N8n Complete Guide: Building AI Agents that make money

¿Cómo crear agentes de IA sin escribir código?

Introducción a NAN

• Gracias a NAN, una herramienta de IA en rápido crecimiento, personas sin experiencia en programación pueden construir flujos de trabajo de agentes de IA que pueden reemplazar equipos enteros sin necesidad de escribir código.

• Este video es una guía completa sobre NAN y la creación de agentes de IA, incluyendo cómo convertir estos flujos de trabajo en aplicaciones personalizadas.

Oportunidades con NAN

• Se abordarán las cuatro cosas más importantes que entender sobre N8N, se realizará una configuración inicial y se explorarán herramientas integradas, APIs y solicitudes HTTP.

• Al final del video, se mostrarán ejemplos completos de aplicaciones "vibecoded" y un agente AI que actúa como director comercial.

Crecimiento del uso de la IA

• La capacidad de tareas que puede realizar la IA está duplicándose cada 7 meses; esto ha llevado a un crecimiento rápido en la popularidad de N8N.

• NAN permite a personas sin experiencia previa construir flujos de trabajo gracias a su interfaz visual para agentes AI.

Comparación con experiencias previas

• El presentador comparte su experiencia anterior donde necesitó ocho horas solo para codificar un agente básico; ahora con NAN puede configurarlo en 20 minutos.

• Aunque al principio puede ser intimidante debido a los inputs y outputs complejos, cualquier persona interesada en tecnología puede aprenderlo rápidamente.

Conceptos clave sobre flujos de trabajo

• Un flujo de trabajo consiste en una secuencia de acciones que comienza con un disparador. En este caso, el flujo toma archivos desde Dropbox cada 15 minutos.

¿Cómo conectar agentes de IA con nuevas interfaces?

Introducción a las Interfaces de Agentes de IA

• Se menciona la importancia de utilizar Slack como una interfaz para conectar agentes de IA, destacando que está disponible en caso de ser necesario.

• Se demuestra el funcionamiento del agente de IA al enviar un mensaje a través de Slack y programar un evento en el calendario, mostrando la integración entre herramientas.

Problemas Comunes y Soluciones

• El agente no pudo programar la cita, lo que resalta la necesidad de entender cómo manejar errores cuando ocurren durante el uso del agente.

• Se identificó que el problema fue causado por credenciales incorrectas; se enfatiza la importancia de configurar correctamente los accesos desde el principio.

Construcción de Flujos de Trabajo

• Al crear flujos de trabajo, es crucial ser detallista para asegurar que los agentes tengan acceso a todas las herramientas necesarias.

• Se presenta un lienzo en blanco donde se pueden establecer nodos desencadenadores; se sugiere configurar uno para activarse cada 15 minutos.

Integración con Aplicaciones Externas

• Se explora cómo integrar aplicaciones como Dropbox dentro del flujo, permitiendo listar carpetas y archivos automáticamente.

• La funcionalidad permite obtener archivos específicos dentro de una carpeta designada, facilitando la automatización.

Comprensión del Flujo y Conexiones

• Es fundamental entender los inputs y outputs en cada acción dentro del flujo; esto ayuda a conectar correctamente las salidas e entradas entre acciones sucesivas.

Integración Dinámica de Archivos en Flujos de Trabajo

Uso de Variables Dinámicas

• Cada archivo en el flujo debe ser dinámico, actuando como una variable que cambia con cada ejecución.

• Se puede arrastrar el nombre del archivo a la acción, lo que indica que es dinámico y se actualizará automáticamente.

Adición de Subtítulos a Videos

• Se utilizará un servicio llamado ZapCap para añadir subtítulos a los videos, destacando la capacidad de conectar cualquier API a NAN.

• No todas las integraciones están disponibles por defecto; hay infinitas acciones posibles gracias a las solicitudes HTTP.

Comprendiendo las Solicitudes HTTP y APIs

• Las solicitudes HTTP son el lenguaje común entre diferentes software y máquinas en internet.

