=== Transcrição do: n8n + Cadeia de Lenguagem === Tipo: Playlist Data: 09-01-2025 00: 10: 45 **Vídeo 1: ** [https://www.youtube.com/watch?v=cOWfYCgL9bo](https://www.youtube.com/watch?v=cOWfYCgL9bo) (Português do Portugal) **Olá e seja bem-vindo ao canal Vamos Automatizar**. Sou o Cláudio Balbino, especialista em automações. Neste vídeo, vou mostrar como fazer a moderação de comentários no seu Instagram utilizando Inteligência Artificial, utilizando-se para isso o n8n – ferramenta de automação. Se você não conhece o n8n, essa ferramenta de automação incrível, tô deixando aqui na descrição o link para a Playlist dedicada a essa ferramenta. Então vamos lá, vamos ao que interessa. **Quer saber mais sobre a área de automação? ** Tenho um convite exclusivo para você. Tem interesse nessa área de automação, seja você iniciante ou não, faça parte da Promov Web – plataforma de cursos, onde você vai encontrar cursos dedicados ao NLP, com mais de 200 aulas, sendo que no momento que tô gravando esse vídeo, já há aulas sobre configuração de VPS, setup de aplicações, automação de marketing, automação de WhatsApp, produtividade, acesso a uma comunidade para interagir com outros profissionais da área e suporte. Além disso você vai participar de aulas ao vivo e ter acesso a um super instalador, então, se você tiver interesse, entre aqui no link de afiliado na descrição. Agora voltando ao nosso workflow, é um workflow bastante simples. Mas, vamos utilizar aqui a Inteligência Artificial. Então, vou dar uma passada aqui e vou mostrar como ele em funcionamento e depois vou passar cada um dos Nós para mostrar como que foi configurado. Ok, então assim que ele recebe ali o evento, o comentário, por exemplo. No nosso webhook, adicionei aqui um filtro, para tratar somente as mensagens do usuário, para não ficar em nunca-ending, aqui a resposta é da própria Inteligência Artificial. Adicionei aqui um bloco de ação para fazer análise de sentimento, ou seja, ele vai identificar se a mensagem, o comentário, por exemplo, é positivo, neutro ou negativo. Se for positivo ou neutro, ele vai gerar uma resposta. Aguarde 10 segundos e responde-ai ao comentário. Se a mensagem for negativa, obtém-se aqui a URL, seja da publicação, seja da imagem ou vídeo, no caso do reals, eu vou mandar ali uma mensagem utilizando a Evolution - este é o nome que estou utilizando da versão 2. 0 - vou fazer o trabalho com as requisições do Instagram Graph API, mando-ai uma mensagem com o vídeo/comentário e o nome do usuário. Se for mensagem apenas da postagem, não será feito o envio de imediato, mas eu adicionei um filtro específico nesse caso. Além disso, vou mandar-lhe a imagem e a mensagem também, além do usuário. O restante do processo será explicado a medida que vamos avançando. Agora, vou demonstrar este processo em prática. Abra-se nossa página no vamos automatizar. Usando outro perfil, por exemplo. Vou fazer o primeiro teste aqui, pegarei uma publicação ou seja, uma imagem, por exemplo, essa aqui, que é esse post onde comemorei lá os 10. 000 inscritos no YouTube. Venho ajudar com meu assistente ao vivo aqui na chat, logo em seguida. Vou mandar esse texto para o Instagram e veremos o resultado nessas seguintes etapas. Agora, clicando aqui em execuções, vamos ver ele em ação. Tá ali, tá gerando a resposta. Aguardando alguns segundos. . . Ok, ele já respondeu! Aqui está a mensagem que foi gerada pela Inteligência Artificial: > **Muito obrigado estamos felizes por ter conquistado essa marca incrível com vocês vamos juntos nessa jornada** Neste caso, a resposta aqui foi objeta e amigável à mensagem feita no Instagram. Nos outros próximos etapas irei mostrar como cada um dos Nós foi configurado neste workflow. **Atenção**: Para utilizar a OpenAI você precisa ter um cartão de crédito. No caso da mensagem ser negativa, eu vou pegar um GRS e vou mostrar como funciona isso no GRS. Volto ao Instagram, abro a página do “vamos automatizar”, seleciono um reels, ele não tem muitos rs aqui nesta página, então vou colocar aqui uma mensagem negativa: > **Olha, não vi muita utilidade nessa automação. ** Car não gostou, não entendeu a lógica. Se eu abrir novamente a execução do workflow, ele deverá estar ali executando e irá executar nesse caminho, ele irá analisar e ver que a mensagem é negativa, então não vai responder. Nesse caso, eu não vou mandar resposta, mas irá mandar uma mensagem nesse caso pro WhatsApp – número que estou usando com a nossa oficial – não vou explicar muito, low-code será explicado mais a frente -faça a adaptação desse workflow de acordo com a sua necessidade, você pode enviar qualquer outro serviço/aplicativo. Por exemplo, você também pode enviar para um dashboard – como em um BI por exemplo – ou para um arquivo Excel ou enviar pro Slack. Para fazer isso, basta fazer a adaptação aqui nesse workflow (e nos demais workflows apresentados no canal). Basta você acessar a nossa página de templates: Você tem todos os nosso workflows aqui no canal, alguns são pagos, mas a grande maioria está gratuita. Obrigado por assistir! Título: