This workflow follows the Agent → Chat Trigger recipe pattern — see all workflows that pair these two integrations.
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 →
{
"name": "Requirement-to-Task-V5",
"nodes": [
{
"parameters": {
"options": {}
},
"id": "994edf19-32f8-4ca1-924b-c773c1a2edbf",
"name": "OpenAI Model",
"type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
"typeVersion": 1,
"position": [
14496,
5888
]
},
{
"parameters": {
"sessionIdType": "customKey",
"sessionKey": "=session_1"
},
"type": "@n8n/n8n-nodes-langchain.memoryBufferWindow",
"typeVersion": 1.3,
"position": [
14624,
5888
],
"id": "1958ebaf-acf3-417b-b9b1-e200a594b810",
"name": "Simple Memory"
},
{
"parameters": {
"content": "## Feature & Bug Automator\n### Problemstellung\nIn vielen Softwareprojekten werden Anforderungen von Fachabteilungen oder Product Ownern in nat\u00fcrlicher Sprache und oft unstrukturiert formuliert. Diese m\u00fcssen manuell in User Stories, Subtasks und Akzeptanzkriterien \u00fcbersetzt werden, was zeitaufwendig ist und h\u00e4ufig zu Missverst\u00e4ndnissen f\u00fchrt. Der Prozess ist fehleranf\u00e4llig und bremst die effiziente Zusammenarbeit zwischen Fachseite und Entwicklungsteam.\n\n### L\u00f6sungsbeschreibung\nDer Workflow \u00fcbersetzt unstrukturierte Anforderungen und Meldungen automatisch in klar strukturierte agile Artefakte.\nEr erkennt, ob es sich um einen Feature-Request oder einen Bug-Report handelt, und erzeugt daraus die passenden Jira-Tickets:\n\n- bei Feature-Requests werden User Story, Subtasks und Akzeptanzkriterien generiert,\n\n- bei Bug-Reports werden Beschreibung, Schritte zur Reproduktion, erwartetes und tats\u00e4chliches Verhalten sowie Priorit\u00e4t erstellt.\n\n- Durch die Integration von RAG (Retrieval-Augmented Generation) kann der KI-Agent zus\u00e4tzlich auf spezifisches Wissen \u00fcber das Produkt und interne Teamprozesse zugreifen. Dadurch werden die Ergebnisse noch kontextgenauer und praxisn\u00e4her.\n\n- Die Ergebnisse werden als strukturiertes JSON ausgegeben und k\u00f6nnen automatisch in Jira importiert werden.\n\n### Entwicklungsphasen\n#### Phase 1 \u2013 Grundfunktionalit\u00e4t\n#### Phase 2 \u2013 Bug-Handling und Priorisierung\n#### Phase 3 \u2013 Wissensintegration mit RAG\n",
"height": 880,
"width": 464
},
"type": "n8n-nodes-base.stickyNote",
"typeVersion": 1,
"position": [
13360,
5536
],
"id": "da2c504a-3d55-4968-9b13-755cabfe4934",
"name": "Sticky Note"
},
{
"parameters": {
"inputText": "=Bestimme, ob der folgende Text ein Feature-Request oder ein Bug-Report ist.\nAntworte ausschlie\u00dflich im g\u00fcltigen JSON-Format:\n{ \"type\": \"feature\" | \"bug\" | \"unclear\" }\n\nText: {{ $json.Text }}",
"categories": {
"categories": [
{
"category": "feature"
},
{
"category": "bug"
},
{
"category": "unclear"
}
]
},
"options": {}
},
"type": "@n8n/n8n-nodes-langchain.textClassifier",
"typeVersion": 1.1,
"position": [
14112,
6080
],
"id": "39215845-aa77-4842-a51d-16106633595c",
"name": "Text Classifier",
"executeOnce": false
},
{
"parameters": {
"promptType": "define",
"text": "=Input: {{ $json.Text }}",
"hasOutputParser": true,
"options": {
"systemMessage": "=Du bist ein erfahrener Requirements Engineer.\nDeine Aufgabe ist es, aus einem Bug-Report in nat\u00fcrlicher Sprache einen sauberen Scrum-Bug Report zu erstellen.\n\nDu hast Zugriff auf ein Werkzeug, mit dem du Daten aus einer semantischen Vektor-Datenbank abrufen kannst.\n\nNutze immer zuerst die Daten aus der Vektor-Datenbank.\n\nWenn Daten gefunden wurden:\n\nBaue deine Antwort ausschlie\u00dflich auf diesen Daten auf.\n\nGib die Quelle(n) aus der Wissensbasis an (\"quelle\": \"Zitat\") und nicht als blob.\n\nWenn keine relevanten Daten gefunden wurden:\n\nGib die Quelle(n) als leerer Text (\"quelle\": \"\").\n\nRegeln:\n\nAntworte ausschlie\u00dflich im g\u00fcltigen JSON-Format (keine Kommentare, keine Erkl\u00e4rungen).\n\nAlle Texte in klarer Alltagssprache, keine Fachjargon- oder Entwicklerbegriffe.\n\nKeine Tests, keine UI-Design-Mockups, keine Referenzen zu Code, keine Erkl\u00e4rungen.\n\nsummary: kurze Beschreibung des Bugs, maximal 100 Zeichen.\n\nBeispiel:\nWenn die aktuelle Versionsnummer verlangt wird, dann gib diese als Nummer aus und nicht als Text \"aktuelle Versionsnummer\"."