• Un bot de servicio al cliente envía una solicitud a OpenAI cuando necesita información sobre un problema del cliente.

Proceso de Solicitud y Respuesta

• La comunicación implica enviar una solicitud y recibir información; OpenAI cobra por estas solicitudes.

• NAN facilita la configuración de solicitudes HTTP para crear flujos únicos sin depender solo de integraciones predefinidas.

Tipos de Métodos HTTP

• Existen cuatro métodos principales: GET (recuperar datos), POST (enviar datos), PUT (actualizar datos), DELETE (eliminar datos).

¿Cómo manejar errores en solicitudes HTTP?

Importancia de la configuración adecuada

• La cadena de procesos puede fallar si un solo paso no se configura correctamente, lo que puede resultar en errores como el 500.

• Los agentes pueden intentar diferentes métodos si una solicitud HTTP falla, similar a cómo las personas buscan alternativas al presentar algo.

Respuestas exitosas y códigos de estado

• Al recibir una respuesta exitosa, se procesa la información y se espera un código 200, que indica éxito. Códigos como 400 o 500 son indeseables.

Configuración de solicitudes HTTP

• Es crucial establecer correctamente los parámetros de entrada y salida en las configuraciones para asegurar el flujo adecuado de datos.

• Se debe utilizar el método POST para enviar y recibir información a través del endpoint correcto.

Autenticación y claves API

• Para acceder a servicios como Zapcap, es necesario registrarse y obtener una clave API, que actúa como contraseña única.

• La clave API debe mantenerse en secreto para evitar el uso indebido por parte de terceros.

Uso eficiente de credenciales

• Crear credenciales guardadas facilita el acceso a la clave API sin necesidad de copiarla cada vez que se utiliza.

• Es importante nombrar correctamente las credenciales según lo requerido por el servicio (ejemplo: X-API-key).

Envío de datos multimedia

¿Cómo probar y solucionar errores en un flujo de trabajo con Zapcap?

Proceso de prueba inicial

• Se discute la posibilidad de probar el flujo de trabajo subiendo un archivo a Dropbox, que activará el envío de un video a Zapcap cada 15 minutos.

• Se realiza una carga de un video en la carpeta designada para pruebas, enfatizando la importancia de realizar pruebas continuas.

Identificación y análisis del error

• Se presenta un error al intentar descargar el video, indicando que los parámetros no coinciden. Esto se debe a que el archivo está en una carpeta incorrecta.

• Se identifica que el problema radica en la ruta del archivo; se corrige arrastrando y soltando el archivo correcto en la ubicación adecuada.

Soluciones y ajustes técnicos

• Se sugiere utilizar ChatGPT para entender mejor los errores técnicos, como "bad request" o problemas con flujos de archivos.

• La importancia de simplificar explicaciones técnicas es destacada, sugiriendo preguntar cómo explicar conceptos complejos si no se entienden.

Ajustes finales y éxito del flujo

• El ajuste necesario implica cambiar el tipo de parámetro a "n binary file" para permitir la carga correcta del video.

• Tras realizar las correcciones necesarias, se prueba nuevamente el flujo completo con éxito al enviar el video a Zapcap.

Uso eficiente de plantillas

• Se menciona que Zapcap ofrece diferentes plantillas para subtítulos automáticos, lo cual puede ser útil dependiendo del tipo de contenido.

• A pesar de lo complejo del flujo inicial, se destaca que muchos flujos están disponibles gratuitamente para copiar y usar sin costo alguno.

Integración y personalización

• Los flujos dentro del sistema son representados como JSON, permitiendo fácil copia e integración en otros proyectos.

¿Cómo automatizar un flujo de trabajo con AI?

Generación y descarga de archivos JSON

• Se puede solicitar a la IA que genere un archivo JSON, el cual puede ser hasta un 98% correcto. El objetivo es alcanzar una precisión del 100%.