Automatizando o Instagram utilizando o n8n ----------------------------------------------------- Este vídeo mostra como adicionar um agente de automação no Instagram utilizando o n8n. Aqui é gratuito: baixe acessar essa página (se cadastrar se necessário) e copie o código. Selecione qualquer workflow e copie o código nele, depois cole-o no seu workflow em branco. Então você poderá copiar-o todo inteiro. Clique com o botão direito para copiar e cole-o no seu workflow. ### Adicionando o Instagram no n8n Para adicionar o Instagram no n8n, essa conta precisa ser do tipo Business ou Creator. Com essa API, poderemos enviar e receber mensagem de nossos seguidores ou pessoas que estejam interessados no nosso perfil. Além disso, essa API permite gerenciar comentários de postagens de mídias, stories e publicar conteúdos. Nesse vídeo, entretanto, nossa ênfase será no envio e recebimento de mensagens. ### Implementando o nosso Instagram Primeiramente, criaremos o nosso aplicativo no Instagram em developers. facebook. com. Geraremos nossa chave de acesso para criar nossa credencial no n8n. Configuraremos o webhook e colocaremos o aplicativo em modo ao vivo. ### Configurando o webhook do Instagram no n8n Para configurar o webhook do Instagram no n8n, primeiro, vai criar um workflow com o nome de "agente Instagram". Adicionaremos o nó {% n8n Instagram %}. Vou copiar a URL de teste para mapear o campo. Vou rodar o workflow e retornar lá no meu aplicativo. Aqui, na página do n8n, você precisará colocar a URL do webhook, a chave de acesso e o nome/Instagram. ### Configurando o web hook Para configurar o web hook, primeiro, você precisará criar um workflow no n8n com o nome "Instagram Agent". Adicione aqui o nó de webhook. Copie a URL de teste para mapear o campo. Na página do n8n, precisará colocar a URL do webhook, a chave de acesso e o valor de nome/Instagram. ### Web hook Para configurar o web hook, primeiro, você precisará criar um workflow no n8n com o nome "Instagram Agent". Adicione aqui o nó de webhook. Altere aqui a URL para a URL de produção e o token de acesso para a chave de acesso que você criou. ### Configuração do Web Hook Para configurar o web hook, primeiro, você precisará criar um workflow no n8n com o nome "Instagram Agent". Adicione aqui o nó de webhook. Altere aqui a URL para URL de produção e o token de acesso para a chave de acesso que você criou. ### WebHook Para configurar o web hook, primeiro, você precisará criar um workflow no n8n com o nome "Instagram Agent". Adicione aqui o nó de webhook. Altere aqui a URL para URL de produção e o token de acesso para a chave de acesso que você criou. Aqui, você precisará alterar algumas informações na parte superior, como URL de Produção e URL do web hook produção. ### URL de produção Para configurar o web hook, primeiro, você precisará criar um workflow no n8n com o nome "Instagram Agent". Altere neste ponto aqui a URL para URL de produção. ### URL de teste Para configurar o web hook, primeiro, você precisará criar um workflow no n8n com o nome "Instagram Agent". Altere aqui neste ponto a URL para URL de teste. ### URL de produção Para configurar o web hook, primeiro, você precisará criar um workflow no n8n com o nome "Instagram Agent". Altere neste ponto aqui a URL para URL de produção. ### Configuração (final) Para configurar o web hook, primeiro, você precisará criar um workflow no n8n com o nome "Instagram Agent". Altere aqui a URL para URL de produção. ### Web hook configurado Para configurar o web hook, primeiro, você precisará criar um workflow no n8n com o nome "Instagram Agent". Altere aqui a URL para URL de produção. ### Curso de automação com o n8n Se você tem interesse em automação, é certo entrar em contato com a Promov Web, uma plataforma de cursos. Lá você encontrará cursos dedicados ao n8n com mais de 200 aulas, focadas em automação de marketing, automação de WhatsApp, entre outros temas. ### Cursos Se você tem interesse em automação, é certo entrar em contato com a Promov Web, uma plataforma de cursos. Lá você encontrará cursos dedicados ao n8n com mais de 200 aulas, focadas em automação de marketing, automação de WhatsApp, entre outros temas. ### Rodando o workflow Eu já executei o workflow no meu n8n aqui para mostrar como funciona. Na prática, você precisará adicionar a URL de sua conta no n8n e o token de acesso, além de configurar o web hook no Instagram. ### Perguntas frequentes Este vídeo está acompanhado de perguntas frequentes, incluindo como configurar o web hook, como adicionar a URL de its produção e como criar o workflow. ### Community em n8n É possível criar uma conta na n8n para participar de uma comunidade em que você interagirá com profissionais de automação e tem acesso a um Super Instalador, suporte e às aulas ao vivo. ### Perguntas frequentes Entre perguntas frequentes como configurar a chave de acesso do n8n, instalação do aplicativo no Instagram e como funciona a URL de teste, neste vídeo você encontrará as respostas. ### Nivelado É possível criar uma conta no n8n para participar de uma