Warum die Dinge auf die harte Tour bauen, wenn Sie sie auf intelligente Weise entwerfen können?
Als Provide -Chain -Datenwissenschaftler habe ich verschiedene Frameworks wie Langchain und Langgraph untersucht, um AI -Agenten mit Python aufzubauen.
Die obige Abbildung stammt aus einem Artikel, den ich Ende 2023 mit dem Titel „Leveraging LLMs mit Langchain für Provide Chain Analytics – ein von GPT betriebener Kontrollturm“ geschrieben hat.
Zu dieser Zeit untersuchte ich, wie man Langchain benutzt, um einen Agenten zu bauen, der als Lieferkettensteuerung tätig ist.
Ein Jahr später entdeckte ich die Leistung der Low-Code-Plattform N8N, um die gleiche Artwork von Lösung in nur wenigen Klicks zu erstellen.
In diesem Artikel werden wir untersuchen, wie Sie einfach KI -Agenten für die Automatisierung von Lieferkettenanalyse -Workflows mit N8N erstellen können.
Wir werden auch sehen, wie ich denselben KI-angetriebenen Kontrollturmagenten bereitstellen kann, den ich ursprünglich vor 18 Monaten mit Langchain gebaut habe-jetzt nur mit Low-Code.
AI -Agent für Lieferkettensteuertürme mit Langchain
Mein erstes Projekt von AI Automatisierung Das Projekt mit N8N warfare für einen Kunden, der einen Lieferkettensteuerungsturm mit einer Chat -Oberfläche wollte.
Ein Lieferkettensteuerungsturm ist ein Satz DashboARDS und Berichte, die mit Lager- und Transportmanagementsystemen verbunden sind, die Daten zur Überwachung kritischer Ereignisse in der Lieferkette verwenden.
In einem früheren Artikel, der zu Knowledge Science veröffentlicht wurdeIch experimentierte mit Langchain, um einen Kontrollturm an einen AI -Agenten zu verbinden.
Die Idee warfare, einen Plan-und Execute-Agenten aufzubauen, der es tun würde
- Verarbeiten Sie die in einfache Englisch geschriebene Anfrage des Benutzers
- Generieren Sie die entsprechende SQL -Abfrage
- Fragen Sie die Datenbank ab und speichern Sie die Ergebnisse
- Formulieren Sie eine klare Antwort in einfachem Englisch
Nach mehreren Iterationen fand ich die richtige Kettenstruktur und die Aufforderung, genaue Ergebnisse zu liefern.
Die Lösung hat intestine funktioniert, weil ich bereits Erfahrung mit Langchain und anderen Rahmenbedingungen gesammelt hatte, um KI -Agenten aufzubauen.
Wie sollen wir dieses komplexe Setup beibehalten?
Um dies als Service anzubieten, brauchte ich Instruments, mit denen die Lösung das Bereitstellen, Wartung und Verbesserung erleichtert und – selbst mit begrenztem Kenntnis von Python, verbessert werden kann.
Dann entdeckte ich N8N.
Lassen Sie uns im nächsten Abschnitt darauf eintauchen.
KI -Agent für Lieferkettensteuertürme – gebaut mit N8N
Was ist N8N?
N8N ist ein Open-Supply-Workflow-Automatisierungs-Instrument, mit dem Sie Apps (E-Mail, CRMs, Messaging-Systeme), APIs und AI-Modell-Frameworks wie Langchain problemlos anschließen können.
Sie erstellen Workflows, indem Sie vorgefertigte Knoten anschließen.
Zum Beispiel der obige Workflow verarbeitet E -Mails
- Der erste Knoten sammelt E -Mails von einem Google Mail -Konto.
- Der E -Mail -Inhalt und die Metadaten werden an den AI -Agentenknoten gesendet, der die relevanten Informationen extrahiert.
- Der dritte Knoten verarbeitet die Ausgabe mit JavaScript.
- Der endgültige Knoten lädt die Ergebnisse in ein Google -Blatt.
Um diesen Workflow zu erstellen, wurde kein Code benötigt – mit Ausnahme des dritten Knotens, der nur zwei Zeilen von JavaScript verwendet.