• Durante la espera de un minuto para que Zapcap complete su tarea, se menciona que se utilizará "get" para obtener el video.

• Se destaca la importancia de especificar la carpeta de Dropbox al descargar plantillas, ya que cada usuario podría nombrarla diferente.

Ejecución del flujo de trabajo

• Se muestra cómo se ha automatizado un video antiguo y se discute sobre la posibilidad de convertir este proceso en una herramienta accesible para otros.

• A lo largo del proceso, se aprende sobre las solicitudes HTTP; aunque pueden ser complicadas al principio, hay muchas plantillas disponibles en línea.

Publicación y uso continuo

• Una vez publicado el flujo, este funcionará cada 15 minutos para verificar nuevas cargas en Dropbox. Esto permite procesar múltiples videos simultáneamente.

Introducción a los agentes AI

• Se introduce el concepto de agentes AI como una alternativa no lineal al flujo anterior; estos permiten herramientas opcionales en lugar de pasos fijos.

• La integración con web hooks es fundamental para conectar el flujo completo con aplicaciones externas.

Configuración del agente AI

• Al agregar un agente, se deben definir dos tipos de mensajes: uno para el usuario (que cambia constantemente) y otro como mensaje del sistema (que proporciona contexto constante).

• El mensaje del sistema establece instrucciones claras para el agente, lo cual es crucial si tiene acceso a varias herramientas.

¿Cómo configurar un agente de IA con herramientas externas?

Configuración de disparadores y acceso a herramientas

• Se pueden establecer dos tipos de disparadores: uno proveniente de una herramienta externa mediante un webhook y otro desde un campo de entrada en un chat. Esto permite probar la funcionalidad dentro de la aplicación.

• Al abrir la interfaz de chat, se puede enviar un mensaje como "hola", pero no habrá respuesta hasta que se configure el agente adecuadamente.

• Es necesario asignar un modelo de IA al agente; se sugiere usar Cloud Sonnet 4, considerado el mejor modelo disponible actualmente.

• Aunque el agente puede responder preguntas simples, carece del acceso a herramientas externas, lo que limita su utilidad.

• Se propone dar acceso al agente a Notion, donde se almacena contenido relevante, facilitando así la indexación y búsqueda por parte del agente.

Acceso a bases de datos en Notion

• Se le otorga al agente acceso a una base de datos específica en Notion para mejorar su capacidad para generar contenido útil.

• La base de datos seleccionada contiene entradas sobre cómo crear contenido, lo cual es esencial para las tareas del agente.

• El objetivo es permitir que el agente formule preguntas complejas sobre temas específicos utilizando los recursos disponibles en Notion.

• Si no se configuran correctamente las instrucciones para el agente, este operará de manera impredecible. Es crucial definir claramente qué herramientas tiene disponibles.

• Se establece que el asistente debe buscar ejemplos relevantes en Notion cuando se le pida crear contenido, asegurando así calidad y coherencia en sus respuestas.

Ampliación del acceso y autonomía del agente

• Se decide otorgar más accesos a páginas dentro de Notion para enriquecer las capacidades del asistente AI.

• Permitir que el asistente busque información dentro del espacio completo aumenta su autonomía y efectividad al interactuar con múltiples bases de datos.

• Las instrucciones iniciales deben incluir directrices sobre cómo utilizar las SOP (Standard Operating Procedures), permitiendo al asistente acceder fácilmente a esta información cuando sea necesario.

• A medida que los agentes AI evolucionan, también tendrán la capacidad de decidir qué texto buscar según sus necesidades específicas durante las interacciones.

¿Cómo están evolucionando los agentes de IA?

Introducción a los Agentes de IA

• Se menciona una lista de 60 a 40 ganchos que han tenido un alto rendimiento en videos anteriores, destacando la capacidad de los agentes de IA para generar contenido atractivo.

