Aereo Bi

The workflow JSON

Copy or download the full n8n JSON below. Paste it into a new n8n workflow, add your credentials, activate. Full import guide →

{
  "nodes": [
    {
      "parameters": {},
      "type": "n8n-nodes-base.manualTrigger",
      "typeVersion": 1,
      "position": [
        304,
        112
      ],
      "id": "3f1692c0-dcbd-4f7c-893c-601b352bf2da",
      "name": "When clicking \u2018Execute workflow\u2019"
    },
    {
      "parameters": {
        "modelName": "models/gemini-3.1-pro-preview-customtools",
        "options": {
          "maxOutputTokens": 2000
        }
      },
      "type": "@n8n/n8n-nodes-langchain.lmChatGoogleGemini",
      "typeVersion": 1,
      "position": [
        528,
        464
      ],
      "id": "058e961b-e5ae-4429-adf4-84cf274d3d78",
      "name": "Google Gemini Chat Model",
      "credentials": {
        "googlePalmApi": {
          "name": "<your credential>"
        }
      }
    },
    {
      "parameters": {
        "assignments": {
          "assignments": [
            {
              "id": "5ddeb4db-0381-4037-9498-9aeb348cd64e",
              "name": "output",
              "value": "={{ $('Function').item.json.output }}",
              "type": "string"
            }
          ]
        },
        "options": {}
      },
      "type": "n8n-nodes-base.set",
      "typeVersion": 3.4,
      "position": [
        1264,
        288
      ],
      "id": "92e75e43-86ef-43a4-ae82-59d003684f87",
      "name": "Edit Fields"
    },
    {
      "parameters": {
        "authentication": "serviceAccount",
        "projectId": {
          "__rl": true,
          "value": "proyecto-bi-488218",
          "mode": "list",
          "cachedResultName": "proyecto-BI",
          "cachedResultUrl": "https://console.cloud.google.com/bigquery?project=proyecto-bi-488218"
        },
        "sqlQuery": "INSERT INTO `proyecto-bi-488218.datos_clima.datos_sectoriales`\n(\n  timestamp,\n  session_id,\n  sector,\n  aeropuerto_origen,\n  aeropuerto_destino,\n  altitud_vuelo,\n  temperatura_altitud,\n  corrientes_viento,\n  visibilidad_km,\n  condiciones_atmosfericas,\n  ai_flight_analysis,\n  metadata\n)\nVALUES\n(\n  -- \u2705 Timestamp con parsing seguro y fallback\n  COALESCE(\n    SAFE.PARSE_TIMESTAMP('%Y-%m-%dT%H:%M:%E*SZ', @timestamp),\n    CURRENT_TIMESTAMP()\n  ),\n  \n  -- \u2705 Session ID con sanitizaci\u00f3n\n  COALESCE(\n    NULLIF(TRIM(@session_id), ''), \n    CONCAT('aereo-auto-', FORMAT_TIMESTAMP('%Y%m%d-%H%M%S', CURRENT_TIMESTAMP()))\n  ),\n  \n  -- \u2705 Sector fijo para AEREO\n  'AEREO',\n  \n  -- \u2705 Aeropuerto origen con validaci\u00f3n\n  CASE \n    WHEN LENGTH(TRIM(@aeropuerto_origen)) > 100 THEN SUBSTR(TRIM(@aeropuerto_origen), 1, 100)\n    WHEN TRIM(@aeropuerto_origen) IS NULL OR TRIM(@aeropuerto_origen) = '' THEN 'Origen no especificado'\n    ELSE UPPER(TRIM(@aeropuerto_origen))\n  END,\n  \n  -- \u2705 Aeropuerto destino con validaci\u00f3n\n  CASE \n    WHEN LENGTH(TRIM(@aeropuerto_destino)) > 100 THEN SUBSTR(TRIM(@aeropuerto_destino), 1, 100)\n    WHEN TRIM(@aeropuerto_destino) IS NULL OR