N8N desde CERO: La Guía Definitiva para Crear Agentes IA (Tutorial Completo)

Introducción a N8N

¿Qué es N8N y cómo funciona?

• N8N se ha convertido en una herramienta potente para crear automatizaciones con inteligencia artificial, aunque muchos aún no comprenden su funcionamiento.

• Se explorarán conceptos como modelos de lenguaje, memorias y prompt engineering para construir agentes que ejecuten tareas reales.

• Las plantillas utilizadas durante la formación estarán disponibles para descarga gratuita en la comunidad del presentador.

Definición y funcionalidades

• N8N permite automatizar procesos digitales conectando herramientas de IA con aplicaciones cotidianas como Gmail, Calendar y Notion.

• Ejemplos de acciones incluyen guardar correos automáticamente en bases de datos o notificar al equipo por Slack ante ciertas acciones.

Interfaz y flujo de trabajo

Cómo funciona un workflow

• Un workflow se configura indicando "Cuando pase x cosa, haz esto", permitiendo ejecutar tareas repetidamente sin intervención manual.

• El nombre N8N proviene de "Node for Node", reflejando su estructura basada en nodos que se conectan visualmente para crear automatizaciones.

Visualización y complejidad

• Los nodos son comparables a piezas de Lego; individualmente tienen poco valor, pero juntos pueden formar automatizaciones complejas.

Ventajas competitivas de N8N

Comparación con otras plataformas

• A diferencia de Make o Zapier, N8N es open source, lo que permite mayor flexibilidad en su uso e instalación.

• No tiene limitaciones artificiales; puede conectar más de 8000 servicios y utilizar nodos comunitarios si no hay uno nativo disponible.

Flexibilidad y escalabilidad

• Permite crear desde automatizaciones simples hasta complejas, adaptándose al crecimiento del usuario conforme adquiere experiencia con la herramienta.

Comunidad activa y recursos

Soporte continuo

• La comunidad es muy activa, ofreciendo actualizaciones semanales, contenido compartido y un marketplace donde los usuarios pueden intercambiar plantillas.

Instalación de N8N

Opciones disponibles

• Existen diferentes métodos para instalar N8N: localmente o en la nube. Cada opción tiene sus ventajas según el uso previsto (aprendizaje vs. producción).

Instalación local

Proceso práctico

• Instalar N8N localmente es común para quienes desean probarlo sin costo; Docker es la forma más práctica para hacerlo.

Limitaciones del entorno local

Consideraciones importantes

• Al estar instalado localmente, si el ordenador se apaga, también lo hace N8N. Esto limita su uso a entornos no productivos.

Instalación en la nube

Ventajas del alojamiento en línea

• Alojar N8N en la nube permite mantenerlo activo 24/7 sin depender del estado del ordenador personal.

Opciones dentro de la nube:

1. Uso de N8N Cloud:

• Es fácil comenzar creando una cuenta gratuita; sin embargo, requiere una mensualidad tras un periodo inicial gratuito.

2. Montar infraestructura propia:

• Permite mayor control sobre flujos y datos utilizando servidores privados virtuales (VPS).

Recomendaciones finales

Elección según necesidades

• Para aprender sin costes adicionales: instalación local usando Docker Desktop es ideal.

• Si buscas comodidad total: usar el servicio cloud oficial simplifica el proceso.

• Para equilibrio entre control y coste: optar por un VPS como Hostinger ofrece buena relación calidad-precio.

Introducción a la Interfaz de N8N

Perfil y Configuración

• Se puede acceder al perfil donde se encuentran campos personales como correos electrónicos y miembros del espacio.

• Es posible crear una clave API desde esta sección, además de observar actualizaciones en apartados anteriores.

Parámetros de Ejecución

• La interfaz muestra parámetros como ejecuciones exitosas (2317), fallidas y el porcentaje de automatizaciones que han fallado.

• También se incluye información sobre el tiempo promedio de ejecución.