}
},
"id": "cbc41a69-9705-4f29-b91c-5204c2393eac",
"name": "Req-to-bug-Agent",
"type": "@n8n/n8n-nodes-langchain.agent",
"typeVersion": 1.7,
"position": [
14608,
6112
],
"retryOnFail": false
},
{
"parameters": {
"model": {
"__rl": true,
"mode": "list",
"value": "gpt-4.1-mini"
},
"options": {}
},
"type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
"typeVersion": 1.2,
"position": [
14112,
6272
],
"id": "d087c43f-791e-4ff6-bdd4-7f59208893c8",
"name": "OpenAI Chat Model"
},
{
"parameters": {
"project": {
"__rl": true,
"value": "10000",
"mode": "list",
"cachedResultName": "SteuerZauberer"
},
"issueType": {
"__rl": true,
"value": "10005",
"mode": "list",
"cachedResultName": "Feature"
},
"summary": "={{ $json.output.zusammenfassung }}",
"additionalFields": {
"description": "={{ $json.output.userStory }}\n\nh3. Subtasks:\n{{ $json.output.subtasks.map((t, i) => (i+1) + \". \" + t).join(\"\\n\") }}\n\nh3. Akzeptanzkriterien:\n{{ $json.output.akzeptanzkriterien.map((t, i) => (i+1) + \". \" + t).join(\"\\n\") }}\n\nh3. Originaltext:\nbq. {{ $('Text Classifier').item.json.Text }}\n\n\n\n"
}
},
"type": "n8n-nodes-base.jira",
"typeVersion": 1,
"position": [
15216,
5744
],
"id": "84aaaa96-93f9-4e85-b650-72fc9d75d025",
"name": "Create feature in Jira"
},
{
"parameters": {
"project": {
"__rl": true,
"value": "10000",
"mode": "list",
"cachedResultName": "SteuerZauberer"
},
"issueType": {
"__rl": true,
"value": "10007",
"mode": "list",
"cachedResultName": "Bug"
},
"summary": "={{ $json.output.zusammenfassung }}",
"additionalFields": {
"description": "=h3. Beschreibung\n{{ $json.output.beschreibung }}\n\nh3. Schritte zur Reproduktion\n{{ $json.output.schritteZurReproduktion }}\n\nh3. erwartetes Verhalten\n{{ $json.output.erwartetesVerhalten }}\n\nh3. tats\u00e4chliches Verhalten\n\n{{ $json.output['tats\u00e4chlichesVerhalten'] }}\n\nh3. Priorit\u00e4t\n{{ $json.output['priorit\u00e4t'] }}\n\nh3. Originaltext:\nbq. {{ $('Text Classifier').item.json.Text }}"
}
},
"type": "n8n-nodes-base.jira",
"typeVersion": 1,
"position": [
15216,
6112
],
"id": "beef97e5-30e6-4208-872d-dad8d98ea840",
"name": "Create bug in jira"
},
{
"parameters": {
"promptType": "define",
"text": "=Input: {{ $json.Text }}",
"hasOutputParser": true,
"options": {
"systemMessage": "=Du bist ein erfahrener Agile Coach und Requirements Engineer. \nDeine Aufgabe ist es, aus einem Feature-Request in nat\u00fcrlicher Sprache eine saubere Scrum-User Story, Subtasks und Akzeptanzkriterien zu erstellen.\n\nDu hast Zugriff auf ein Werkzeug, mit dem du Daten aus einer semantischen Datenbank abrufen kannst. Nutze diese Daten als erste und wichtigste Quelle f\u00fcr deine Antwort.\n\nRegeln:\n- Antworte ausschlie\u00dflich im g\u00fcltigen JSON-Format (keine Kommentare, keine Erkl\u00e4rungen).\n- Alle Texte in klarer Alltagssprache, keine Fachjargon- oder Entwicklerbegriffe.\n- Keine Tests, keine UI-Design-Mockups, keine Referenzen zu Code, keine Erkl\u00e4rungen im Text.\n- zusammenfassung:\n - Beschreibung der User Story\n - maximal 100 Zeichen\n- User Story:\n - Form: \"Als [Nutzertyp] m\u00f6chte ich [Handlung] k\u00f6nnen, um [Nutzen].