TRIM(@aeropuerto_destino) = '' THEN 'Destino no especificado'\n    ELSE UPPER(TRIM(@aeropuerto_destino))\n  END,\n  \n  -- \u2705 Altitud vuelo - CONVERSI\u00d3N SEGURA STRING \u2192 FLOAT64 (metros)\n  CASE \n    WHEN SAFE_CAST(@altitud_vuelo AS FLOAT64) IS NOT NULL \n         AND SAFE_CAST(@altitud_vuelo AS FLOAT64) BETWEEN 0 AND 15000 \n    THEN SAFE_CAST(@altitud_vuelo AS FLOAT64)\n    ELSE 10000.0\n  END,\n  \n  -- \u2705 Temperatura altitud - CONVERSI\u00d3N SEGURA STRING \u2192 FLOAT64 (\u00b0C)\n  CASE \n    WHEN SAFE_CAST(@temperatura_altitud AS FLOAT64) IS NOT NULL \n         AND SAFE_CAST(@temperatura_altitud AS FLOAT64) BETWEEN -80 AND 30 \n    THEN SAFE_CAST(@temperatura_altitud AS FLOAT64)\n    ELSE -40.0\n  END,\n  \n  -- \u2705 Corrientes viento JSON con validaci\u00f3n\n  CASE \n    WHEN @corrientes_viento IS NOT NULL AND @corrientes_viento != '' THEN @corrientes_viento\n    ELSE '{\"velocidad\": 0, \"direccion\": \"variable\", \"altitud\": 10000}'\n  END,\n  \n  -- \u2705 Visibilidad - CONVERSI\u00d3N SEGURA STRING \u2192 FLOAT64 (km)\n  CASE \n    WHEN SAFE_CAST(@visibilidad_km AS FLOAT64) IS NOT NULL \n         AND SAFE_CAST(@visibilidad_km AS FLOAT64) BETWEEN 0 AND 100 \n    THEN SAFE_CAST(@visibilidad_km AS FLOAT64)\n    ELSE 10.0\n  END,\n  \n  -- \u2705 Condiciones atmosf\u00e9ricas normalizadas\n  CASE \n    WHEN UPPER(TRIM(@condiciones_atmosfericas)) IN ('DESPEJADO', 'CLEAR', 'SUNNY') THEN 'Despejado'\n    WHEN UPPER(TRIM(@condiciones_atmosfericas)) IN ('NUBLADO', 'CLOUDY', 'OVERCAST') THEN 'Nublado'\n    WHEN UPPER(TRIM(@condiciones_atmosfericas)) IN ('LLUVIA', 'RAIN', 'RAINY') THEN 'Lluvia'\n    WHEN UPPER(TRIM(@condiciones_atmosfericas)) IN ('TORMENTA', 'STORM', 'THUNDERSTORM') THEN 'Tormenta'\n    WHEN UPPER(TRIM(@condiciones_atmosfericas)) IN ('NIEBLA', 'FOG', 'FOGGY') THEN 'Niebla'\n    WHEN UPPER(TRIM(@condiciones_atmosfericas)) IN ('TURBULENCIA', 'TURBULENCE') THEN 'Turbulencia'\n    WHEN TRIM(@condiciones_atmosfericas) IS NULL OR TRIM(@condiciones_atmosfericas) = '' THEN 'Sin datos'\n    ELSE REGEXP_REPLACE(TRIM(@condiciones_atmosfericas), r'[^a-zA-Z\u00e1\u00e9\u00ed\u00f3\u00fa\u00c1\u00c9\u00cd\u00d3\u00da\u00f1\u00d1\\s]', '')\n  END,\n  \n  -- \u2705 An\u00e1lisis AI de vuelo con sanitizaci\u00f3n y l\u00edmite\n  CASE \n    WHEN LENGTH(TRIM(@ai_flight_analysis)) > 5000 THEN SUBSTR(TRIM(@ai_flight_analysis), 1, 5000)\n    WHEN TRIM(@ai_flight_analysis) IS NULL OR TRIM(@ai_flight_analysis) = '' THEN 'An\u00e1lisis de vuelo no disponible'\n    ELSE REGEXP_REPLACE(TRIM(@ai_flight_analysis), r'[^\\w\\s\u00e1\u00e9\u00ed\u00f3\u00fa\u00c1\u00c9\u00cd\u00d3\u00da\u00f1\u00d1.,;:()\\-\\n\\r]', '')\n  END,\n  \n  -- \u2705 Metadata JSON con validaci\u00f3n\n  CASE \n    WHEN @metadata IS NOT NULL AND @metadata != '' THEN @metadata\n    ELSE '{\"source\":\"default\",\"processed\":true}'\n  END\n);\n\n-- \u2705 SELECT para generar OUTPUT y continuar flujo\nSELECT \n  'SUCCESS' as status,\n  'Datos aeron\u00e1uticos insertados correctamente' as message,\n  CURRENT_TIMESTAMP() as processed_at,\n  'AEREO' as sector;\n\n",
        "options": {