comunidade em que você interagirá com profissionais de automação e tem acesso a um Super Instalador, suporte e às aulas ao vivo. ### Ouça a música Durante o vídeo, ouça a música ". . . " pelo link disponibilizado. Na página de configuração do webhook no Instagram, você pode configurar a URL da página de modo que seja acessível para receber e responder mensagens de nossos usuários ou pessoas interessadas no nosso perfil. Além disso, podemos utilizar a API do Instagram para gerenciar comentários de postagens de mídias, stories e publicar conteúdos. Na seção a seguir, nossa ênfase será no envio e recebimento de mensagens. ### Criando o nossa aplicação no Instagram comece por criar uma nova aplicação no Instagram em [developers. facebook. com](http://developers.facebook.com). Aqui, em seguida, você poderá gerar uma chave de acesso para configurar nossa credencial no n8n. Em seguida, configuraremos o webhook e colocaremos a aplicação em modo ao vivo. # Agendamento de Atendimento automatizado com aplicativo Instagram Para automatizar o agendamento de atendimentos, vamos criar dois workflows: 1. A Criação de bot de chat com auxílio de Open AI 2. A Recuperação de dados de um Armazenamento Vetorial (usando Pinecone) ## Bot de chat com auxílio de Open AI Iniciemos pela criação da workflow do bot de chat integrado com OpenAI: * Criar um novo workflow com o gatilho de chat do `n8n` para renderizá-lo público, fornecendo-nos um URL. * Este workflow terá uma interface fornecida pelo `n8n`, que iremos utilizar aqui. Embora possamos integrar com outras soluções de bots de chat, como o TypeBot, neste vídeo, usaremos a inteface do `n8n`. * Adicionar mensagens e campos adicionais para personalizar o bot: + Titulo + Subtitulo + Placeholder de entrada * Configurar o gatilho de chat do `n8n` com as suas configurações desejadas. ## Assistente OpenAI Nosso segundo workflow usará o assistente OpenAI: * Adicionar um novo nó para assistente OpenAI. * Especifique as suas credenciais OpenAI e selecione o modelo, operações e assistente. * Defina as instruções do assistente, incluindo o nome, funções e estilo de respostas. * Configurar OpenAI para responder apenas a questões relacionadas com a empresa Reparo Doutor, fornecendo respostas em português de Portugal utilizando respostas amigáveis, objetivas, objetivas e emotivas. * Configurar o manejo de erros caso as questões sejam fora do escopo da empresa ou caso não seja disponível o dado requisitado. * Especificar informações de contacto para outros canais. ## Recuperação de dados do Armazenamento Vetorial (Pinecone) Para recuperar dados do Armazenamento Vetorial (Pinecone), usaremos as seguintes etapas: * Criar outra workflow para a integração com o Pinecone. * Adicionar um nó para comunicar com a API do Pinecone e recuperar os dados necessários. * Configurar o nó do Pinecone com a sua chave API e outros parâmetros necessários. * Pode personalizar a workflow de acordo com o seu caso específico e adicionar ferramentas adicionais como necessário. Lembre-se de testar as workflows cada vez que forem necessárias para garantir que estão a funcionar corretamente. --- Vídeo 3 (em português): <https://www.youtube.com/watch?v=MmXuYphWONA> Bem-vindo ao canal! Hoje vamos automatizar, sou Claudio Balbino, especializado em automizações. Neste vídeo, vou mostrar-lhe como criar um bot de chat utilizando a inteligência artificial do OpenAI e a ferramenta Lang chain do n8n para recuperar dados de um banco de dados. Se é novo no n8n ou está a placedo a usá-lo, deixei um link a um playlist dedicado a esta ferramenta na descrição. Se gostar deste tipo de conteúdo e não tiver subscrito ainda, por favor, faça isso! Para criar esta solução, vamos necessitar de dois workflows: 1. Criação de bot de chat com o auxílio de OpenAI 2. Recuperação de dados de um Armazenamento Vetorial (Pinecone) ### Bot de chat com o auxílio de OpenAI Para a primeira workflow, vamos criar um bot de chat usando a interface de chat do n8n. Aqui, adicionaremos uma mensagem com campos adicionais para personalização. Após configurar o gatilho de chat, vamos utilizar o assistente interno de OpenAI para fornecer a resposta desejada. ### Assistente OpenAI Para o segundo workflow, vamos utilizar o assistente criado para responder a questões relacionadas com a empresa Reparo Doutor, utilizando dados fictícios que preparámos para os nossos vídeos. Se a questão é sobre os produtos da empresa, vamos chamar outra workflow que recupera dados de um Armazenamento Vetorial (Pinecone). ## Manejo de erros e informações de contacto Em caso de questões fora do escopo da empresa ou se o dado requisitado não estiver disponível, o assistente será instruído a fornecer mensagens de erro e informações de contacto para outros canais. Para criar um novo assistente, siga estas etapas: 1. Criar um novo assistente com um nome e uma descrição. 2. Definir as funções do assistente e o estilo de respostas. 3. Definir o idioma de resposta (português de Portugal) e emojis. Lembre-se de escolher o modelo GPT 3. 