• Un ejemplo inicial es "Hoy me di cuenta que los agentes de IA no son solo chatbots sofisticados, sino empleados digitales que trabajan 24/7 sin descansos".

Importancia del Contexto

• La calidad del contenido generado por un agente de IA depende del contexto proporcionado; se sugiere dar acceso a bases de datos como Google Docs o Notion para mejorar la calidad.

• El concepto clave es que "el contexto es rey", lo cual es fundamental al crear y utilizar agentes de IA.

Ejecuciones y Errores

• Al usar el agente, cada interacción se registra como una ejecución, permitiendo revisar tanto éxitos como errores en el proceso.

• Es importante analizar cada paso que toma el agente para completar su tarea, ya que esto ayuda a ajustar prompts y herramientas según sea necesario.

Ajustes en la Ingeniería del Prompt

• Parte esencial de la ingeniería del prompt implica observar detenidamente las acciones del agente; si no produce resultados deseados, se deben realizar ajustes.

• Se discute un caso específico donde el nombre "Muhammad" fue mal interpretado por el agente debido a variaciones ortográficas. Se recomienda modificar el prompt para obtener resultados más precisos.

Integración con Webhooks

• Para facilitar la interacción con el agente sin tener que abrir constantemente una interfaz específica, se propone crear un chat grupal utilizando webhooks.

• Se explica cómo configurar un webhook con una URL específica para enviar y recibir información entre aplicaciones y agentes de IA.

Configuración Final y Pruebas

Creación de Aplicaciones con Vibe Code

Introducción a la Creación de Agentes

• Se menciona que se puede crear un agente utilizando una sola instrucción en la aplicación Vibe Code o cualquier herramienta de codificación Vibe.

• La interacción con un web hook permite enviar datos y esperar respuestas, simplificando flujos de trabajo complejos a interacciones simples.

Ventajas del Vibe Coding

• Permite agregar múltiples herramientas sin necesidad de cambiar el código base, facilitando la creación de aplicaciones básicas con funcionalidad avanzada.

• Resuelve problemas comunes donde los cambios en el backend afectan el frontend, permitiendo ediciones independientes.

Interacción con Agentes AI

• Conectar un agente AI a una aplicación permite construir interfaces frontales mientras se ajusta la lógica del backend sin complicaciones.

• Se presenta un error al probar el flujo, lo que resalta la importancia de definir correctamente los nodos y sus funciones.

Ejemplo Práctico

• Se realiza una prueba real solicitando ideas para hooks, mostrando cómo se activa el agente AI mediante la integración N8N.

• La respuesta generada demuestra la efectividad del proceso y su potencial para crear aplicaciones útiles rápidamente.

Oportunidades Comerciales

• Se discute cómo algunos usuarios están monetizando estas aplicaciones al trabajar con datos empresariales sin necesidad de publicarlas en tiendas de aplicaciones.

• La posibilidad de compartir entre pares sin publicación formal es destacada como una ventaja significativa en este entorno.

Conexión entre Agentes AI

• Se introduce la idea de que un agente AI puede acceder a herramientas utilizadas por otro agente, ampliando las capacidades funcionales.

Implementación de Flujos de Trabajo con AI

Complejidad en el Desarrollo de Aplicaciones

• La aplicación que se codificó no cambia, lo que permite agregar niveles infinitos de complejidad. Sin embargo, esto no es recomendable a menos que se busque mejorar los flujos de trabajo.

• Se va a añadir otro agente AI utilizando la herramienta "nan workflow tool", que puede invocar otros flujos de trabajo, no necesariamente agentes AI.

Herramientas y Modelos Utilizados

• Se utiliza un modelo simple con memoria para recordar el primer mensaje del usuario y poder recuperarlo si es necesario. Hay cinco herramientas disponibles en este flujo.

• Todas las solicitudes son HTTP, específicamente hacia FAO para convertir texto a video, devolviendo una respuesta mediante un enlace al medio generado.

