamente guardado y se combina con la entrada del chat utilizando el nodo de n8n Combinar datos del esquema y entrada del chat.


3. La entrada combinada y el esquema, junto con el historial de conversación proporcionado por el nodo de n8n Memoria de Buffer de Ventana, se introducen en el Agente de IA (impulsado por Deepseek-chat).


4. El Agente de IA procesa la petición y genera una respuesta estructurada que contiene la consulta SQL generada.


5. El nodo de n8n Extraer consulta SQL aísla la cadena SQL.


6. Un nodo Si de n8n (Comprobar si existe la consulta) verifica la salida SQL. Si es válida, el nodo Postgres de n8n Resultado SQL Final ejecuta la consulta.


7. Los resultados de datos brutos se formatean y se pasan al nodo secundario de n8n agente de gráficos.


8. El agente de gráficos utiliza el LLM deepseek-chat y un nodo Analizador de Salida Estructurada para convertir los datos tabulares en instrucciones de trazado estructuradas (por ejemplo, puntos de datos JSON o definiciones de curva).


9. Finalmente, los resultados se fusionan y preparan mediante el nodo de n8n Preparar salida final, proporcionando al usuario tanto la información del resultado de la consulta como los datos de visualización.

Para desplegar este completo flujo de trabajo de n8n, siga estos pasos:

1. Importar el Flujo de Trabajo de n8n: Copie los datos JSON proporcionados e impórtelos directamente en su instancia de n8n a través de la pestaña Flujos de Trabajo, utilizando el botón 'Nuevo' y seleccionando 'Importar desde JSON'.


2. Configuración de Credenciales:

1. Configuración Inicial del Esquema: Antes de utilizar el Disparador de Chat, ejecute el flujo anterior una vez utilizando el disparador de n8n Al pulsar "Probar flujo de trabajo". Esto ejecuta la secuencia del nodo de extracción de esquema y guarda el archivo de esquema necesario localmente para que el agente de IA pueda acceder a él.


2. Activar el Flujo de Trabajo: Asegúrese de que el principal Disparador de Chat esté activado (debería mostrar una URL de webhook).


3. Pruebas: Utilice la interfaz de chat vinculada al Disparador de Chat para probar consultas conversacionales contra su base de datos.

Disparador de Chat (trigger de n8n): El punto de entrada principal para la entrada conversacional. Este disparador de n8n inicia todo el proceso basándose en interacciones de chat externas.
Deepseek-chat (LLM): El motor LLM central utilizado por el Agente de IA principal para realizar la compleja traducción de Texto a SQL.
Agente de IA (nodo n8n de LangChain): Orquesta el proceso de toma de decisiones, utilizando el LLM Deepseek, el esquema de base de datos cargado y la Memoria de Buffer de Ventana para formular consultas SQL precisas.
Postgres (nodo n8n): Se utiliza en tres lugares clave:

1. Para extraer inicialmente todos los esquemas de tablas y columnas.

1. Para ejecutar la consulta SQL generada por la IA (Resultado SQL Final).

• Memoria de Buffer de Ventana (nodo n8n de LangChain): Mantiene el contexto de la conversación, permitiendo que el agente de IA comprenda las preguntas de seguimiento dentro de la sesión actual de este flujo de trabajo de n8n.