5 Turbo 01125 e carregar um PDF personalizado com os dados da empresa. ### Recuperação de informações de produto do Armazenamento Vetorial (Pinecone) Em questões relacionados com os produtos da empresa, vamos chamar o ferramenta N8n Custom utilisable, que estamos configurado para recuperar informações de produto. O campo de entrada deve ser uma string maiúscula com o nome do produto, e a resposta vai devolver a listagem de produtos no formato definido. Usando a ferramenta N8n Custom disponibilizável, pode facilmente modificar as workflows de acordo com o seu caso específico e adicionar mais funcionalidade a necessário. Em resumo: 1. Criar um novo assistente para a empresa Reparo Doutor. 2. Definir o estilo de respostas, funções e informação de contacto. 3. Criar uma workflow para recuperar informações de produto do Armazenamento Vetorial (Pinecone). 4. Testar as workflows completamente. Divirta-se a automatizar os processos de negócios, e não esqueça de subscrever o canal para mais vídeos! [Música introdução] Atenciosamente, [Música saída] # Como adicionar um código para múltiplas solicitações de produto Neste exemplo, apresento um código para demonstrar como eu apresento os produtos ao cliente. O cliente pode solicitar mais de um produto durante uma consulta, então, ao longo do código, forneci instruções para quando existir mais de um produto, eles devem estar separados por uma vírgula. O código que criei aqui é um ponto de partida onde será gerenciado se a consulta contém uma vírgula. Se sim, então o código faria a divisão da consulta em um array. Chamei o resultado como `result` e então adicionei a função `split()` para separar todos os elementos do array neste ponto. Se existirem quatro ou três itens devolvidos pela sua pergunta ao cliente, eles serão divididos aqui em itens individuais. Adicionei um loop abaixo para consultar cada um deles. ## Minha base de produtos Adicionei os seguintes produtos na tabela base 1, que tem campos para `nome do produto`, `marca`, `valor`, e `link do produto`. Aqui, pode se ver que adicionei produtos para marcas X e Y, mas não para produto B. Dentro do loop `for`, será executada a consulta para a `Base Roll (Base Row)` e devolverá todas as linhas da tabela `Database test` com o nome da tabela `tabela` e devolverá todos os itens do campo `produto` com o mesmo nome que o retornado aqui após a função `split()`. Se o campo `produto` ou o retorno `produto` estiver vazio, deverá ser excluído, então, se estiver preenchido, será movido para o campo `editar Campo (Edit Field)` com o nome `response`, será formatado e o resultado será exibido neste formato: `produto, marca, valor, link` como instruções também foram adicionadas para ser assim. Se for vazio ou ausente, será retornado ao loop para continuar a consulta e após todos terem terminado, no final, será adicionado este nó `aggregate` que irá agrupar os `response` e devolverá uma lista de produtos. ## Teste Como vou começar por solicitar um orçamento nestes serviços, então eu vou usar a caixa de mensagem integrada na interface n8n. A primeira mensagem será uma solicitação de orçamento, mas será um erro de ortografia. Porém, será entendido perfeitamente e fornecerá os dados. Os contactos para obter o orçamento estão entre as informações incluídas no meu PDF. Aqui foi fornecido o número do WhatsApp de contato para obter o orçamento e o email. Em seguida, vou perguntar sobre os produtos disponíveis. Aqui foi fornecido os produtos `A`, `C`, e `F`, porém eu tenho dois (`C` e `F`). Voltará a perguntar sobre os produtos disponíveis para ver se terá entendido minha pergunta. Caso o produto B não exista em nossa base de dados, será retornado um erro. Vou perguntar: > Existem produtos B? Veja o que será retornado para nós. Nossa base de dados não possui informações sobre produto `B`. Posso ajuda-lo a algo mais e pergunta sobre isto aqui? A mensagem é sobre a empresa, mas é sobre os produtos que realmente me referia. Então, traria as redes sociais da D Repair, que estão em Facebook e Instagram. Uma vez mais, este recurso encontra-se na secção `Ferramentas (Tools)` dentro do chat n8n. Pode usar o chat integrado e escolher a opção `Robô Tipo (Type Bot)` para adicionar o `Web Hook`. Selecione a opção `Define Bell (Define Bell)` e, na saída, adicione o `respond web hook`. Encontrei este recurso utilizando ferramentas de chat nestes canais com n8n ser extremamente interessante. É possível explorar mais bases de dados e outras funcionalidades aqui, porque é apenas sobre extrair informações da workflow anterior e este workflow é adaptável para tratamento de dados, o que simplifica e acelera a construção deste tipo de solução. **[Música]** [VÍDEO 4](https://www.youtube.com/watch?v=WCPuQowHvHc) (Idioma: pt) ==== **Vídeo 4: https://www.youtube.com/watch?v=WCPuQowHvHc (Idioma: pt)** ==== **Bem-vindo ao canal** Oi e bem-vindo ao canal. Junte-se a gente. Vamos automatizar Estou aqui, Claudio Bobino, especialista em automações, e neste vídeo, vou mostrar-lhe como criar um chatbot com inteligência artificial usando n8n e a inteligência vectorial da Google (Gemini) e