Plataforma FAL y sus Capacidades

• FAL es una plataforma que proporciona acceso a diversas herramientas creativas de IA, incluyendo generadores de imágenes como ChatGBT.

• Los usuarios pueden encadenar APIs o dar acceso a estas dentro de sus flujos de trabajo, permitiendo la generación y edición dinámica de imágenes.

Ejemplo Práctico: Generación y Edición

• Un flujo en FAL puede generar una imagen, editarla y luego añadir texto antes de enviarla a través del API. Esto simplifica múltiples pasos en una sola solicitud HTTP.

• Se muestra la aplicación "vibe code" donde se conecta un webhook para probar la generación automática: por ejemplo, crear un video con un gato bailando.

Conexión entre Agentes AI

• Para conectar dos agentes AI, se añade un nuevo disparador llamado "cuando ejecutado por otro flujo". Este acepta todos los datos entrantes desde otro agente.

Creación de un Agente Maestro para Generar Contenido Multimedia

Configuración del Agente Maestro

• Se establece un agente maestro que puede crear videos y otros tipos de contenido multimedia, incluyendo fotos.

• Se describe el flujo de trabajo del agente maestro, que utiliza un agente de IA para generar diferentes tipos de medios.

Integración con Herramientas Externas

• Se añade un agente llamado "poster" que tiene acceso a Buffer, una herramienta utilizada para programar publicaciones en redes sociales.

• El flujo de trabajo se documenta con descripciones claras sobre las funciones del agente y su interacción con otras herramientas.

Ejecución y Pruebas del Flujo de Trabajo

• Se verifica si el agente "poster" tiene un desencadenador adecuado para ser utilizado por otro flujo de trabajo.

• Se eliminan elementos innecesarios del flujo actual para optimizar su funcionamiento.

Generación y Publicación de Contenido

• Se solicita al sistema que genere un video corto sobre la extinción de los tigres, incluyendo una imagen y un guion breve.

• El sistema busca información en Notion antes de proceder a generar el contenido multimedia deseado.

Resultados y Reflexiones Finales

• El resultado incluye una imagen generada y un guion corto basado en plantillas predefinidas.

• Se discute la importancia del formato utilizado en el guion, así como la posibilidad de ajustar parámetros dentro del sistema.

Futuro de los Agentes AI

• La conversación gira en torno a cómo los agentes AI están evolucionando rápidamente, permitiendo tareas más complejas durante períodos más largos.

¿Cómo están evolucionando los agentes de IA?

Oportunidades en el uso de criptomonedas para agentes de IA

• Se están desarrollando startups que permiten a los agentes de IA utilizar criptomonedas como USDcoin para pagar a humanos por tareas específicas. Esto refleja la evolución y funcionalidad creciente de los modelos modernos de IA, como Gemini 2.5 y Claude Opus.

Evolución y adopción de la tecnología AI

• La primera interacción con la tecnología AI fue con Big Sleep, un generador de imágenes que no tuvo éxito inicial. Sin embargo, esto marcó el comienzo del desarrollo en este campo, aunque la adopción aún no ha alcanzado su potencial.

Brechas en el uso actual de herramientas AI

• Existe una brecha significativa entre la tecnología disponible y su adopción efectiva. Herramientas como N están intentando abordar esta falta, pero su complejidad puede ser un obstáculo para usuarios no técnicos.

Desafíos en el desarrollo con herramientas actuales

• La dificultad en el uso de herramientas como N es un problema que se busca resolver. La capacidad para crear flujos de trabajo backend efectivos es crucial para aprovechar al máximo las capacidades de codificación "vibe".

Perspectivas futuras y oportunidades económicas

• A medida que se vuelve más difícil crear flujos de trabajo backend, surgen oportunidades significativas para innovar y generar ingresos. El momento actual es comparable a las primeras etapas del espacio LLM donde había abundantes oportunidades sin explotar.

Conclusión sobre el futuro del desarrollo AI