\"\n - Handlung immer aktiv (z. B. \"ein- und ausschalten k\u00f6nnen\").\n- Subtasks:\n - 3\u20135 konkrete, konzeptionelle technische Umsetzungsschritte.\n - Keine Dateinamen, keine Implementation-Details auf Code-Ebene.\n - Nur was ein Entwickler als Arbeitspaket verstehen kann.\n- Akzeptanzkriterien:\n - 3\u20135 \u00fcberpr\u00fcfbare Bedingungen.\n - Sprache: **Deutsch**.\n - Format: \"Gegeben \u2026 Wenn \u2026 Dann \u2026\"\n - Immer auch den Default-Zustand ber\u00fccksichtigen (z. B. wenn keine Pr\u00e4ferenz gesetzt ist)."
}
},
"id": "c3c8fe4e-4079-4656-9333-29043e15d02d",
"name": "Req-to-feature-Agent",
"type": "@n8n/n8n-nodes-langchain.agent",
"typeVersion": 1.7,
"position": [
14576,
5600
]
},
{
"parameters": {
"jsonSchemaExample": "{\n \"zusammenfassung\": \"\",\n \"userStory\": \"\",\n \"subtasks\": [\"\", \"\"],\n \"akzeptanzkriterien\": [\"\", \"\"]\n}"
},
"type": "@n8n/n8n-nodes-langchain.outputParserStructured",
"typeVersion": 1.3,
"position": [
14944,
5760
],
"id": "44ba73bc-5b15-4bc4-be57-5cab5fd19070",
"name": "Structured Output Feature"
},
{
"parameters": {
"jsonSchemaExample": "{\n \"zusammenfassung\": \"\",\n \"beschreibung\": \"\",\n \"schritteZurReproduktion\": [\"\", \"\"],\n \"erwartetesVerhalten\": \"\",\n \"tats\u00e4chlichesVerhalten\": \"\",\n \"Quelle\": \"\",\n \"priorit\u00e4t\": \"Low | Medium | High | Critical\"\n}"
},
"type": "@n8n/n8n-nodes-langchain.outputParserStructured",
"typeVersion": 1.3,
"position": [
14816,
6256
],
"id": "d6c6ad98-4050-45d3-8c18-d224f096f3ba",
"name": "Structured Output Bug"
},
{
"parameters": {
"formTitle": "Upload your data to test RAG",
"formFields": {
"values": [
{
"fieldLabel": "Upload your file(s)",
"fieldType": "file",
"acceptFileTypes": ".pdf, .csv",
"requiredField": true
}
]
},
"options": {}
},
"id": "b2758fff-70e3-4007-8364-86499d2af246",
"name": "Upload your file here",
"type": "n8n-nodes-base.formTrigger",
"position": [
13888,
5632
],
"typeVersion": 2.2
},
{
"parameters": {
"options": {}
},
"id": "560c3681-4093-42c9-a2d2-972af9a31e43",
"name": "Embeddings OpenAI",
"type": "@n8n/n8n-nodes-langchain.embeddingsOpenAi",
"position": [
13920,
5824
],
"typeVersion": 1.2
},
{
"parameters": {
"dataType": "binary",
"textSplittingMode": "custom",
"options": {}
},
"id": "4b244c3e-f1f3-4fe0-a745-dcadfff2adac",
"name": "Default Data Loader",
"type": "@n8n/n8n-nodes-langchain.documentDefaultDataLoader",
"position": [
14192,
5712
],
"typeVersion": 1.1
},
{
"parameters": {
"formTitle": "EIngabe",
"formDescription": "Eingabetext",
"formFields": {
"values": [
{
"fieldLabel": "Text",
"fieldType": "textarea",
"requiredField": true
}
]
},
"options": {}
},
"type": "n8n-nodes-base.formTrigger",
"typeVersion": 2.2,
"position": [
13904,
6096
],
"id": "c7922d57-5268-452c-9d18-7aa97c58f2cc",
"name": "On form submission"
},
{
"parameters": {
"content": "## RAG",
"height": 432,
"width": 608,
"color": 3
},
"type": "n8n-nodes-base.stickyNote",
"typeVersion": 1,
"position": [
13840,
5536
],
"id": "e6db8fc1-42eb-458e-bf32-6c85f5954d80",
"name": "Sticky Note1"
},
{
"parameters": {
"content": "## Text Classifier",
"height": 432,
"width": 608,