a base de dados vectorial da Supabase. Coloquei o link para o playlist dedicado a n8n nas descrições, bem como o link para o vídeo onde mostro como usar Supabase com n8n. Se gostar deste tipo de conteúdo e não estiver ainda inscrito no canal, favor subscrevê-lo e ativar a carinha para não perder nenhum vídeo a seguir, e nos iniciamos. ==== ## Limites do plano gratuito de Gemini Usaremos o plano gratuito de Gemini aqui, que oferece os seguintes limites: * Você pode fazer até 2 pedidos por minuto ou 32 mil tokens por minuto ou 50 pedidos por dia. Não há custos de entrada ou saída pela resposta do bot. Caso ultrapasse esses limites, os cobrados começarão. * A partir do 2 de maio, terá um limite de 5 pedidos por minuto, 10 milhões de tokens por minuto ou 2000 pedidos por dia. O custo desses limites será mostrado como preço de pré-lançamento de $0, 02 por milhão de tokens de resposta da Inteligência da AI. Usaremos a versão gratuita de Gemini aqui. Podem obter o acesso diretamente no [site](https://google.dev). Clique no botão "Obter API-Key " primeiro. Isto o levou para a página do estúdio de AI Google onde você irá clicar em "Criar API-Key". Serão seguidas as passos. Essa API-key estará aqui e não será mostrada. Se já possui, basta copiar e colá-lo no n8n e, na área de credenciais, adicione uma nova credencial. Escolha a API do Gemini Google e insira a API-key que copiou. Depois de definirmos a API-key, vamos passar para a configuração dos nodos para criar o chatbot usando a inteligência de Google: Gemini. Usaremos a base de dados vectorial da Supabase aqui. Antes de mostrar como configurar cada nó de nossos, vamos criar a nossa base de dados na Supabase: base-sop. base. com. Se não estiver familiarizado com a Supabase, tenho um link aqui nas descrições que mostra como usar Supabase com n8n. Inicie-se na dashboard da Supabase e crie um projeto. Eu já criei este projeto por aqui, mas selecionei-o aqui na vertical em cima, na opção `SQL Editor`, e um suíte de consultas será apresentada a você. Você clicará em "Início Rápido" e a opção "Cadeia L" será selecionada aqui. Executaremos este script, mas faremos uma alteração aqui. O script criará uma tabela aqui para nós já com as configurações necessárias para a cadeia L Baseline (Lenin Chain baseline) do n8n. Esta tabela será chamada "documentos" e terá os campos `ID`, `content_`, e `metadata_`. Cliquei nos botões "Run" aqui, que é verde na extremidade direita, e ele executará a consulta. Assim, esta consulta criará nossa base se for apontar para a área Editor de Tabelas aqui "documentos", será exibida a nossa tabela que usaremos no n2n, onde iremos adicionar dados para nossos documentos que obtivemos num PDF. Criando um Chatbot com n8n, Supabase e Google Gemini AI Acompanhe-nos através da criação de um chatbot utilizando n8n, Supabase e Google Gemni AI. Seja novato ou tenha o desejo de melhorar o seu chatbot existente, este vídeo está feito para você. ## Pré-requisitos Antes de começar, verifique se possui os seguintes itens: 1. Conta Supabase: Pode criar uma seguindo este guia (<https://www.youtube.com/watch?v=65RntFxk7Fk>). 2. Credenciais para ambos Supabase e Google Gemini. Pode criar estas seguindo as instruções nos guias dos vídeos de descrição. ## Configurando o Projeto ### Criando a Base de Dados em Supabase Para utilizar Langchain e realizar gerenciamento de documentos e pesquisa de semelhança entre bases de dados, será necessário executar um script no editor SQL do Supabase. Pode encontrar o script e instruções sobre a criação do projeto, credenciais e execução do script aqui: [Link para Criação de Script](https://www.youtube.com/watch?v=65RntFxk7Fk) Após a execução do script, o painel do Supabase exibirá as tabelas necessárias para o uso da automação n8n. ### Construindo a Fluxo de Trabalho no n8n Para este demonstrativo, já fiz as configurações do fluxo, que está dividido em duas etapas. Na primeira etapa, adicionaremos informações de seus documentos. Aqui, utilizo um PDF que contém informações sobre uma empresa fictícia de reparos, incluindo localização, contatos, horários de funcionamento, perfis de redes sociais, serviços oferecidos, preços e uma seção FAQ. Pode utilizar documentos maiores para o seu próprio negócio e integrá-los no chatbot ou processo de suporte conforme necessário. 1. **Google Drive: ** Selecione as suas credenciais, procure o ficheiro de pesquisa, e adicione o ID do documento. 2. **Supabase Vector Store: ** Selecione as suas credenciais, e na operação, escolha a tabela que acabamos de criar no Supabase para armazenar e gerir os dados. 3. **Binary To Document: ** Escolha o PDF que deseja utilizar. Alternativamente, pode utilizar ficheiros . csv, . docx, . json ou texto. Mantenha as configurações padrão a menos que tenha necessidades específicas. Por seguindo estes passos, pode configurar um fluxo básico para o seu chatbot, permitindo-lhe acessar e utilizar as informações dos seus documentos PDF. ## Consumindo Informações Agora que os dados foram importados, vamos tentar utilizá-los. 1. **Chat: ** Inicie uma nova conversa e teste o chatbot perguntando questões, como "Qual é o número de telefone do médico de reparos? " O chatbot irá recuperar as informações que coletou do PDF e fornecer a resposta. 