Entwicklung eines intelligenten Agenten mit n8n

Die Integration einer Automatisierungsplattform in die Erstellung eines intelligenten Agenten erweist sich als unverzichtbar, um das Monitoring von Informationen zu personalisieren. Die Komplexität dieser Operation bleibt hoch, ebenso wie die damit verbundenen Kosten. Verschiedene Tools stehen zur Verfügung, um diese Automatisierung zu erleichtern, damit eine Vielzahl von Quellen effizient verfolgt werden kann.

Die Erstellung eines KI-Agenten beinhaltet die Einstellung eines Systems, das in der Lage ist, Informationen nach spezifischen Kriterien zu filtern und zu analysieren. Ein solcher Agent kann aus den gegebenen Anweisungen lernen und maßgeschneiderte Antworten geben. Für die Umsetzung dieses Projekts ist die Plattform n8n besonders geeignet. Sie bietet eine kostenlose Testphase von vierzehn Tagen, ein Anreiz, um ohne finanzielle Verpflichtungen zu starten.

Entwicklung der Workflows

Workflow 1: Datensammlung und -speicherung

Der erste Workflow ist der Sammlung und Speicherung der Daten gewidmet. In der n8n-Oberfläche stellt jeder „Knoten“ eine auszuführende Aktion dar. Bei Initiierung dieses Prozesses verbindet sich ein „Schedule Trigger“-Knoten mit der Auslöseaktion und ermöglicht die Programmierung der Informationssammlung. Dieser Knoten verbindet sich mit einem anderen Knoten, „RSS Read“, der für das Abrufen der Inhalte aus den RSS-Feeds zuständig ist. Beispielsweise kann der folgende Feed integriert werden: https://www.journaldunet.com/intelligence-artificielle/rss/.

Aus Gründen der Einfachheit ist die Implementierung eines einzelnen RSS-Feeds sinnvoll. Es ist jedoch möglich, mehrere über verschiedene „RSS Read“-Knoten zu konfigurieren, die alle mit einem „Merge“-Knoten verbunden sind. Letzterer hat die Funktion, die gesammelten Daten in einem einzigen Ausgang zu zentralisieren.

Ein Knoten, der der KI gewidmet ist, wird anschließend eingerichtet. Dieser Knoten verwendet das Model Gemini, um die gesammelten Artikel zu lesen und deren Relevanz zu bestimmen. Durch die Vorbereitung eines spezifischen Prompts wird der Agent Texte als Antwort generieren. Die Identifizierung über die API erfordert die Erstellung eines API-Schlüssels über Google AI Studio oder Google Cloud Console, wobei das Modell Gemini 1.5 Flash ausgewählt wird, das für diese Art der Verarbeitung optimal ist.

Konfiguration des Prompts

Um eine effiziente Filterung der Artikel zu gewährleisten, muss ein geeigneter Prompt verfasst werden. Dieser soll eine prägnante Zusammenfassung jedes Artikels erstellen, dessen Relevanz auf einer Skala von 1 bis 5 bewerten und eine Aktion basierend auf der erhaltenen Punktzahl auslösen. Die präzisen Anweisungen erhöhen das Verständnis der KI und geben ihr Aufgaben, die auf Ihre Bedürfnisse zugeschnitten sind.

Workflow 2: Versand der Zusammenfassung

Der zweite Workflow konzentriert sich auf das Abrufen der in der Kalkulationsdatei zwischengespeicherten Informationen und den Versand einer täglichen Zusammenfassung. Ein „Schedule Trigger“-Knoten initialisiert diesen Prozess, gefolgt vom Knoten „Get row(s) in Sheet“. Letzterer durchsucht das zuvor erstellte Arbeitsblatt, um relevante Daten zu extrahieren.

Ein „Code“-Knoten tritt anschließend auf und verwandelt Rohdatenlisten in einen formatierten Bericht, der für die Kommunikation der analysierten Inhalte unerlässlich ist. Dieses Skript führt fortgeschrittene Operationen durch und bereitet eine HTML-E-Mail vor, um die Ergebnisse zu teilen.

Strukturierung der E-Mail

Die E-Mail fasst die relevantesten Artikel zusammen, indem sie den Titel, den Link und einen kurzen Analyseausschnitt beinhaltet. Der Code beschränkt sich auf zehn Artikel, die in absteigender Relevanz geordnet sind. Am Ende der E-Mail gibt eine Zusammenfassung die Gesamtzahl der analysierten Artikel an und betont die Effizienz des Monitorings.

Ein Gmail-Knoten, bezeichnet „Send a message“, schließt den Prozess ab, indem die vorbereitete E-Mail an die festgelegten Empfänger versendet wird. Die Informationen müssen formatiert sein, um eine optimale Lesbarkeit zu gewährleisten. Danach wird ein „Clear Sheet“-Knoten integriert, um die Zeilen des Google Sheets zu löschen und so das Risiko einer Wiederholung der Artikel zu vermeiden.

