Visión General del Flujo de Trabajo
Este flujo construye un chatbot simple de WhatsApp actuando como agente de ventas para los altavoces amplificados Yamaha 2024. Utiliza una base de datos vectorial generada a partir de un catálogo de productos para responder de manera precisa a las preguntas de los usuarios mediante mensajes de WhatsApp.
El flujo se divide lógicamente en dos partes principales:
Creación del Almacén Vectorial del Catálogo de Productos
- Descarga un PDF de folleto de producto mediante solicitud HTTP
- Extrae el contenido de texto del PDF
- Divide el texto en fragmentos
- Convierte los fragmentos en incrustaciones (embeddings) usando OpenAI
- Almacena las incrustaciones en una base de datos vectorial en memoria como base de conocimiento buscable
Interacción del Chatbot de WhatsApp con IA
- Escucha mensajes entrantes de WhatsApp (solo texto)
- Filtra mensajes no textuales con una respuesta educada
- Usa un agente de ventas con IA (basado en GPT-4 de OpenAI) que accede al almacén vectorial y mantiene memoria de conversación
- Envía la respuesta generada por la IA al usuario de WhatsApp
Esta estructura permite a un agente conversacional responder preguntas basadas en un folleto de producto como fuente de conocimiento.
Análisis por Bloques
Creación del Almacén Vectorial del Catálogo
Resumen: Este bloque descarga el folleto en PDF, extrae su texto, lo divide, genera incrustaciones vectoriales, y las almacena en memoria para consultas futuras.
Nodos Involucrados:
- Manual Trigger: inicia manualmente el flujo
- HTTP Request: descarga el PDF del folleto
- Extract from File: extrae el texto del PDF
- Recursive Character Text Splitter: divide el texto extraído
- Default Data Loader: carga los fragmentos como documentos
- Embeddings OpenAI1: genera las incrustaciones
- Create Product Catalogue: almacena las incrustaciones
Interacción con el Chatbot de WhatsApp con IA
Resumen: Este bloque escucha mensajes entrantes, filtra los no compatibles, activa el agente de ventas IA que consulta la base vectorial y responde al usuario.
Nodos Involucrados:
- WhatsApp Trigger: recibe mensajes de WhatsApp
- Handle Message Types (Switch): filtra por tipo de mensaje
- Reply To User1: responde mensajes no textuales
- AI Sales Agent: agente IA de ventas
- OpenAI Chat Model: modelo GPT-4o
- Window Buffer Memory: memoria conversacional por usuario
- Vector Store Tool: herramienta de consulta al almacén
- Product Catalogue: base vectorial del catálogo
- Reply To User: responde al usuario con texto generado por IA
Tabla Resumen
| Nombre del Nodo | Tipo | Rol | Entrada | Salida |
|---|---|---|---|---|
| Manual Trigger | Manual | Inicia flujo vectorial | – | HTTP Request |
| HTTP Request | Solicitud | Descarga PDF | Trigger | Extract from File |
| Extract from File | Extracción PDF | Extrae texto | HTTP Request | Text Splitter |
| Text Splitter | Divisor | Divide texto | Extract | Data Loader |
| Data Loader | Cargador | Prepara fragmentos | Splitter | Embeddings |
| Embeddings | OpenAI | Genera vectores | Loader | Vector Store |
| Vector Store | Memoria | Guarda vectores | Embeddings | – |
| WhatsApp Trigger | Trigger | Escucha mensajes | – | Switch |
| Switch | Filtro | Filtra tipo texto | Trigger | Agent / Reply1 |
| Reply To User1 | Respuesta | Para no texto | Switch | Usuario |
| AI Sales Agent | Agente IA | Responde | Switch | Reply To User |
| OpenAI Model | LLM | Genera lenguaje | – | Agente / Herramienta |
| Memoria | Buffer | Mantiene contexto | – | Agente |
| Vector Store Tool | Herramienta | Consulta datos | Catálogo | Agente |
| Product Catalogue | Vector Store | Datos | Embeddings | Tool |
| Reply To User | Respuesta final | Agente | Usuario |
Reproducción del Flujo desde Cero
Sigue los pasos detallados en la versión original para crear cada nodo en n8n. Incluye:
- Trigger manual y descarga del folleto
- Extracción y división de texto
- Generación de embeddings con OpenAI
- Creación de almacén vectorial en memoria
- Configuración de webhook para WhatsApp
- Filtrado por tipo de mensaje
- Integración de agente de ventas IA con GPT-4
- Memoria conversacional por usuario
- Herramienta de consulta vectorial conectada al catálogo
- Respuesta al usuario vía WhatsApp
Notas y Recursos
- Este flujo requiere cuenta WhatsApp Business y credenciales de OpenAI
- Se recomienda usar un almacén vectorial persistente como Qdrant o Pinecone para producción
- Para manejar todos los tipos de mensajes, revisa otras plantillas de WhatsApp en n8n
- Consulta la documentación de cada nodo (HTTP, In-Memory Store, AI Agent, etc.)
Este documento sirve como guía completa para construir, entender y modificar un chatbot de ventas por WhatsApp impulsado por IA y respaldado por un catálogo vectorial de productos.