2. **Ampliando a Funcionalidade: ** Pode expandir o fluxo adicionando funcionalidades adicionais como webhooks para se conectar a outros serviços ou responder a consultas vindas de outros nós dentro do n8n. Pode definir o texto de resposta no nó de saída de webhook, facilitando a adaptação do chatbot às suas necessidades específicas. Espero que este vídeo seja útil! Se gostar deste conteúdo, não esqueça de inscrever-se, ativar notificações e compartilhar o vídeo com outros inter Bem-vindo ao canal! Let's automate! Eu sou Cláudio Balbino e neste vídeo, vou mostrar como criar um bot de chat com Openi que respondendo as suas perguntas com informação obtida de um documento PDF utilizando o n8n com o lchin, que ainda está em beta. Gosta deste tipo de conteúdo e ainda não é inscrito aqui, faça o inscrito agora! Leve proveito sem demora! Também deixe seu comentário, compartilhe com pessoas que também tenham interesse neste tipo de conteúdo. Se não estiver inscrito, faça o inscrito, é tudo gratuito. Boa sorte, volte a ver em mais uma vídeo, e um abraço no final [Música] [Música] === Video 6: https://www.youtube.com/watch?v=SGXkTbjAQak (language: pt) === Acesse o canal! Let's automate! Eu sou Cláudio Balbino e neste vídeo vou mostrar como criar um bot de chat com Openi que responderá às suas perguntas com informação obtida a partir de um documento PDF utilizando o n8n com o lchin, que ainda está em beta. Gosta deste tipo de conteúdo e não está inscrito ainda, Faça o inscrito agora! Proveito imediato! Também deixe seu comentário, compartilhe com pessoas que também tenham interesse neste tipo de conteúdo. Se não estiver inscrito, faça o inscrito, é tudo gratuito. Boa sorte, volte a ver neste vídeo em breve, e mande um abraço no fim [Música] [Música] Quando menciono no início deste vídeo, n8n com o lchain esta ainda em beta, e estou destacando aqui. Eu instalei esta versão em uma máquina e so utilizo para testes com o lchain. Pode ver aqui que já traz formatos diferentes em relação a aquilo que estamos acostumados a ver aqui no n8n. Venha com retângulos, circulos e cilindros aqui. Sai visualmente bem aqui. O lchain é para aqueles que não o conhecem ainda, é uma plataforma, é uma tecnologia que integra várias ferramentas e recursos que permitem a criação de aplicações e soluções para Inteligência Artificial. Esta realmente traz uma grande potência aqui para o n8n e especialmente para a criação e bots de chat. Por suposto, ela tem outras aplicações também, mas aqui vamos focar nesta em este vídeo. Então, vamos criar um bot de chat aqui que irá consumir informação de um documento PDF. O PDF documento, utilizarei este aqui que contém dados da empresa fictícia que criei aqui no canal para algumas demonstrações. Falaram sobre isto aqui e em outros vídeos, incluindo o Type bot. Contém informações sobre o endereço da empresa, detalhes de contato, horários de funcionamento, redes sociais, serviços oferecidos pela empresa fictícia, etc. Também adicionei aqui perguntas frequentes, entre outras coisas. Portanto, é um documento com cinco páginas. Sim, pode adicionar aqui documentos mais extensivos e mais robustos do que este, mas vamos começar com o primeiro passo aqui na nossa linha, dividiremos-a em duas partes. O primeiro passo aqui é para que eu procure o documento PDF em Google Drive e que seja dividido em pequenas peças e inserido na Pinecone index. Vou mostrar-lhe aqui como criar a sua conta e indexar. Vai ser usado para armazenar os vetores. Vou utilizar uma conta gratuita aqui. Concluída a conta, poderemos fazer uma ingressão aqui, vai lá onde estaremos, onde criaremos o nosso index. Darei a ele o nome aqui, uso index, como uso por aqui no demo. Veja que estou dizendo algumas palavras novas aqui, não relacionadas a este contexto de Inteligência Artificial. Deixarei uma glossária na descrição explicando o que estas palavras significam. Sim, vou pegar informações de Google Drive, então vou inseri-las no banco de dados da Pinecone index utilizando uma conta gratuita. Criamos o index agora, precisaremos utilizar o n8n e antes disso precisamos criar um credencial aqui no n8n para consumir este serviço. Portanto, irá para a APIQ e criará aqui. Está já criada agora, vai encontrar duas campos aqui desta tela, o valor e o inver. Estão estes dois campos que vai precisar criar a sua credencial para este serviço. Vou estar de volta aqui na nossa tarefa, depois, esquema aqui, login agora e redirecionar a esta página aqui onde vamos criar o index. Começamos agora a configurar a nossa tarefa. Estou aqui, já tenho minha credencial aqui. Aqui estou dizendo que precisaremos do API key e do inver aqui. Pode encontrá-los aqui na tela onde criar a chave para Epipi. Agora, tenho ficado, já completado os nomes aqui porquê, como disse, o plano grátis não permite o uso de namespaces aqui. Agora, vamos adicionar o documento