"color": 4
},
"type": "n8n-nodes-base.stickyNote",
"typeVersion": 1,
"position": [
13840,
5984
],
"id": "928a319e-1d83-4cf3-9b4f-ff6a3d0bf559",
"name": "Sticky Note2"
},
{
"parameters": {
"content": "## Text to Tasks",
"height": 880,
"width": 608,
"color": 5
},
"type": "n8n-nodes-base.stickyNote",
"typeVersion": 1,
"position": [
14464,
5536
],
"id": "37017ac3-c400-4f84-b62e-287e74d5bef1",
"name": "Sticky Note3"
},
{
"parameters": {
"content": "## Tasks to Jira",
"height": 880,
"width": 352,
"color": 2
},
"type": "n8n-nodes-base.stickyNote",
"typeVersion": 1,
"position": [
15088,
5536
],
"id": "1ce34439-d3ed-4135-b6d5-1a4e61a7160c",
"name": "Sticky Note4"
},
{
"parameters": {
"chunkSize": 200,
"chunkOverlap": 50,
"options": {}
},
"type": "@n8n/n8n-nodes-langchain.textSplitterRecursiveCharacterTextSplitter",
"typeVersion": 1,
"position": [
14128,
5824
],
"id": "308faa9e-85b8-4b35-a74a-566f77ff71b3",
"name": "Recursive Character Text Splitter"
},
{
"parameters": {
"options": {}
},
"type": "@n8n/n8n-nodes-langchain.embeddingsOpenAi",
"typeVersion": 1.2,
"position": [
14928,
6016
],
"id": "3a15b18a-efc8-4b5b-9f97-d7005ba2d2bf",
"name": "Embeddings OpenAI1"
},
{
"parameters": {
"options": {}
},
"id": "e2de7819-6a8b-4a37-99d5-b5a8e11f71cb",
"name": "When chat message received",
"type": "@n8n/n8n-nodes-langchain.chatTrigger",
"position": [
14000,
6592
],
"typeVersion": 1.1
},
{
"parameters": {
"options": {
"systemMessage": "You are a helpful assistant. You have access to a tool to retrieve data from a semantic database to answer questions. Always provide arguments when you execute the tool"
}
},
"id": "26a74040-d32f-44cd-b371-7d2357e6f441",
"name": "AI Agent",
"type": "@n8n/n8n-nodes-langchain.agent",
"position": [
14544,
6480
],
"typeVersion": 2
},
{
"parameters": {},
"id": "e32a8f22-bcf0-4178-af2f-fb9140a355c1",
"name": "Simple Memory1",
"type": "@n8n/n8n-nodes-langchain.memoryBufferWindow",
"position": [
14464,
6768
],
"typeVersion": 1.3
},
{
"parameters": {
"model": {
"__rl": true,
"mode": "list",
"value": "gpt-4.1-mini"
},
"options": {}
},
"type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
"typeVersion": 1.2,
"position": [
14224,
6768
],
"id": "23d5e8c4-a06e-4a35-abf8-a1fddab79a5f",
"name": "OpenAI Chat Model1"
},
{
"parameters": {
"options": {}
},
"type": "@n8n/n8n-nodes-langchain.embeddingsOpenAi",
"typeVersion": 1.2,
"position": [
14736,
6928
],
"id": "379a8884-031c-428e-bb0f-d6940adf1b61",
"name": "Embeddings OpenAI2"
},
{
"parameters": {
"mode": "retrieve-as-tool",
"toolName": "knowledge_base",
"toolDescription": "Dieses Tool greift auf die Wissensbasis der SteuerZauberer-Dokumentation zu, um Fragen von Nutzern pr\u00e4zise zu beantworten.\nEs nutzt die im Workflow hinterlegten Dokumente (z. B. API-\u00dcbersicht, Release Notes, Rollenbeschreibungen, Formulare), durchsucht diese mithilfe semantischer Abfragen (RAG) und liefert kontextbezogene Antworten.\n\nSo k\u00f6nnen Anwender gezielt Informationen abrufen \u2013 etwa zu Funktionen, Prozessen oder Teamstrukturen \u2013 ohne die gesamte Dokumentation manuell durchsuchen zu m\u00fcssen.",
"memoryKey": {
"__rl": true,