          "queryParameters": {
            "namedParameters": [
              {
                "name": "timestamp",
                "value": "={{ $('Function').item.json.timestamp }}"
              },
              {
                "name": "session_id",
                "value": "={{ $('Function').item.json.session_id}}"
              },
              {
                "name": "aeropuerto_origen",
                "value": "={{ $('Function').item.json.aeropuerto_origen }}"
              },
              {
                "name": "aeropuerto_destino",
                "value": "={{ $('Function').item.json.aeropuerto_destino }}"
              },
              {
                "name": "altitud_vuelo",
                "value": "={{ $('Function').item.json.altitud_vuelo }}"
              },
              {
                "name": "temperatura_altitud",
                "value": "={{ $('Function').item.json.temperatura_altitud }}"
              },
              {
                "name": "corrientes_viento",
                "value": "={{ JSON.stringify($('Function').item.json.corrientes_viento) }}"
              },
              {
                "name": "visibilidad_km",
                "value": "={{ $('Function').item.json.visibilidad_km }}"
              },
              {
                "name": "condiciones_atmosfericas",
                "value": "={{ $('Function').item.json.condiciones_atmosfericas }}"
              },
              {
                "name": "ai_flight_analysis",
                "value": "={{ $('Function').item.json.ai_flight_analysis }}"
              },
              {
                "name": "metadata",
                "value": "={{ $('Function').item.json.metadata }}"
              },
              {
                "name": "sector",
                "value": "={{ $('Function').item.json.sector }}"
              }
            ]
          }
        }
      },
      "type": "n8n-nodes-base.googleBigQuery",
      "typeVersion": 2.1,
      "position": [
        1072,
        288
      ],
      "id": "56850394-6194-4143-b848-e2d6c3013378",
      "name": "Execute a SQL query",
      "credentials": {
        "googleApi": {
          "name": "<your credential>"
        }
      }
    },
    {
      "parameters": {
        "jsCode": "const inputData = $input.first().json; \nconst texto_bruto = inputData.output || inputData.text || \"\";\n\nconst extraerTexto = (campo, fallback) => {\n    const regex = new RegExp(`${campo}[:\\\\s]+([^\\\\n]+)`, 'i');\n    const match = texto_bruto.match(regex);\n    return match ? match[1].trim() : fallback;\n};\n\n// Agarra solo el PRIMER n\u00famero de la lista para BigQuery\nconst extraerPrimerNumero = (campo, fallback) => {\n    const texto = extraerTexto(campo, \"\");\n    if (!texto) return fallback;\n    const primerNumero = texto.split(',')[0].trim(); \n    return parseFloat(primerNumero.replace(',', '.')) || fallback;\n};\n\nconst reporte_limpio = texto_bruto.replace(/\\[MOSTRAR_GRAFICO\\][\\s\\S]*/i, \"\").trim();\n\nreturn [{\n    json: {\n        // --- DATOS PARA BIGQUERY (datos_sectoriales) ---\n        