aqui. Vou dividir o documento aqui, pode ler o PDF aqui, pode ser um texto, pode ser Docx, pode ser em formato csv. Recebe-se aqui muito aplicações para a Inteligência Artificial, pode realizar análises e gerar relatórios baseados em seus dados. Aqui, vou utilizar o Teste Integrado Sprinter do Civitas Character Test para dividir o conteúdo aqui. Estas peças estão sendo mantidas com as informações que recuperamos a partir dos exemplos nos modelos fornecidos pelo n8n. Talvez seja melhor se zoar aqui, considerei que será melhor para nós ajudar a ver. Há aqui a seção de processamento do documento. Zoom em cima um pouco. Pode ver aqui que já utilizei dois módulos aqui, os dois nós aqui. Na matriz, uso as funções fornecidas pelo próprio n8n. Na entrada, vou utilizar a Open Chain porque esta aqui só disponível na versão de beta. Porém, você pode substituir-lhe em outras ferramentas de Inteligência Artificial. Porém, com este recurso como esse o Vector Store não funciona. Vou voltar a trocar para agora. Agora, vamos testar aqui. Clicar aqui no chat e a primeira pergunta será "Qual é o endereço da empresa? " Vai me retornar o endereço da empresa. Clicar pray uma pergunta "Qual é o número de telefone? " Então irá aparecer os serviços da empresa, os tipos de serviços que oferece, etc. Espero que gostateste do conteúdo. Se gostou, deixe um comentário! Vou adicionar mais intenções em contrações para fazer o chatbot mais conversacional e ajudar a usuário melhor. Espero que gostaste do tutorial. Caso gostou, por favor, deixe olike, compartilhe com as pessoas que também tenham interesse neste tipo de conteúdo. Se não está inscrito, faça o inscrito, é tudo gratuito. Boa sorte, vejam neste vídeo em breve, e mande um abraço ao fim [Música] [Música] === Línguas: pt === Bem-vindo ao canal! Let's automate! I am Cláudio Balbino and in this video, I will show you how to create a chatbot with Openi that answers the user's questions with information obtained from a PDF document using n8n with the lchin, which is in beta. If you like this kind of content and haven't subscribed here, do it now! Take advantage of it immediately! Also, leave your comment, share it with people who also have an interest in this type of content. If you're not subscribed, subscribe, it's all free. Good luck, see you in the next video, and give a warm hug at the end [Music] [Music] —=== Description === Aqui no vídeo, aprenda a criar um bot de chat com Openi que utiliza o n8n para responder as suas perguntas sobre qualquer assunto baseadas na informação de um documento PDF. O lchin possibilita a interacção entre o usuário e o bot permitindo que crie e organizos as perguntas e respostas pelo próprio meio de ciência da informação. Veja como facilitar a automação utilizando as funções do lchin e do n8n! Additionally, you can download the template created and test without limitations! Translation: Curious about learning to create a chatbot that can answer any question about any topic based on information from a PDF document using the n8n workflow and Openi's lchain? Then watch this video and let Cláudio Balbino show you how it's done, step by step. The lchain lets you interact with the user and create and organize the questions and answers using information science methods. Learn how to automate the process using the lchain and the n8n workflow! And as a bonus, you can test the template provided in this video without any limitations! # Fluxo de Trabalho para Utilização do Chatbot com Pinecone Entraremos na fase seguinte, na qual procuraremos o ficheiro, e neste caso utilizaremos o Google Drive, mas pode-se utilizar outros formatos. O ficheiro será dividido aqui e em pedaços e inserido no Pincode (Pinecone). É bom. Executarei aqui. Nossa índice foi criado aqui, está vazio, por isso vamos adicionar conteúdo a ele. Voltemos aqui e executei. Esta parte do nosso fluxo de trabalho é bem rápida, já que alguém já adicionou cinco itens aqui, basicamente as cinco páginas de nossa índice. Nosso Banco Vetorial (modelagem do conhecimento) foi criado aqui. Se clico nele agora e dar uma refresh (F5), será exibido os vetores aqui (representações matemáticas). Então temos cinco vetores aqui na nossa índice. Foi adicionado, e a partir deste momento, a próxima fase é onde eu vou mostrar. . . Como o nosso chatbot (ou inteligência artificial) consumirá esta base de conhecimento que está no Pinecone. OK, mas antes de mostrar como o chatbot consumirá sua base de conhecimento, gostaria de convidá-lo para participar no mentorizado do chatbot organizado por Luiz do promov web. Ele ensinará a você a instalar e configurar ferramentas como Type Bot e Flow Wi para implementar Bots com Inteligência Artificial usando LLM e LChain. Estes mentorados ocorrerão nos dias 16th e 27th de Outubro, de 18 à 21 horas, durante os quais você poderá perguntar suas dúvidas ao instrutor via Zoom. Para participar, basta seguir o link nesta descrição para mais detalhes sobre este mentorado e inscrever-se se ainda não está inscrito. Continuando com a próxima parte do nosso fluxo