"value": "vector_store_key",
"mode": "list",
"cachedResultName": "vector_store_key"
},
"topK": 5
},
"id": "b814ad9f-5311-497e-b54b-8da5e95073fa",
"name": "Vector Store",
"type": "@n8n/n8n-nodes-langchain.vectorStoreInMemory",
"position": [
14736,
5888
],
"typeVersion": 1.2
},
{
"parameters": {
"mode": "insert",
"memoryKey": {
"__rl": true,
"value": "vector_store_key",
"mode": "list",
"cachedResultName": "vector_store_key"
}
},
"id": "55671850-5a6e-422f-9aee-8b85d5815a9f",
"name": "Insert Data to Vector Store",
"type": "@n8n/n8n-nodes-langchain.vectorStoreInMemory",
"position": [
14096,
5568
],
"typeVersion": 1.2
},
{
"parameters": {
"content": "## Chatbot with RAG",
"height": 688,
"width": 1232,
"color": 3
},
"type": "n8n-nodes-base.stickyNote",
"typeVersion": 1,
"position": [
13840,
6432
],
"id": "67d39a34-6d50-4570-b424-5ecccbed4265",
"name": "Sticky Note5"
},
{
"parameters": {
"mode": "retrieve-as-tool",
"toolDescription": "Dieses Tool greift auf die Wissensbasis der SteuerZauberer-Dokumentation zu, um Fragen von Nutzern pr\u00e4zise zu beantworten.\nEs nutzt die im Workflow hinterlegten Dokumente (z. B. API-\u00dcbersicht, Release Notes, Rollenbeschreibungen, Formulare), durchsucht diese mithilfe semantischer Abfragen (RAG) und liefert kontextbezogene Antworten.\n\nSo k\u00f6nnen Anwender gezielt Informationen abrufen \u2013 etwa zu Funktionen, Prozessen oder Teamstrukturen \u2013 ohne die gesamte Dokumentation manuell durchsuchen zu m\u00fcssen.",
"memoryKey": {
"__rl": true,
"mode": "list",
"value": "vector_store_key"
}
},
"type": "@n8n/n8n-nodes-langchain.vectorStoreInMemory",
"typeVersion": 1.3,
"position": [
14688,
6752
],
"id": "159dfb39-7892-421f-8abf-14905654bd70",
"name": "Vector Store1"
}
],
"connections": {
"OpenAI Model": {
"ai_languageModel": [
[
{
"node": "Req-to-feature-Agent",
"type": "ai_languageModel",
"index": 0
},
{
"node": "Req-to-bug-Agent",
"type": "ai_languageModel",
"index": 0
}
]
]
},
"Simple Memory": {
"ai_memory": [
[
{
"node": "Req-to-feature-Agent",
"type": "ai_memory",
"index": 0
},
{
"node": "Req-to-bug-Agent",
"type": "ai_memory",
"index": 0
}
]
]
},
"Text Classifier": {
"main": [
[
{
"node": "Req-to-feature-Agent",
"type": "main",
"index": 0
}
],
[
{
"node": "Req-to-bug-Agent",
"type": "main",
"index": 0
}
]
]
},
"OpenAI Chat Model": {
"ai_languageModel": [
[
{
"node": "Text Classifier",
"type": "ai_languageModel",
"index": 0
}
]
]
},
"Req-to-bug-Agent": {
"main": [
[
{
"node": "Create bug in jira",
"type": "main",
"index": 0
}
]
]
},
"Req-to-feature-Agent": {
"main": [
[
{
"node": "Create feature in Jira",
"type": "main",
"index": 0
}
]
]
},
"Structured Output Feature": {
"ai_outputParser": [
[
{
"node": "Req-to-feature-Agent",
"type": "ai_outputParser",
"index": 0
}
]
]
},
"Structured Output Bug": {
"ai_outputParser": [
[
{
"node": "Req-to-bug-Agent",
"type": "ai_outputParser",
"index": 0
}
]
]
},
"Upload your file here": {
"main": [
[
{
"node": "Insert Data to Vector Store",
"type": "main",
"index": 0
}
]
]
},
"Embeddings OpenAI": {
"ai_embedding": [
[
{
"node": "Insert Data to Vector Store",
"type": "ai_embedding",
"index": 0
}
]
]
},
