使用 Quickchart.io 進行動態資料視覺化的 AI SQL 代理 - n8n 工作流程

• 正在尋求自動化對話式資料查詢的資料分析師和商業智慧 (BI) 專業人士。


• 需要針對 SQL 資料庫查詢結果產生動態視覺化呈現的團隊。


• 尋求進階 n8n 範本，用於將 LangChain 代理和生成式 AI (OpenAI) 與資料來源串接的開發人員。


• 正在尋找強大 n8n 工作流，可處理複雜決策樹和子工作流執行的使用者。

這個強大的 n8n 工作流將標準的對話式 SQL 代理轉變為全面的資料視覺化工具。此 n8n 範本結合了 LangChain SQL 代理的查詢能力與 OpenAI 的結構化輸出生成能力（特別是使用 gpt-4o 和 JSON Schema 定義），可自動判斷是否需要在資料庫查詢回覆中加入圖表來輔助說明。

此工作流解決的核心問題在於，如何將 SQL 查詢回傳的原始資料，轉化為有意義且易於理解的圖表。該工作流會動態建立必要的 Chart.js 設定，並使用 Quickchart.io 渲染影像，除了 AI 代理提供的文字解釋外，還能提供更豐富的視覺化答覆。這個 n8n 工作流對於促進任何團隊內更快速的資料分析都非常有效。

這個進階的 n8n 工作流在多步驟的對話過程中運作：

1. 觸發與擷取： 當 n8n 觸發器收到透過 When chat message received (收到聊天訊息時) n8n 節點傳送的訊息時啟動。資訊擷取器 (Information Extractor)（由 OpenAI Chat Model n8n 節點驅動）會清理使用者查詢，移除任何明確的圖表相關指示，確保核心問題能送達 SQL 代理。


2. SQL 代理執行： 擷取到的問題會傳遞給 AI 代理 (AI Agent) n8n 節點（設定為 SQL 代理）。此代理會串接至 PostgreSQL 資料庫，執行必要的 SQL，並提供包含資料分析的對話式文字輸出。對話歷史記錄是使用 Window Buffer Memory n8n 節點來維護的。


3. 視覺化決策： 文字分類器 - 是否需要圖表？ (Text Classifier - Chart required?) n8n 節點會分析原始使用者要求和 SQL 代理的資料輸出。它使用 OpenAI Chat Model Classifier 來判斷資料是否需要圖表輔助理解 (chart_required)。


4. 純文字路徑： 如果分類器判定不需要圖表（例如，只有單一資料點），設定文字輸出 (Set Text output) n8n 節點會格式化代理的回覆，完成此次 n8n 工作流的執行。


5. 圖表生成路徑（子工作流）： 如果需要圖表，資料會被傳遞到 執行工作流 (Execute Workflow) n8n 節點，該節點會啟動圖表生成子工作流路徑。


6. 結構化 JSON 生成： 在子工作流中，OpenAI - 生成圖表定義 (OpenAI - Generate Chart definition) n8n 節點（對 OpenAI 的 HTTP 請求）會接收原始資料和使用者要求。它使用嚴格的 Chart.js JSON 結構描述，利用 OpenAI 的結構化輸出功能，生成一個格式完全正確的圖表設定物件。


7. Quickchart URL 組裝： 設定回覆 (Set response) n8n 節點會取得 OpenAI 生成的 Chart.js JSON，並將其插入 Quickchart.io 的 URL 中，建立一個動態的影像連結。


8. 最終輸出： 設定文字 + 圖表輸出 (Set Text + Chart output) n8n 節點會將 SQL 代理的原始文字回覆與新生成的 Quickchart 影像 URL（格式化為 Markdown 影像連結）合併，透過這個強大的 n8n 範本向使用者提供豐富的視覺化回覆。

若要成功部署此特定的 n8n 工作流範本，請遵循以下步驟：

1. 匯入 n8n 工作流： 將提供的 JSON 代碼複製並直接匯入到您的自行架設版或雲端版的 n8n 實例中。


2. 設定憑證：

1. 資料庫準備（若使用範例資料）： 工作流範例引用了 'Coffee Sales Postgres' 資料庫憑證，並且被設計用來查詢咖啡銷售資料集中的資料。如果您的結構描述不同，請更新 AI Agent n8n 節點中的資料庫憑證以及 Prefix Prompt (前置指令)。


2. 啟用 n8n 觸發器： 確保 When chat message received (收到聊天訊息時) n8n 觸發器節點已啟用，以便 n8n 工作流可以監聽接收到的使用者查詢。此 n8n 工作流已準備好運行。

這個複雜的 n8n 工作流利用了幾種專門的 n8n 節點類型來達成其目標：

When chat message received (n8n 觸發器)：
功能： 在整合的聊天介面收到使用者訊息時，啟動 n8n 工作流的執行。
關鍵設定： 設定為公開的 Webhook 端點。
AI Agent (LangChain Agent n8n 節點)：
功能： 資料庫互動的核心元件。它將自然語言問題轉換為可執行的 SQL 查詢，在串接的 PostgreSQL 資料庫上執行查詢，並將結果格式化為對話形式。
關鍵設定： 使用 sqlAgent 類型。包含一個詳盡的 Prefix Prompt，指示模型專注於回傳答案、避免開發術語，並正確處理 SQL 語法（例如，資料表名稱的引用）。
Text Classifier - Chart required? (LangChain Text Classifier n8n 節點)：
功能： 根據上下文決定 n8n 工作流的後續路徑。它對視覺化需求進行分類。
關鍵設定： 根據資料是多維度還是單一數值，定義出 chartrequired (需要圖表) 和 chartnotrequired (不需要圖表) 這兩種類別。
OpenAI - Generate Chart definition with Structured Output (HTTP Request n8n 節點)：
功能： 這是 n8n 工作流中的關鍵步驟。它呼叫 OpenAI API (gpt-4o-2024-08-06)，並明確要求回應格式必須是遵循嚴格 Chart.js 結構描述的 JSON 物件。這確保了輸出能被 Quickchart.io 使用。
關鍵設定： 使用 responseformat 並提供詳細的 JSON Schema，定義了 type、data 和 options（包含 scales 和 plugins）等必要屬性。
Set response (Set n8n 節點)：
功能： 透過將前一個 n8n 節點輸出的 chart definition JSON 進行編碼，並附加到基礎 URL 後，建構最終的 Quickchart.io URL。
* 關鍵設定： 使用表達式：="https://quickchart.io/chart?width=200&c=" + encodeURIComponent($json.choices[0].message.content).