Interroger ses e-mails sur Telegram avec un agent RAG
Si vos e-mails sont déjà enregistrés dans PostgreSQL avec pgvector, ce template vous permet de les interroger par message. Une question arrive par Telegram ou par le chat intégré à n8n, et l'AI Agent décide où chercher : dans la base vectorisée, ou dans la base structurée via le sous-workflow SQL composer. Avant de l'utiliser, téléchargez le template Translate questions about e-mails into SQL queries and run them et faites pointer le sous-workflow vers votre copie.
- Déclencheur
- Message de chat
- Taille
- 16 nœuds
- Outils
- Telegram, PostgreSQL (pgvector), Ollama, Agent IA, OpenAI
Comment fonctionne ce workflow
- 1
When chat message received ou le Telegram Trigger reçoit la question, selon le canal utilisé.
- 2
L'AI Agent, alimenté par OpenAI Chat Model, garde les derniers échanges en mémoire avec Window Buffer Memory.
- 3
Il interroge la base vectorisée dans PostgreSQL avec pgvector, les embeddings étant calculés par Ollama.
- 4
Il appelle le sous-workflow SQL composer, qui transforme la question en requête SQL et la lance sur la base structurée.
- 5
Des nœuds Edit Fields, Code et If mettent la réponse en forme avant l'envoi.
- 6
Telegram renvoie la réponse dans la conversation, ou elle s'affiche dans le chat de n8n.
Quand l'utiliser
- Retrouver rapidement un échange précis avec un client ou un fournisseur.
- Poser des questions sur l'historique de vos e-mails depuis votre téléphone, via Telegram.
- Tester vos questions dans le chat de n8n avant de passer le bot sur Telegram.
À préparer avant l'import
- Un bot Telegram et son token, enregistrés dans les identifiants n8n.
- Une base PostgreSQL avec l'extension pgvector, et ses identifiants dans n8n.
- Ollama installé avec un modèle d'embeddings, et son adresse renseignée dans n8n.
- Une clé API OpenAI, enregistrée dans n8n.
- Une copie du template Translate questions about e-mails into SQL queries and run them, à relier au sous-workflow SQL composer.
Bon à savoir
Commencez par modifier le sous-workflow SQL composer pour qu'il pointe vers votre copie du template Translate questions about e-mails into SQL queries and run them. Sans ce réglage, la partie structurée ne fonctionne pas.
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 : RAG & Base de Connaissances
- Interroger des PDF Google Drive avec un agent RAG MilvusUn agent de chat qui répond à partir de vos PDF Google Drive, indexés dans une base vectorielle Milvus.
- Recommander des recettes HelloFresh par chat avec Qdrant et MistralRecommande des recettes HelloFresh de la semaine selon vos goûts, depuis un chat, à partir d'une base vectorielle Qdrant.
- Analyser les avis Trustpilot par clusters avec QdrantRegroupe les avis Trustpilot d'une entreprise par thème à partir d'embeddings Qdrant, puis fait résumer chaque groupe par un LLM.
- Interroger MongoDB en langage naturel avec un agent OpenAIUn agent OpenAI interroge une base MongoDB depuis un chat et peut y ajouter vos films favoris.
- Charger un dataset d'images dans Qdrant par lotsEnvoie un dataset d'images de Google Cloud Storage vers Qdrant, avec embeddings Voyage, par lots.
- Détecter les images de cultures anormales avec Qdrant et Voyage AIIndique si une image de culture est anormale par rapport à une collection Qdrant de cultures connues.
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