Estructura Principal de N8N

Workflows y Automatizaciones

• El apartado principal se divide en workflows, automatizaciones, credenciales para conectar con plataformas externas como WhatsApp o Gmail.

• Las nuevas data tables funcionan como bases de datos nativas dentro de N8N, similares a Google Sheets.

Creación de Workflows

Interfaz del Lienzo

• Para crear un nuevo workflow, se abre una interfaz conocida como lienzo donde se construyen las automatizaciones.

• La interfaz permite arrastrar y soltar nodos para facilitar la creación visual de automatizaciones.

Documentación y Funcionalidades

Uso del Lienzo

• Cada acción en el lienzo puede desencadenar eventos automáticos, por ejemplo, enviar un mensaje por WhatsApp al hacer clic en un botón.

• Se pueden añadir notas y realizar zoom para mejorar la visualización del proceso.

Gestión del Workflow

Historial y Versiones

• Es posible cambiar el nombre del workflow, añadir etiquetas y ver versiones anteriores cada vez que se guarda.

• Desde el menú también se pueden importar workflows o ponerlos en modo producción o test.

Ejecuciones y Registros

Análisis de Ejecuciones

• En el apartado de ejecuciones se pueden ver los registros con detalles sobre si fueron exitosas o no, junto con su duración.

• Los filtros permiten clasificar las ejecuciones según su estatus: exitoso, cancelado o fallido.

Copia al Editor

Utilidad en Errores

• La función "copy to editor" es útil para trabajar con ejecuciones fallidas permitiendo analizar qué salió mal.

Evaluaciones Avanzadas

Preparación para Pruebas Futuras

• El apartado "evaluations" permite fijar datos de entrada para realizar pruebas sobre cómo funcionan las automatizaciones.

Componentes Fundamentales del Agente

Comprendiendo la Estructura

• Antes de crear automatizaciones es crucial entender qué es un agente dentro del contexto de N8N.

Tres Pilares Fundamentales

Cerebro, Memoria y Herramientas

• Un agente necesita tres componentes: cerebro (modelo lingüístico), memoria (historial contextual), herramientas (acciones reales).

Configuración Inicial del Agente

Recibiendo Consultas

• Se utiliza un trigger que inicia el flujo cuando ocurre una acción específica.

Mensajes desde Telegram

Integración con Plataformas Externas

• Al enviar mensajes desde Telegram, estos son capturados por el agente configurado en N8N.

Contexto Dinámico

Respuestas Basadas en Mensajes

• El valor recibido cambia dinámicamente dependiendo del mensaje enviado al agente.

Importancia del Modelo Lingüístico

Generando Respuestas Correctas

• Es necesario incluir un modelo lingüístico para evitar errores al procesar mensajes enviados al agente.

Configuración de Ventana de Contexto en N8N

Introducción a la Ventana de Contexto

• Se puede configurar una ventana de contexto que permite especificar cuántos mensajes la inteligencia artificial debe considerar al recuperar información. Por defecto, N8N establece este valor en cinco.

• En un experimento personal, se reduce el número de mensajes considerados para observar cómo afecta esto a las respuestas del sistema.

Ejecución del Experimento

• Al desactivar temporalmente ciertas conexiones y enviar un mensaje inicial como "Hola", se observa que el sistema no inicia correctamente el chat.

• Se envían varios mensajes numéricos para probar la memoria del sistema, notando que recuerda el nombre proporcionado inicialmente.

Limitaciones Observadas

• Cuando se pregunta por su nombre después de enviar múltiples mensajes, el sistema indica que no tiene esa información debido a la limitación en la ventana de contexto configurada.

Integración con Herramientas Externas

Conexiones Disponibles

• N8N permite conectarse a diversas plataformas como Dropbox, Github y herramientas de Google (Calendar, Sheets, Gmail), ofreciendo múltiples opciones para cada una.

