Este proyecto describe un flujo de trabajo que integra múltiples sistemas para mejorar la interacción con bases de datos y fuentes de información externas. Se basa en la recuperación de información desde almacenes vectoriales utilizando Pinecone, el procesamiento con OpenAI, y la automatización con n8n. Además, Evolution API está configurado con RabbitMQ para facilitar su escalamiento.
- Se activa un
Webhook Triggerque recibe un mensaje entrante. - Se evalúa si el mensaje contiene un documento o texto común.
- Se realiza un
Switchpara diferenciar entre texto normal o documentos. - Se envía un menú dependiendo de la clasificación del mensaje.
- Se ejecuta el
Select Promptpara determinar la pregunta. - Se realiza la consulta con
Question and Answer Chain. - Se buscan respuestas en el almacén vectorial Pinecone.
- Se utiliza OpenAI para mejorar la respuesta generada.
- Se envía la respuesta final al usuario.
- Se ejecuta un
Schedule Triggerpara buscar información histórica. - Se convierte la data en JSON.
- Se almacena en Pinecone Vector Store.
- Se procesan los datos con embeddings de OpenAI.
- Se utiliza
Recursive Character Text Splitterpara mejorar el almacenamiento. - Se envía la información procesada a la API.
- Evolution API está configurado con RabbitMQ para escalabilidad y procesamiento distribuido.
- Se ejecuta un
Schedule Triggerpara extraer información. - Se realiza una petición HTTP a Notion.
- Se limpia la información extraída.
- Se convierte la data en JSON.
- Se almacena en Pinecone Vector Store.
- Se procesan los datos con embeddings de OpenAI.
- Se utiliza
Recursive Character Text Splitter. - Se envía la información procesada a la API para su uso.
Para manejar grandes volúmenes de datos y consultas concurrentes, Evolution API está configurado con RabbitMQ. Esto permite:
- Balanceo de carga automático en la ejecución de consultas.
- Procesamiento distribuido para evitar cuellos de botella.
- Eficiencia en la recuperación de datos desde Pinecone y OpenAI.
- n8n → Automatización del flujo.
- OpenAI → Embeddings y procesamiento de lenguaje natural.
- Pinecone → Almacén de datos vectoriales.
- Notion API → Recuperación de información documental.
- Evolution API con RabbitMQ → Procesamiento distribuido y escalable.
Si deseas mejorar este flujo, puedes contribuir mediante pull requests o reportar problemas en la sección de issues.
- Implementación de análisis semántico avanzado.
- Integración con más bases de datos.
- Mejora en la eficiencia de almacenamiento de vectores.