Sistema de Ticketing y Broadcasting en Telegram

¿Qué hace este workflow?

Este workflow simplifica la preparación de datos para sistemas de inteligencia artificial (IA) basados en recuperación aumentada (RAG). Extrae automáticamente contenido de archivos PDF, texto y JSON almacenados en Google Drive, lo divide en fragmentos manejables y genera embeddings usando OpenAI. Finalmente, carga estos vectores y sus metadatos asociados a una base de datos vectorial PostgreSQL (PGVector). Es ideal para empresas que buscan alimentar sus modelos de lenguaje grandes (LLMs) con información interna actualizada y organizada, asegurando respuestas más precisas y relevantes. Al automatizar este proceso, se elimina la tediosa tarea manual de ingesta de datos, reduciendo drásticamente el tiempo de preparación y los errores, lo que permite a los equipos de desarrollo de IA centrarse en la creación de valor. Este sistema garantiza que los LLMs siempre accedan a la información más reciente y pertinente de su repositorio documental, mejorando la calidad de las interacciones y decisiones basadas en IA.

¿Cómo funciona?

Este workflow usa 15 nodos conectados con 11 tipos diferentes: DocumentDefaultDataLoader, TextSplitterRecursiveCharacterTextSplitter, VectorStorePGVector, ManualTrigger, SplitInBatches y 6 más. La estructura está totalmente conectada — listo para importar.

¿Para quién es?

Diseñado para equipos de IT & DevOps. Nivel intermedio — necesitas familiaridad con n8n. Alto valor de negocio: automatiza una tarea recurrente con impacto directo.