Operaciones con Google Calendar

• En Google Calendar, es posible realizar operaciones como crear, eliminar o actualizar eventos. La arquitectura es similar entre diferentes herramientas integradas.

Parámetros y Configuraciones Específicas

Ajustes según Recursos

• Dependiendo del recurso seleccionado (como Gmail o Calendar), los parámetros requeridos varían; por ejemplo, al enviar un correo electrónico se necesita especificar destinatario y asunto.

Uso de Expresiones Dinámicas

• Se pueden utilizar valores generados dinámicamente o fijos al crear eventos en calendarios. Las expresiones permiten reflejar datos actuales automáticamente.

Interacción con Inteligencia Artificial

Activación del Asistente Personal

• Desactivando nodos específicos como Gmail permite ejecutar operaciones directamente desde el asistente personal configurado en N8N.

Ejemplo Práctico: Creación de Reunión

• El asistente procesa solicitudes como programar reuniones y devuelve confirmaciones sobre las acciones realizadas correctamente.

Importancia del Mensaje del Sistema

Estructura del Prompt

• Es crucial definir claramente las instrucciones dentro del prompt para guiar adecuadamente al modelo. Esto incluye contexto y ejemplos específicos sobre tareas esperadas.

Actualización Dinámica

• Incluir elementos que reflejen dinámicamente la fecha actual es esencial para asegurar que las interacciones sean precisas y relevantes.

Salida y Procesamiento Final

Output Parser

• Se puede añadir un output parser para modificar cómo se presenta la respuesta generada por el agente. Esto permite influir en los resultados basándose en esquemas predefinidos.

Ejemplo: Redacción Automática

• Al solicitar redactar correos electrónicos mediante variables específicas (asunto y cuerpo), se obtiene una salida estructurada más útil que simplemente texto plano.

Respuesta a Canales Externos

Envío a Telegram

• Para devolver respuestas al usuario final (por ejemplo, en Telegram), es necesario configurar nodos adicionales que manejen esta comunicación eficientemente.

Modelos de Inteligencia Artificial Disponibles

Variedad de Proveedores

• Existen numerosos modelos disponibles dentro de N8N provenientes de distintas compañías con enfoques variados; algunos son más adecuados dependiendo del flujo específico requerido.

Comparativa entre Modelos

• Cada modelo tiene características únicas relacionadas con velocidad, razonamiento profundo y coste por token procesado; entender estas diferencias es clave para optimizar flujos automatizados.

Análisis de Modelos de IA

Rendimiento y Consumo de Tokens

• Se observa que el modelo ha tardado 8635 tokens en total, mostrando un rendimiento similar al anterior.

• La versión mini del modelo se ejecutó más rápido, completando la tarea en solo 28 segundos, lo que representa una mejora significativa.

• El modelo utilizado consume un total de 5,425 tokens, destacando la eficiencia en comparación con otros modelos.

Catálogo de Antropic

• Antropic ofrece tres líneas principales: Haiku, Sonet y Opus, cada una diseñada para diferentes tipos de uso.

• Haiku 4.5 es ideal para tareas rápidas y económicas, mientras que Sonet 4.5 combina razonamiento sólido con costos razonables.

• Opus 4.1 es el modelo más avanzado y costoso, recomendado solo para tareas que requieren razonamiento profundo.

Comparación entre Modelos

• Sonet 4.5 se considera la opción más inteligente por su equilibrio entre costo y rendimiento; Haiku es mejor para rapidez a bajo costo.

• Los modelos anteriores como Cloud 3.5 son considerados obsoletos frente a las nuevas versiones discutidas.

Pruebas con Modelos Recientes

• Se realizan pruebas con Sonet 4.5 utilizando el mismo mensaje; la ejecución tarda aproximadamente 31 segundos.

• Al probar Haiku nuevamente, se logra completar la tarea en solo 24 segundos, superando incluso a GPT 4 Mini.