"Default Data Loader": {
"ai_document": [
[
{
"node": "Insert Data to Vector Store",
"type": "ai_document",
"index": 0
}
]
]
},
"On form submission": {
"main": [
[
{
"node": "Text Classifier",
"type": "main",
"index": 0
}
]
]
},
"Recursive Character Text Splitter": {
"ai_textSplitter": [
[
{
"node": "Default Data Loader",
"type": "ai_textSplitter",
"index": 0
}
]
]
},
"Embeddings OpenAI1": {
"ai_embedding": [
[
{
"node": "Vector Store",
"type": "ai_embedding",
"index": 0
}
]
]
},
"When chat message received": {
"main": [
[
{
"node": "AI Agent",
"type": "main",
"index": 0
}
]
]
},
"Simple Memory1": {
"ai_memory": [
[
{
"node": "AI Agent",
"type": "ai_memory",
"index": 0
}
]
]
},
"OpenAI Chat Model1": {
"ai_languageModel": [
[
{
"node": "AI Agent",
"type": "ai_languageModel",
"index": 0
}
]
]
},
"Embeddings OpenAI2": {
"ai_embedding": [
[
{
"node": "Vector Store1",
"type": "ai_embedding",
"index": 0
}
]
]
},
"Vector Store": {
"ai_tool": [
[
{
"node": "Req-to-bug-Agent",
"type": "ai_tool",
"index": 0
},
{
"node": "Req-to-feature-Agent",
"type": "ai_tool",
"index": 0
}
]
]
},
"Vector Store1": {
"ai_tool": [
[
{
"node": "AI Agent",
"type": "ai_tool",
"index": 0
}
]
]
}
},
"active": false,
"settings": {
"executionOrder": "v1",
"binaryMode": "separate"
},
"versionId": "1d5fcdc8-668d-4079-88ca-ae7f0fdbb828",
"meta": {
"templateCredsSetupCompleted": true
},
"id": "KtX9UgWhQPZqrH23",
"tags": []
}
Pro
For the full experience including quality scoring and batch install features for each workflow upgrade to Pro
About this workflow
Requirement-to-Task-V5. Uses lmChatOpenAi, memoryBufferWindow, textClassifier, agent. Event-driven trigger; 30 nodes.
Source: https://github.com/MajdEdriss/n8n-templates/blob/51a6166bdd7c775d6f44f9e59d6bac62bb406d60/Feature_and_bug_Automator.json — original creator credit. Request a take-down →
Related workflows
Workflows that share integrations, category, or trigger type with this one. All free to copy and import.
Alfred (funcional). Uses gmailTool, googleCalendarTool, gmail, embeddingsOpenAi. Event-driven trigger; 83 nodes.
Gmail Tool, Google Calendar Tool, Gmail +24
This n8n template automatically classifies incoming emails (Sales, Support, Internal, Finance, Promotions) and routes them to a dedicated OpenAI LLM Agent for processing. Depending on the category, th
OpenAI, Gmail, Text Classifier +16
Build a powerful, customizable AI chatbot for your WordPress website that intelligently retrieves posts, answers questions, and engages in natural conversations. This complete solution handles content
Qdrant Vector Store, OpenAI Embeddings, Document Default Data Loader +10
Chat with docs - 5minAI New version. Uses httpRequest, documentDefaultDataLoader, textSplitterRecursiveCharacterTextSplitter, embeddingsOpenAi. Event-driven trigger; 62 nodes.
HTTP Request, Document Default Data Loader, Text Splitter Recursive Character Text Splitter +10
I prepared a detailed guide that illustrates the entire process of building an AI agent using Supabase and Google Drive within N8N workflows.
HTTP Request, Document Default Data Loader, Text Splitter Recursive Character Text Splitter +10