Conseiller d'achat IA sur WooCommerce avec RAG Qdrant
Une boutique WooCommerce reçoit des questions de clients par chat. Ce modèle y répond en cherchant dans le catalogue ou dans une base de documents. L'Information Extractor trie la demande : si elle porte sur un produit, les critères sont transmis à personal_shopper pour filtrer les articles, sinon l'agent interroge la base vectorielle Qdrant, alimentée à partir de fichiers Google Drive. Avant la première utilisation, créez la collection dans Qdrant, remplacez l'URL et le nom de collection par les vôtres, puis lancez le flux d'alimentation depuis le Manual Trigger.
- Déclencheur
- Message de chat
- Taille
- 21 nœuds
- Outils
- OpenAI, Qdrant, WooCommerce, Google Drive, Requêtes HTTP (API), Agent IA
Comment fonctionne ce workflow
- 1
When chat message received reçoit le message du client et le transmet à AI Agent.
- 2
L'Information Extractor qualifie la demande : question sur un produit ou question générale.
- 3
Pour une demande produit, il extrait les critères et appelle personal_shopper, qui filtre les produits WooCommerce.
- 4
Pour une question générale, AI Agent interroge Qdrant Vector Store, qui s'appuie sur les embeddings OpenAI.
- 5
Window Buffer Memory conserve le fil de la conversation pour que l'agent réponde en tenant compte des messages précédents.
- 6
Google Drive fournit les fichiers, Default Data Loader et Token Splitter les découpent, Embeddings OpenAI les vectorisent et Qdrant Vector Store les écrit dans la collection.
Quand l'utiliser
- Une boutique en ligne qui veut que ses visiteurs trouvent un produit à partir de critères formulés en langage courant.
- Un site marchand qui répond aux questions de conseil ou de politique à partir de ses propres documents.
- Un test interne de RAG couplé à WooCommerce avant une mise en production.
À préparer avant l'import
- Une instance Qdrant avec une collection créée pour les documents.
- Une clé API OpenAI, à renseigner dans les identifiants OpenAI de n8n.
- Un compte Google Drive connecté à n8n, avec les documents à indexer.
- Une boutique WooCommerce et des identifiants de son API, enregistrés dans n8n.
Bon à savoir
Remplacez d'abord l'URL et le nom de collection par les vôtres, puis lancez le flux d'alimentation avant de tester le chat.
Installer ce template dans n8n
- Téléchargez le fichier JSON avec le bouton en haut de la page.
- Dans n8n, ouvrez le menu d'un workflow vide, choisissez « Import from File » et sélectionnez le fichier.
- Reliez vos propres identifiants à chaque nœud qui en demande un, lancez un test, puis activez le workflow.
Ce template fonctionne sur n8n auto-hébergé comme sur n8n Cloud. Les nœuds IA demandent une version récente de n8n.
Autres templates : Chatbots & Assistants IA
- Assistant Telegram avec mémoire et notes dans BaserowBot Telegram qui traite texte, voix et photos, et enregistre notes et souvenirs dans Baserow.
- Répondre aux questions de voyage avec Couchbase et GeminiUn chatbot qui répond à partir de points d'intérêt stockés dans Couchbase, avec des embeddings OpenAI et le modèle Gemini.
- Donner une mémoire à long terme à un agent IA avec Google DocsUn agent IA qui retient des informations entre les conversations, dans un Google Doc, et peut les envoyer par Gmail ou Telegram.
- Chatbot IA avec mémoire longue et notes dans Google DocsChatbot qui lit et écrit sa mémoire longue et ses notes dans Google Docs, avec Telegram en option.
- Créer un chatbot WhatsApp de vente avec OpenAIUn agent OpenAI répond aux messages WhatsApp en s'appuyant sur une brochure produit importée dans n8n.
- Interroger une base PostgreSQL en langage naturel avec un agent IAUn agent OpenAI répond à vos questions en langage naturel en lisant une base PostgreSQL depuis un chat.
Vous voulez ce workflow branché sur vos outils ?
Ce template est un point de départ. Nous l'adaptons à vos règles, à vos comptes et à votre hébergement, puis nous le maintenons.
Voir notre accompagnement n8n