n8n-ai-agents

name	n8n-ai-agents
description	Construye agentes IA en n8n con Claude, OpenAI o LangChain. Usar cuando: "n8n AI", "n8n agent", "n8n Claude", "agente n8n", "automatización con IA", "RAG en n8n", "n8n vector store", "n8n memory", "clasificar con IA", "extraer datos con IA", "n8n + GPT".

n8n AI Agents

1. Nodos de IA en n8n

Nodo	Uso	Cuando
AI Transform	Input > prompt > output simple	Clasificar, resumir, traducir
Information Extractor	Texto libre > JSON estructurado	Extraer campos de emails/docs
Basic LLM Chain	Prompt template + modelo	Transformaciones controladas
AI Agent	Agente con tools + memoria	Tareas multi-paso, decisiones

AI Transform/Extractor: operacion determinista unica. AI Agent: cuando el modelo decide que tool usar, loop de razonamiento, o memoria.

Modelos recomendados:

• claude-haiku-4-5: tareas simples — 70% mas barato
• claude-sonnet-4-6: agentes complejos multi-paso
• gpt-4o-mini: alternativa economica para volumen alto

---

2. AI Transform — Transformaciones Simples

Prompt para clasificar emails:

Clasifica este email en UNA de estas categorias:
- BILLING: pagos, facturas, cobros
- TECHNICAL: bugs, errores, no funciona
- GENERAL: preguntas, informacion

Responde SOLO con la categoria (una palabra, mayusculas).

Email: {{ $json.body }}

Formato estricto porque el output va a nodo Switch/IF.

Otros: sentimiento (POSITIVO/NEGATIVO/NEUTRO), idioma (ISO 639-1), urgencia (URGENTE/NORMAL).

---

3. Information Extractor — Datos Estructurados

Schema de ejemplo para leads:

{
  "company": { "type": "string" },
  "contact_name": { "type": "string" },
  "budget_usd": { "type": "number" },
  "timeline": { "type": "string" },
  "pain_points": { "type": "array", "items": { "type": "string" } },
  "urgency": { "type": "string", "enum": ["low", "medium", "high"] }
}

Maneja retry automatico si el LLM no devuelve JSON valido. Resultado accesible como $json.company, etc.

Casos: email lead > CRM, feedback > Supabase, factura > contabilidad, CV > ATS.

---

4. Basic LLM Chain

Usar sobre AI Transform cuando necesitas System Message separado o prompt dinamico.

System: Eres el asistente de soporte de {{ $vars.company_name }}.
Responde en el mismo idioma que el usuario. Fecha: {{ $now.format('DD/MM/YYYY') }}

User: {{ $json.message }}

---

5. AI Agent — Agentes con Tools

Chat Model: claude-sonnet-4-6 (necesita tool use)

Tools disponibles: HTTP Request Tool, Code Tool, Supabase/PostgreSQL Tool, Calculator, Custom HTTP APIs.

Memory: Window Buffer Memory para multi-turn (default 10 msgs). Para produccion: Postgres Chat Memory con sessionId.

Ver references/agent-patterns.md para ejemplo completo de agente de investigacion y setup de memoria.

---

6. RAG en n8n

Setup: Document Loader (PDF/texto/URL) > Embeddings > Vector Store (Supabase pgvector) > Retriever como tool del Agent.

Nodos: Default Data Loader/PDF Loader, Embeddings OpenAI/Anthropic, Supabase Vector Store, Vector Store Retriever.

Ver references/agent-patterns.md para setup SQL pgvector completo y workflow paso a paso.

---

7. Memoria y Sesiones

Tipo	Pros	Contras
Window Buffer Memory	Simple, sin setup	Se pierde al reiniciar
Postgres Chat Memory	Persiste, sesiones paralelas	Requiere tabla SQL

Session ID: {{ $json.user_id }}_{{ $json.conversation_id }}
Table Name: n8n_chat_memory

Ver references/agent-patterns.md para schema SQL de n8n_chat_memory.

---

8. Integracion con Next.js

Usuario escribe > POST /api/chat > n8n Webhook > AI Agent (memoria Postgres) > Respond to Webhook > streaming response

Para los 4 patrones de comunicación Next.js ↔ n8n, ver skill n8n-to-api.

---

9. Costos

Operacion	Modelo	Costo aprox
Clasificar email	haiku	~$0.0001
Extraer datos doc	sonnet	~$0.005
Agent 5 tool calls	sonnet	~$0.05

Control: nodo IF antes de AI para filtrar, haiku para clasificacion inicial + sonnet solo para complejos, loguear tokens.

---

Referencias

• references/agent-patterns.md — Agentes, RAG pgvector, integracion Next.js
• references/prompt-engineering.md — Prompts por caso: soporte, ventas, extraccion, moderacion