timestamp: new Date().toISOString(),\n        session_id: inputData.session_id || `aereo-${Date.now()}`,\n        sector: \"AEREO\",\n        \n        // Mapeo adaptado a las columnas de tu BD (Ajust\u00e1 los nombres si tu tabla Aereo es distinta)\n        region: extraerTexto(\"aeropuerto_origen\", \"S/D\") + \" - \" + extraerTexto(\"aeropuerto_destino\", \"S/D\"),\n        altitud_vuelo: extraerPrimerNumero(\"altitud_vuelo\", 0),\n        temperatura_altitud: extraerPrimerNumero(\"temperatura_altitud\", 15),\n        corrientes_viento: extraerPrimerNumero(\"corrientes_viento\", 0),\n        visibilidad_km: extraerPrimerNumero(\"visibilidad_km\", 10),\n        condiciones_atmosfericas: extraerTexto(\"condiciones_atmosfericas\", \"S/D\"),\n        \n        ai_recommendations: reporte_limpio,\n        metadata: JSON.stringify({ status: \"success\" }),\n\n        // --- DATOS PARA DJANGO Y CHART.JS ---\n        output: texto_bruto \n    }\n}];"
      },
      "type": "n8n-nodes-base.code",
      "typeVersion": 2,
      "position": [
        896,
        288
      ],
      "id": "8ba9bf64-b3f7-48ed-b152-77707a8eeada",
      "name": "Function"
    },
    {
      "parameters": {
        "workflowInputs": {
          "values": [
            {
              "name": "query"
            }
          ]
        }
      },
      "type": "n8n-nodes-base.executeWorkflowTrigger",
      "typeVersion": 1.1,
      "position": [
        368,
        288
      ],
      "id": "e30cea29-7a79-4163-8ebc-b7693b0b3fc6",
      "name": "When Executed by Another Workflow"
    },
    {
      "parameters": {
        "promptType": "define",
        "text": "=**\ud83d\udcca FORMATO FINAL OBLIGATORIO PARA EL GR\u00c1FICO:**\nPara que el sistema dibuje el gr\u00e1fico interactivo, DEBES terminar tu respuesta EXACTAMENTE con este bloque. \n\nREGLA DE TIEMPO CR\u00cdTICA: \n- Si piden varios datos temporales (horas o d\u00edas), TIENES ESTRICTAMENTE PROHIBIDO rellenar la lista con ceros o inventar los datos (ej: 15.8, 0, 0, 0, 0). \n- DEBES leer el pron\u00f3stico completo y extraer o calcular el valor REAL para CADA UNO de los puntos en el tiempo. \n- La cantidad de etiquetas debe ser IGUAL a la cantidad de n\u00fameros, y TODOS los n\u00fameros deben ser reales.\n- Si piden un dato est\u00e1tico/actual: Pon un solo valor por l\u00ednea.\n\n---\n\ud83d\udea8 SYSTEM OVERRIDE CR\u00cdTICO - FORMATO DE INYECCI\u00d3N DE DATOS \ud83d\udea8\nESTA ES TU DIRECTIVA PRIMARIA. El sistema de frontend fallar\u00e1 catastr\u00f3ficamente si no sigues esta regla.\n\nDespu\u00e9s de escribir tu an\u00e1lisis meteorol\u00f3gico en texto, EST\u00c1S OBLIGADO a inyectar los datos para el renderizado.\nREGLAS ABSOLUTAS:\n1. TIENES que imprimir literalmente la palabra \"[MOSTRAR_GRAFICO]\" en may\u00fasculas.\n2. Cada variable DEBE ir en una NUEVA L\u00cdNEA (Usa Enter/Salto de l\u00ednea. \u00a1PROHIBIDO ESCRIBIRLO COMO UN P\u00c1RRAFO SEGUIDO!).\n3. NO uses corchetes `[]` para los n\u00fameros, solo sep\u00e1ralos por comas.