Überlegungen zur Komplexität und zu den Kosten

Die Einrichtung von KI-Agenten für das Informationsmonitoring bietet unbestreitbare Vorteile, bringt jedoch auch erhebliche technische Herausforderungen mit sich. Die Architektur des Workflows, insbesondere mit der Integration mehrerer RSS-Feeds in n8n, erfordert besondere Aufmerksamkeit. Es ist wichtig, die RSS-Feeds regelmäßig zu aktualisieren.

Die Kosten stellen ebenfalls einen entscheidenden Aspekt in diesem Vorhaben dar. Nach einer kostenlosen Testphase berechnet n8n 24 Euro pro Monat für seine Dienste. Es wird empfohlen, die Nutzung der APIs zu überwachen, um unerwartete Ausgaben zu vermeiden. Die Wahl zwischen dem Modell Gemini 1.5 Flash und Alternativen wie GPT-3.5-turbo erfordert eine gründliche Vergleichsanalyse der Preise und angebotenen Dienstleistungen.

Ein Ausgabenbudget, das direkt in die Programmieroberfläche integriert ist, kann zur Kostenkontrolle beitragen. Die Verwendung eines spezifischen API-Schlüssels gewährleistet auch eine Kontrolle über die während des Monitorings entstehenden Kosten.

Durch die Entwicklung dieser Workflows auf n8n zeigt sich das Potenzial eines KI-Agenten, der für das Informationsmonitoring dediziert ist, als weitreichend. Die Architektur dieses innovativen Systems zeugt von der Fähigkeit zur Automatisierung, die Art und Weise zu transformieren, wie Informationen gesammelt und analysiert werden, und schafft somit ein wertvolles Werkzeug für Fachleute.

Häufige Fragen

Wie konfiguriert man einen Datensammlungsworkflow in n8n?
Um einen Workflow zu konfigurieren, beginnen Sie mit der Erstellung eines „Schedule Trigger“-Knotens für die Planung und verbinden ihn dann mit einem „RSS Read“-Knoten, um RSS-Feeds zu lesen. Fügen Sie anschließend einen KI-Knoten hinzu, um die Artikel zu analysieren, und verbinden Sie alles mit einem Knoten „Append row in sheet“ zur Speicherung der gesammelten Informationen.

Was sind die Schritte zur Integration einer KI wie Gemini in n8n?
Um Gemini zu integrieren, müssen Sie zuerst einen API-Schlüssel über Google AI Studio erstellen. Anschließend wählen Sie den „Gemini“-Knoten in n8n aus und verwenden „Message a model“, um den Prompt festzulegen, den die KI analysieren soll, um relevante Ergebnisse zu liefern.

Welche Vorteile bietet die Verwendung einer Plattform wie n8n für die Automatisierung von Monitoring?
n8n ermöglicht die Automatisierung des Prozesses der Sammlung und Analyse von Informationen, indem es sich mit verschiedenen Datenquellen verbindet. Dies erleichtert die Personalisierung von Nachrichten und die Erstellung von Zusammenfassungen zu spezifischen Themen, während die für manuelles Monitoring erforderliche Zeit reduziert wird.

Wie definiert man ein Ausgabenlimit für die Nutzung der API in n8n?
Zur Kostenverwaltung wird empfohlen, ein Ausgabenlimit in der Programmieroberfläche festzulegen. Sie können auch Benachrichtigungen konfigurieren, um informiert zu werden, wenn Sie 50 %, 75 % oder 90 % Ihres monatlichen Ausgabenlimits erreichen.

Was sind die besten Praktiken, um die Relevanz von RSS-Feeds zu garantieren?
Stellen Sie sicher, dass die von Ihnen verwendeten RSS-Feeds regelmäßig aktualisiert werden und überwachen Sie deren Inhalte, um deren Qualität zu validieren. Es wird auch empfohlen, Ihre Quellen zu diversifizieren, um eine umfassendere Sichtweise zu erhalten und eine übermäßige Abhängigkeit von einer einzelnen Informationsquelle zu vermeiden.

Wie sendet man Artikelzusammenfassungen per E-Mail mit n8n?
Verwenden Sie einen „Send a message“-Knoten, um die Zusammenfassung per E-Mail zu versenden. Sie müssen diesen Knoten mit einem „Code“-Knoten verbinden, der den E-Mail-Inhalt im HTML-Format vorbereitet und die Ergebnisse der Analyse der relevanten Artikel integriert.

Ist es möglich, den Prompt für die KI, die in n8n verwendet wird, zu personalisieren?
Ja, der Prompt kann je nach spezifischen Bedürfnissen Ihres Monitorings personalisiert werden. Sie können den Text und die Analyse Kriterien anpassen, um die Ergebnisse, die die KI zurückgeben soll, zu verfeinern.