Introducción a Gemini de Google

• Gemini se presenta como una alternativa multimodal capaz de trabajar con texto e imágenes; su versión Pro está orientada al razonamiento profundo.

• Gemini Pro tiene un costo mayor pero ofrece una ventana de contexto extensa ideal para documentos complejos.

Comparativa entre Gemini Pro y Flash

• La versión Flash es optimizada para velocidad y eficiencia a un costo menor; cubre más del 80% de los casos sin comprometer calidad.

• En pruebas comparativas entre ambos modelos, Flash tarda menos tiempo pero consume más créditos que Pro.

Reflexiones sobre Modelos Adicionales

• Otros modelos no convencen debido a su inconsistencia o falta de mejoras significativas frente a los discutidos anteriormente.

Elección del Modelo Adecuado

• No hay un modelo perfecto; cada uno tiene su lugar dependiendo del flujo específico requerido por el usuario.

Alternativa Open Router

• Open Router permite acceder a múltiples modelos desde una sola API sin necesidad de crear cuentas separadas para cada proveedor.

Configuración de Memorias en N8N

Opciones Disponibles

• En N8N existen varias opciones para memorias; algunas son simples pero limitadas en contexto (ejemplo: memoria simple).

Limitaciones y Soluciones

• La memoria simple no persiste información tras recargar la página; esto limita su uso práctico en producción.

Implementación con Postgress

Configuración Inicial

• Postgress se utiliza junto con Supabase para gestionar bases de datos efectivas dentro del entorno N8N.

Interacción con Agentes

• Las conversaciones se almacenan eficientemente permitiendo consultas directas desde aplicaciones externas o dashboards visuales.

Introducción a Redis y su Configuración

Opciones de Bases de Datos

• Se recomienda usar Redis para estabilidad y una interfaz limpia, ideal para consultas en tiempo real.

• Se enseñará la configuración de Redis de dos maneras diferentes, basadas en las prácticas más comunes.

Configuración Inicial

• Para comenzar, se debe acceder a la página web de Redis y crear una cuenta si no se tiene.

• Al iniciar sesión, se accede al apartado de bases de datos donde se pueden listar las creadas; es necesario crear una nueva base de datos.

Parámetros Necesarios para la Configuración

Credenciales y Seguridad

• Es necesario abrir la instancia, activar memoria y crear nuevas credenciales que incluyen usuario, contraseña, host y puerto.

• Los parámetros necesarios se obtienen desde la aplicación de Redis; es crucial copiar correctamente el número del puerto.

Integración con N8N

Visualización de Datos

• La interfaz actual no permite visualizar conversaciones como en Postgres; se necesita utilizar Rising Insite o AppStash como alternativas.

• AppStash permite visualizar conversaciones sin necesidad de instalar software adicional en el dispositivo.

Creación y Configuración en AppStash

Proceso Paso a Paso

• En AppStash, hay que crear una nueva base de datos seleccionando la opción gratuita y asignándole un nombre.

• Una vez creada la base de datos, se copian los parámetros necesarios para configurarlos directamente en N8N.

Pruebas con Mensajes

Interacción con Base de Datos

• Al enviar un mensaje desde N8N, se recibe automáticamente una respuesta del agente; esto permite verificar el funcionamiento correcto.

Comparativa entre Bases de Datos

Velocidad y Usabilidad

• La principal ventaja de Redis es su velocidad tanto al enviar como al recibir información comparado con otras bases como Postgres o DB Atlas.

Introducción a MongoDB Atlas

Registro y Organización

• Para usar MongoDB Atlas, hay que registrarse o iniciar sesión; luego se crean organizaciones similares a Postgres.

Creación del Clúster en MongoDB

Acceso e Información del Usuario

• Se crea un clúster seleccionando el plan gratuito; es importante configurar correctamente los accesos IP para permitir conexiones externas.