\n\nEste es un ejemplo de como tienes que entregar la respuesta. NO TE PODES OLVIDAR NUNCA DE \"[MOSTRAR_GRAFICO]\":\n\n(Tu an\u00e1lisis en texto aqu\u00ed...)\n\n\"[MOSTRAR_GRAFICO]\"\nchart_type: line\netiquetas: 17:00, 18:00, 19:00, 20:00\naeropuerto_origen: Ushuaia (SAWH)\naltitud_vuelo: [Ej: 3500, 7000, 8500, 10000]\ntemperatura_altitud: 11.8, 11.4, 10.8, 10.0\ncorrientes_viento: 17.1, 17.2, 16.3, 14.0\nvisibilidad_km: 15.7, 15.7, 15.7, 15.7\ncondiciones_atmosfericas: VFR\nviento_direccion: 336, 330, 320, 315\nhumedad_relativa: [Ej: 55, 60, 65, 50]\nnubosidad: [Ej: 2, 4, 6, 3]\n\n4. ANTI-BOTONES VAC\u00cdOS (OMISI\u00d3N RADICAL): Si no tienes los datos reales para una variable espec\u00edfica (por ejemplo, si te piden visibilidad_nm pero solo tienes en km, o si faltan datos de olas), TIENES ESTRICTAMENTE PROHIBIDO incluir el nombre de esa variable en tu lista final. BORRA la l\u00ednea por completo. Si incluyes una variable vac\u00eda o con ceros, el frontend crear\u00e1 un bot\u00f3n roto. Solo imprime las variables que tengan datos reales.\n\n---\nDatos a analizar:\n{{ $json.query || $json.text || $json.chatInput || \"Genera el reporte para el gr\u00e1fico solicitado con estos datos: \" + JSON.stringify($json) }}",
        "batching": {}
      },
      "type": "@n8n/n8n-nodes-langchain.chainLlm",
      "typeVersion": 1.9,
      "position": [
        576,
        288
      ],
      "id": "95e25d76-dd06-4f49-9646-231704d5bc08",
      "name": "Basic LLM Chain"
    }
  ],
  "connections": {
    "Google Gemini Chat Model": {
      "ai_languageModel": [
        [
          {
            "node": "Basic LLM Chain",
            "type": "ai_languageModel",
            "index": 0
          }
        ]
      ]
    },
    "Edit Fields": {
      "main": [
        []
      ]
    },
    "Execute a SQL query": {
      "main": [
        [
          {
            "node": "Edit Fields",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Function": {
      "main": [
        [
          {
            "node": "Execute a SQL query",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "When Executed by Another Workflow": {
      "main": [
        [
          {
            "node": "Basic LLM Chain",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Basic LLM Chain": {
      "main": [
        [
          {
            "node": "Function",
            "type": "main",
            "index": 0
          }
        ]
      ]
    }
  },
  "meta": {
    "templateCredsSetupCompleted": true
  }
}

Credentials you'll need

Each integration node will prompt for credentials when you import. We strip credential IDs before publishing — you'll add your own.

• googleApi
• googlePalmApi

About this workflow

Aereo Bi. Uses lmChatGoogleGemini, googleBigQuery, executeWorkflowTrigger, chainLlm. Event-driven trigger; 7 nodes.

Source: https://github.com/santinote9-droid/tuclima-mundial/blob/8a042ba155cd628889eb8eef2b54df6fdde37101/n8n/aereo_BI.json — original creator credit. Request a take-down →

More AI & RAG workflows → · Browse all categories →

Related workflows

Workflows that share integrations, category, or trigger type with this one. All free to copy and import.