使用 n8n 结合通义千问大模型构建业务数据库分析智能体

最新推荐文章于 2025-07-02 08:08:14 发布

铭记北宸

最新推荐文章于 2025-07-02 08:08:14 发布

阅读量1k

点赞数 19

CC 4.0 BY-SA版权

分类专栏： AI n8n 文章标签：数据库

本文链接：https://blog.youkuaiyun.com/hanjingjava/article/details/148262414

AI 同时被 2 个专栏收录

49 篇文章

订阅专栏

n8n

1 篇文章

订阅专栏

使用 n8n 结合通义千问大模型构建业务数据库分析智能体

在当今数据驱动的商业环境中，快速从业务数据库中提取有价值的信息并进行智能分析是许多企业的核心需求。本文将介绍如何利用 n8n（一个开源的工作流自动化工具）结合阿里云的 通义千问 大模型，构建一个智能体，用于自动化业务数据库分析。本项目通过集成 MySQL 数据库查询、数据处理以及大模型的自然语言处理能力，实现了从原始数据到智能分析的全流程自动化。

项目背景

随着企业数据的快速增长，手动分析数据库中的业务数据变得低效且容易出错。我们希望开发一个智能体，能够：

自动从 MySQL 数据库中提取业务数据；
对数据进行预处理和格式转换；
利用通义千问大模型进行数据分析，生成自然语言的分析报告；
将分析结果保存为文件，支撑对数据库的问答应用。

为此，我们选择了 n8n 作为工作流引擎，因其强大的节点式工作流设计和丰富的集成能力，可以无缝连接数据库和 AI 模型。

实现步骤

以下是构建该智能体的核心步骤：

准备工作：
- 安装并配置 n8n（可以选择本地部署或云端部署）。
- 准备 MySQL 数据库，包含业务数据（例如销售记录、用户行为等）。
- 获取通义千问大模型的 API 访问权限（通过阿里云平台申请）。
- 确保 n8n 环境中已安装 MySQL 节点和 OpenAI 兼容的 Chat 节点（通义千问支持 OpenAI API 协议）。
设计工作流：
n8n 的工作流由多个节点组成，每个节点执行特定的任务。我们通过以下节点搭建了完整的工作流（参考截图）：
- 触发节点：使用 When chat message received 节点监听用户的分析请求。
- 数据库查询节点：通过 MySQL 节点（如 get one table 和 get one table2）从数据库中提取数据。
- 数据处理节点：使用 Merge 节点合并多表数据，并通过 Convert to JSON 节点将数据转换为 JSON 格式。
- 大模型分析节点：通过 OpenAI Chat Model 节点调用通义千问大模型，输入处理后的数据，生成分析报告。
- 结果保存节点：使用 Write File to Disk 节点将分析结果保存为文件。
配置通义千问大模型：
- 在 OpenAI Chat Model 节点中，将 API 端点设置为通义千问的 API 地址。
- 输入 API Key 和模型参数（例如温度、最大 token 数等），确保模型能够生成符合需求的分析报告。
测试与优化：
- 运行工作流，输入一个简单的分析请求（例如“分析最近一个月的销售数据”）。
- 检查每个节点的输出，确保数据流转和模型分析结果符合预期。
- 根据实际需求调整节点参数，例如优化 SQL 查询或调整大模型的提示词。

工作流解析

以下是截图中工作流的核心节点及其功能：

When chat message received：触发节点，接收用户输入的分析请求（例如“分析销售数据”）。
get one table / get one table2：MySQL 节点，分别从两个表中提取数据（例如销售表和用户信息表）。
Merge：合并来自多个表的数据，生成统一的数据集。
Convert to JSON：将合并后的数据转换为 JSON 格式，便于后续处理。
OpenAI Chat Model（通义千问大模型）：接收 JSON 数据，结合用户请求，生成分析报告（例如“本月销售额增长了 10%，主要由新用户贡献”）。
Write File to Disk：将分析报告保存为文件（路径为 /documents/AIBrain_test/now.txt）。

此外，工作流中还使用了 Loop Over Items 节点来处理批量数据，以及 Aggregate 节点对数据进行汇总，确保分析的全面性。

关键代码：工作流配置

以下是 n8n 工作流的 JSON 配置（部分），展示了如何连接 MySQL 和通义千问大模型：

{
  "nodes": [
    {
      "name": "When chat message received",
      "type": "n8n-nodes-base.webhook",
      "parameters": {
        "httpMethod": "POST",
        "path": "analyze"
      }
    },
    {
      "name": "get one table",
      "type": "n8n-nodes-base.mySql",
      "parameters": {
        "query": "SELECT * FROM sales WHERE date >= DATE_SUB(NOW(), INTERVAL 1 MONTH)"
      }
    },
    {
      "name": "OpenAI Chat Model",
      "type": "n8n-nodes-base.openAiChatModel",
      "parameters": {
        "apiKey": "your-tongyi-qianwen-api-key",
        "model": "qwen-turbo",
        "prompt": "Analyze the following sales data: {{ $json.data }}"
      }
    },
    {
      "name": "Write File to Disk",
      "type": "n8n-nodes-base.writeBinaryFile",
      "parameters": {
        "filePath": "/documents/AIBrain_test/now.txt",
        "data": "{{ $json.result }}"
      }
    }
  ],
  "connections": {
    "When chat message received": {
      "main": [
        [
          {
            "node": "get one table",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "get one table": {
      "main": [
        [
          {
            "node": "OpenAI Chat Model",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "OpenAI Chat Model": {
      "main": [
        [
          {
            "node": "Write File to Disk",
            "type": "main",
            "index": 0
          }
        ]
      ]
    }
  }
}