Añadiendo Usuarios a MongoDB

Permisos Necesarios

• Al añadir usuarios es fundamental asignarles permisos adecuados (leer/escribir), lo cual permitirá realizar consultas efectivas sobre la base.

Conexión con N8N

Proceso Finalizando Configuraciones

• Copiar el valor necesario desde MongoDB para conectarlo con N8N asegurándose que todos los campos estén correctamente llenos antes de guardar.

Realizando Pruebas Finales

Verificación del Funcionamiento

• Después de desvincular Redis, al enviar un mensaje desde MongoDB también genera automáticamente una colección nueva donde quedan registrados los mensajes enviados.

Recomendaciones Generales sobre Bases de Datos

Elección según Contexto

• Se sugiere usar cada tipo según sus ventajas: Redis por velocidad, Postgres para producción y DB solo si ya está familiarizado.

Importancia del Prompt Engineering

Concepto Fundamental

• El prompt engineering es esencial para construir agentes efectivos dentro del flujo operativo ya que define cómo interactúa el modelo.

Estructura Ideal del Prompt

Componentes Clave

• Un buen prompt debe tener rol definido, contexto claro, tareas específicas junto con ejemplos relevantes que guíen al modelo hacia respuestas adecuadas.

Herramientas y Automatizaciones en Asistentes Virtuales

Descripción de herramientas y su uso

• Se mencionan varias herramientas como Gmail, Calendar, Contactos, Sheets y Think que son esenciales para la automatización.

• Es importante proporcionar una breve descripción del uso de cada herramienta para que el asistente entienda su función específica.

• Los asistentes no tienen acceso a la hora actual por defecto, lo cual es crucial al gestionar calendarios y citas.

• Al eliminar ciertas instrucciones y desconectar la memoria del bot, se demuestra cómo afecta esto a las respuestas sobre la hora actual.

• La instrucción para obtener la fecha actual debe ser incluida en los prompts utilizando expresiones específicas.

Formato y Estructura de Prompts

• Se puede influir en el formato de la fecha usando letras específicas (Y para años, M para meses, D para días).

• La inclusión de secciones claras en los prompts ayuda a mantener un orden jerárquico que mejora la comprensión del modelo.

• Dependiendo del tipo de chatbot o asistente personal, se deben incluir diferentes procesos específicos como reservas o confirmaciones.

• La estructura clara es fundamental; se recomienda usar markdown para organizar visualmente los prompts con encabezados y subencabezados.

• Utilizar herramientas como Notion facilita el trabajo con markdown al permitir crear estructuras complejas sin complicaciones.

Claridad y Especificidad en Prompts

• Es esencial ser claro y específico al redactar prompts; no asumir que el modelo entiende automáticamente las intenciones.

• Cada palabra cuenta; errores comunes incluyen no especificar cuándo realizar acciones dentro del flujo de trabajo del asistente.

• Instrucciones claras ayudan a evitar confusiones sobre tareas específicas que debe realizar el agente virtual.

• El fenómeno "Perdido en el medio" indica que información clave debe estar al principio o final del texto para asegurar su relevancia.

Técnicas Avanzadas

• El "chantaje emocional" puede mejorar las respuestas del modelo añadiendo frases motivacionales sobre su importancia dentro de una organización.

• Frases como "eres una pieza clave" pueden incentivar al modelo a tomar más en serio sus tareas asignadas.

Controlando Respuestas: Temperatura

• La temperatura es un parámetro que controla cuánta libertad tiene el modelo al elegir palabras; valores cercanos a 0 son más formales mientras que valores cercanos a 1 permiten mayor creatividad.

• Ajustar este valor permite equilibrar entre respuestas deterministas y creativas según sea necesario.

Conclusión General sobre Prompt Engineering

• Aplicar estos conceptos fundamentales puede hacer que los agentes sean más precisos e inteligentes.

• Seguir un marco estructural claro es vital para trabajar eficazmente con asistentes virtuales.