Assistente de Código IA a Aprender com Repositório do GitHub - Fluxo de trabalho n8n

• Equipas de Desenvolvimento e DevOps: Que necessitam de respostas rápidas e contextuais sobre grandes bases de código.


• Redatores Técnicos: Que procuram uma forma automatizada de consultar ficheiros de documentação armazenados no GitHub.


• Engenheiros de Automação: Que procuram exemplos avançados da utilização do nó 'AI Agent' do n8n e de padrões RAG.


• Utilizadores a explorar modelos do n8n: Especificamente os focados em integrações de IA complexas.

Gerir grandes volumes de código-fonte ou documentação torna frequentemente difícil encontrar detalhes técnicos específicos. Este fluxo de trabalho inovador do n8n resolve este problema ao transformar o seu repositório do GitHub numa base de conhecimento pesquisável para um Agente de IA.

Este robusto modelo do n8n separa o processo em duas fases principais: um fluxo de sincronização (indexação dos dados) e um fluxo conversacional em tempo real (resposta a perguntas). Demonstra como o n8n lida perfeitamente com grandes volumes de dados binários, divisão de texto, geração de embeddings e armazenamento vetorial, tudo dentro de um único e coerente fluxo de trabalho do n8n. Ao utilizar esta configuração de nós do n8n, os programadores podem consultar a sua base de código de forma conversacional, reduzindo drasticamente o tempo de pesquisa e aumentando a produtividade.

Este fluxo de trabalho abrangente do n8n opera em dois estágios distintos:

Fase 1: Sincronização de Dados (Indexação)

1. Início da Indexação: O processo começa com o acionador do n8n Sync Data (um nó Manual Trigger).


2. Configuração: O nó Config do n8n define parâmetros críticos como repoowner, reponame e subpath dentro do repositório do GitHub.


3. Recuperação de Ficheiros: O nó do n8n List files do GitHub utiliza estes parâmetros para identificar todos os ficheiros relevantes no caminho designado.


4. Download e Carregamento: O nó Get File do HTTP Request do n8n descarrega o conteúdo real de cada ficheiro.


5. Pré-processamento: O Default Data Loader trata dos dados binários, e o Recursive Character Text Splitter divide o conteúdo em blocos (chunks) menores e geríveis (com 100 caracteres de sobreposição) adequados para embedding vetorial.


6. Embedding e Armazenamento: O nó Embeddings OpenAI do n8n calcula os embeddings vetoriais para estes blocos. Finalmente, o nó Simple Vector Store1 do n8n insere os dados vetoriais numa base de conhecimento em memória com a chave source-code.

Fase 2: Agente de IA Conversacional

1. Início da Conversa: O fluxo de trabalho é acionado pelo gatilho When chat message received do n8n quando um utilizador faz uma pergunta.


2. Ativação do Agente de IA: O nó central AI Agent do n8n recebe a questão e utiliza o OpenAI Chat Model1 para raciocínio.


3. Memória e Contexto: O nó Window Buffer Memory do n8n mantém o histórico da conversa.


4. Consulta RAG: O agente utiliza o nó especializado Vector Store Tool do n8n, denominado projectsource_tool, para realizar uma pesquisa de similaridade (top K=5) na base de conhecimento indexada (Simple Vector Store). Esta etapa de recuperação é crucial para a fundamentação contextual.


5. Geração de Resposta: O agente recebe os excertos de contexto relevantes do repositório e gera uma resposta técnica precisa à pergunta do utilizador, completando o complexo fluxo de trabalho do n8n.

Para implementar este potente fluxo de trabalho do n8n utilizando estes modelos do n8n, siga estes passos:

1. Importar o JSON: Copie os dados JSON fornecidos e importe-os para a sua instância do n8n através da secção Workflows (Importar de JSON).


2. Configuração de Credenciais: Certifique-se de que configurou as credenciais necessárias:

1. Configurar Parâmetros: Abra o nó Config do n8n e atualize os parâmetros de acordo com o seu repositório:

1. Sincronização Inicial: Execute o acionador Sync Data do n8n uma vez para popular a Vector Store com o seu conteúdo do GitHub antes de utilizar o agente de chat.

Sync Data (Manual Trigger): O acionador inicial do n8n para o lado da indexação do fluxo de trabalho do n8n, usado para atualizar manualmente a base de conhecimento.
Config (Set): Um nó fundamental do n8n usado para definir dinamicamente variáveis de ambiente (repoowner, reponame, subpath) utilizadas durante todo o fluxo de indexação.
List files (GitHub): Este nó do n8n recupera uma lista de ficheiros do caminho do repositório do GitHub configurado, fornecendo os detalhes do ficheiro necessários para o download.
Get File (HTTP Request): Descarrega o conteúdo real dos ficheiros utilizando o downloadurl fornecido pelo nó do GitHub do n8n, preparando os dados para embedding.
Recursive Character Text Splitter: Um nó essencial de pré-processamento RAG do n8n que divide eficientemente ficheiros grandes em blocos mais pequenos, otimizando-os para pesquisa de embeddings e vetores. Configurado com uma sobreposição de bloco (chunk overlap) de 100.
Embeddings OpenAI / Embeddings OpenAI1: Duas instâncias deste nó do n8n, responsáveis por converter blocos de texto e questões recebidas em vetores numéricos de alta dimensão usando o serviço da OpenAI.
Simple Vector Store / Simple Vector Store1 (Vector Store In Memory): Estes nós do n8n mantêm a base de conhecimento RAG utilizando a chave source-code. Um está definido no modo insert (para indexação) e o outro está definido como default (para recuperação de pesquisa).
When chat message received (Chat Trigger): O acionador inicial do n8n para o lado do Agente de IA, que escuta as interações do utilizador na interface de chat do n8n.
AI Agent (LangChain Agent): O cérebro principal do fluxo de trabalho do n8n. Configurado com uma mensagem de sistema que o orienta a usar a projectsourcetool para questões técnicas baseadas no código-fonte.
Vector Store Tool: Um nó do n8n que define como o Agente de IA interage com a base de conhecimento, especificamente configurado para recuperar os 5 blocos de documento mais relevantes (topK=5).