Da ich mit einem Crew von Provide-Chain-Beratern zusammenarbeite, die nur begrenzte Python-Fähigkeiten haben, warfare dies ein Spielveränderer für mich, als ich mein Serviceangebot entwickeln wollte.
Sie können diesen Workflow nach einer kurzen Trainingseinheit auf N8N problemlos verwenden, anpassen und pflegen.
AI Provide Chain Management Tower N8N Workflow
Der AI Provide Chain Management Tower Workflow ist etwas komplexer – aber immer noch weitaus einfacher als die Python -Model.
Es enthält zwei Sub-Workflows.
Der Haupt-Sub-Workflow enthält sowohl eine Chat-Schnittstelle als auch den AI-Agenten.
Für den AI -Agentenknoten müssen Sie
- Schließen Sie ein LLM (CHAT -Modell) mit einem Knoten an, in dem Sie Ihre API -Anmeldeinformationen eingeben
- Fügen Sie einen Speicherknoten hinzu, um die Konversation zu verwalten
- Fügen Sie einen Werkzeugknoten für die SQL-Abfrage hinzu, die mit dem zweiten Sub-Workflow verknüpft ist
Der AI -Agent generiert eine SQL -Abfrage und sendet sie an den Knoten „Abfragetool“, der die Abfrage ausführt.
Der Sub-Workflow enthält einen Codeknoten, der die Abfrage reinigt (zusätzliche Räume entfernen und riskante Befehle wie Löschen blockieren).
Die Ausgabe wird an a gesendet BigQuery -Knotenwas die Abfrage ausführt und die Ergebnisse zurückgibt.
Der Prozess ist sehr reibungslos und erfordert eine begrenzte Konfiguration:
- Systemaufforderung (im AI -Agentenknoten)
- Benutzeraufforderung (im AI -Agentenknoten)
Dieses Setup erfordert keine Python -Fähigkeiten und kann direkt von meinen Beratern behandelt werden.
Die Ergebnisse sind vergleichbar mit denen der Python -Model.
Für Schritt-für-Schritt-Setup-Anweisungen finden Sie in meinem YouTube-Tutorial 
Abschluss
Dieses Beispiel zeigt, wie einfach es ist, einen mit Python erstellten KI -Agenten mit N8N und Minimal Code zu replizieren.
Bedeutet das, dass Python für die Analyse der Lieferkette nicht mehr benötigt wird? Auf keinen Fall!
Wie viele Low-Code-Plattformen beschränken sich die Funktionen auf das, was im Rahmen verfügbar ist.
Deshalb benutze ich es als Ergänzung zu meinen Analyseprodukten.
Dazu können Sie den HTTP -Anforderungsknoten verwenden, um Ihren Workflow mit Ihrem Analytics -Backend zu verbinden.
Was noch? Einfache Konnektivität zu vielen Diensten.
Ein weiterer Grund, warum ich N8N ausgewählt habe, um meine Analyseprodukte zu bereichern, ist, wie einfach es ist, zusätzliche Verbindungen hinzuzufügen.
Wenn Sie beispielsweise eine Slack -Schnittstelle hinzufügen oder Konversationen zu einem Google -Blatt protokollieren möchten, fügen Sie Ihrem Workflow einfach einen neuen Knoten hinzu.
Wenn Sie Ihre N8N -Reise beginnen und Inspiration brauchen, müssen Sie sich inspirieren lassen, Fühlen Sie sich frei, meine Vorlagen zu erkunden.
Über mich
Lassen Sie uns eine Verbindung herstellen LinkedIn Und Twitter; Ich bin ein Lieferketteningenieur, der Datenanalysen zur Verbesserung verwendet Logistik Betrieb und Kosten senken.
Für Beratung oder Beratung zu Analysen und nachhaltig Lieferkette Transformation, können Sie mich gerne durch kontaktieren Logigreen -Beratung.
Samir Saci | Datenwissenschaft und Produktivität
Ein technischer Weblog, der sich auf Datenwissenschaft, persönliche Produktivität, Automatisierung, Betriebsforschung und nachhaltig konzentriert…samirsaci.com