de trabalho. . . Aqui, vou consumir os dados que há sido adicionados aqui na minha índice no Pinecone e em um caso específico vou mostrar a consomoção. Para este exemplo, vou utilizar a API oficial, mas poderia utilizar qualquer outra API não-oficial, a ideia é que você a faça assim como escalar. Vou receber a informação aqui de minha webhook, e incluí uma condição aqui (`if`) para determinar se a informação que estou recebendo é real e vem de um utilizador, já que não há confirmação de envio ou leitura aqui. Em seguida, eu vou perguntar uma questão aqui, que para esse exemplo deixei uma palavra-chave aqui para iniciar o bot, que é 'start'. Se 'start' for recebido, receberá esta mensagem, "Olá, bem-vindo ao o chatbot. Responderei perguntas sobre a empresa e seus serviços. Como posso ajudar? " Se receber alguma coisa diferente, qualquer outra pergunta, o bot vai consumir nossa base de conhecimento no Pinecone. Sobre a Cadeia Alan Ret-Kia Chain, basicamente lhe permite adicionar aqui a pergunta (prompt) e adicionei alguma informação aqui para dizer ao bot, "Você é um assistente de conversação para a empresa Doutor. Responda apenas perguntas sobre a empresa. Adicione emojis nos teus respostas quando houver itens e subitens. Depois da sua resposta, adicione dois pular linhas e a frase 'Posso te ajudar em algo else? ' Se não precisar de mais ajuda, digite 'encerrar. '" Isto é basicamente o que o bot fará após a sua resposta. Vai adicionar esta página e a frase "Bom" aqui na continuação, na secção de Modelo deste sistema, a cadeia escolhida aqui é a Open cadeia com o Turbo GPT 3. 5. Adicionei a temperatura aqui para que ele percorra aqui, respondo somente ao que está em meu conteúdo, não na minha base de conhecimento, na secção de Recuperar onde ele recuperará a informação, adicionei aqui o bloco da Recrição História de Veitores (top 4k). É a quantidade de resultados que irá pesquisar na nossa armazenagem de vetores. No período passado, comecei a utilizar esta versão Beta, por isso ainda preciso explorar cada uma dessas características, já que ainda não explorou todas delas. Há muitas mais características que não aparecem neste fluxo de trabalho e há muitos recursos adicionais que estarão disponíveis em breve. O próximo é o Pincone Load, que. . . Para utilizar o Pincone, ter-se-á de adicionar as minhas minhas credenciais aqui, vou informar qual é o meu índice aqui, como mencionado no plano livre, não utiliza este não-namespace aqui, e vou adicionar outro Band openi módulo aqui (utilizo o Open AI's LLM, mas pode utilizar outros, poderá ter visto que já existem outros serviços AI adicionados aqui que estão parte do nosso contexto). Lembre-se que este é um serviço pago, não é gratuito. Para entender como funciona a conta, clique aqui em 'API' no secção de preços. Quando criar uma conta receberá um período de três meses para utilizar. Se a API for utilizada, será cobrada. Depois de não utilizar por um tempo, não será cobrada, o crédito permanece na sua conta. Depois de se ter login, ter-se-á de vir. . . Usaremos o nosso chatbot no WhatsApp. O seu já estou conectado aqui, então vou iniciar o chatbot com a palavra 'start'. Vou clicar em 'Executar Fluxo de Trabalho', e enviar 'start'. Já foi recebido aqui, e a mensagem apareceu. "Olá, bem-vindo ao chatbot de Dror, resposto perguntas sobre a empresa e seus serviços. Como posso ajudar? " Então vou enviar a minha pergunta aqui, "[Música]", e vou perguntar como obter um orçamento. Vou clicar em 'Enviar'. Está a tratando aqui, consultou a informação na base de dados vetorial e enviou a mensagem. "Pode-se obter um orçamento contactando-nos pelo telefone , enviando um mensagem através de WhatsApp ou e-mail, e forneceremos um orçamento personalizado. " remark queue aqui, a pergunta "[Música]", para fechar a conversa, "Não funciona fora das horas de serviço? " e "Oferece serviços de emergência fora das horas mencionadas? " Vou clicar em 'Executar fluxo de trabalho', e ele vai consultar, pesquisar por informação na base de dados vetorial e responder. "As nossas horas são de Segunda à Sexta-Feira, das 8 horas às 18 horas, e aos Sábados, das 9 horas às 15 horas. Tristemente, não oferecemos serviços de emergência, mas pode contactar-nos para mais informação. " Continuo a pedir outra questão aqui, "[Música]", sobre os preços, "Os preços são fixos? " Clico em 'Executar fluxo de trabalho' e mando a minha pergunta aqui. Responderá aqui com os preços, "Os preços mencionados são apenas ilustrativos e podem variar de acordo com a complexidade da obra ou outros fatores. Recomendamos contactar-nos para obter um orçamento específico para o seu projeto. " Ressalto aí que o bot não respondeu exatamente como esperado a primeira vez, mas como vai testar, treinar, uma fase de piloto é necessária para aperfeiçoar o bot. Espero que tenham gostado do vídeo, deixem uma like aqui se gostaram, pergunte, é sempre um prazer responder, compartilhem com as pessoas que também estão interessadas neste tipo e conteúdo. Estarei aqui, vejam em outro vídeo, e um abraços muito grande. 