Recursos · Integración n8n

Nodo Auto-fixing Output Parser n8nConfigura Auto-fixing Output Parser en n8n.

Un modelo que responde con el formato equivocado tumba el flujo entero. El nodo Auto-fixing Output Parser n8n envuelve a otro output parser, el subnodo que convierte texto libre en datos limpios, y pide a un modelo de chat que repare la respuesta cuando la lectura falla. Un parámetro, 2 puertos requeridos.

Probar el nodo Auto-fixing Output Parser en n8nVer los 1 parámetros

Reseñas verificadas en Trustpilot · Agencia de IA, automatización y growth

Por qué automatizar

¿Para qué sirve de verdad el nodo Auto-fixing Output Parser n8n?

Se coloca entre un nodo raíz y un parser más estricto. El nodo raíz, un AI Agent o una Basic LLM Chain, consulta a su modelo de chat. El parser envuelto comprueba que la respuesta tenga la forma esperada. Si esa comprobación falla, el Auto-fixing Output Parser no devuelve el error al flujo: manda el intento fallido, las reglas de lectura y el mensaje de error a un modelo de chat y pide una versión corregida.

Imagina una ficha de cliente que se rellena sola. Un AI Agent lee el formulario recibido y tiene que devolver sector, tamaño y país. Casi siempre sale bien. De vez en cuando el modelo añade una frase de cortesía alrededor del objeto, el Structured Output Parser lo rechaza y la ejecución se detiene. Envolver ese parser le da al modelo una oportunidad de arreglarlo antes de rendirse.

Segundo escenario: un resumen diario de conversaciones que acaba publicado en Slack. Lo que importa es que cada bloque salga con los mismos campos, no la redacción exacta. Pagar una llamada extra al modelo sale más barato que perder el resumen de la mañana por una coma mal puesta.

Tercer escenario: un enriquecimiento con OpenAI cuyos resultados viajan a una hoja de cálculo. Si las claves cambian entre ejecuciones, las columnas se desplazan. La reparación ocurre dentro de la rama de IA, antes de que el dato torcido llegue más lejos.

Cuándo no usarlo: n8n marca este nodo como obsoleto y remite al Structured Output Parser. En un flujo nuevo empieza por el parser normal y un prompt más claro. Los modelos recientes respetan bien una estructura pedida, y cada corrección dispara una llamada más a tu proveedor de modelo, que factura sus propias llamadas de API según sus condiciones. El envoltorio se justifica en un flujo que ya falla por formato.

Límites conocidos: repara la forma, nunca el fondo. Una respuesta que encaja en el molde puede seguir siendo falsa. No hay contador de intentos que ajustar, no hay rama prevista si la corrección también falla, y solo expone 1 opción. Para comparar alojamiento y modelo de coste antes de decidir, la Reseña n8n entra en ese detalle, y el Curso n8n repasa el cableado de agentes paso a paso.

Conexiones

¿Qué se le conecta?

Es un subnodo: nunca se ejecuta solo, cuelga de un nodo raíz y tiene sus propios puertos, un puerto siendo cada una de esas tomas pequeñas bajo el nodo donde se engancha otro subnodo.

Puertos (qué se conecta)

  • Chat Modelai_languageModelobligatorio
  • Output Parserai_outputParserobligatorio

Salida (dónde se conecta)

  • Output Parserai_outputParser
01Chat ModelEl modelo encargado de la reparación. Recibe el intento fallido, las reglas de lectura y el mensaje de error, y devuelve una respuesta recompuesta. Es una segunda llamada, distinta de la que ya hizo el nodo raíz.

El modelo encargado de la reparación. Recibe el intento fallido, las reglas de lectura y el mensaje de error, y devuelve una respuesta recompuesta. Es una segunda llamada, distinta de la que ya hizo el nodo raíz.

Parámetros clave

  • Required: si el puerto queda vacío, el nodo bloquea la ejecución.
  • OpenAI Chat Model: el punto de partida habitual, y es ese subnodo el que lleva el credential del proveedor, no este.
  • Google Gemini Chat Model o Groq Chat Model: alternativas razonables si el resto del flujo ya usa ese proveedor.
Casos de uso
recomponer sector y país extraídos de un formulario, sin tocar los valores en sí.
02Output ParserEl parser envuelto. Él define qué cuenta como respuesta válida, y su rechazo es lo que despierta a este nodo. Sin él no hay nada que rescatar.

El parser envuelto. Él define qué cuenta como respuesta válida, y su rechazo es lo que despierta a este nodo. Sin él no hay nada que rescatar.

Parámetros clave

  • Required: hace falta un parser al que envolver para que el mecanismo tenga sentido.
  • Structured Output Parser: describe el objeto esperado, así el rechazo es preciso y la corrección sencilla.
  • Item List Output Parser: cuando la respuesta debe llegar como lista de elementos y no como objeto.
Casos de uso
una ficha que siempre tiene que salir con las mismas claves, protegida de una línea de comentario de más.
Parámetros

¿Qué parámetro hay que ajustar?

El nodo Auto-fixing Output Parser tiene un parámetro. Para cada uno: el nodo tal como lo configuras en n8n, qué cambia el parámetro y nuestras notas de campo.

01

Options

options

Lo que ves en n8n

Notas y casos de uso

El panel está casi vacío. Todo cabe en una colección que se abre con Add Option, y nada dentro es obligatorio: déjala cerrada y el nodo usa su prompt de corrección integrado.

Parámetros clave

  • Retry Prompt: la plantilla de prompt que se usa para corregir la salida. Tiene que incluir los marcadores {instructions}, {completion} y {error}, que llevan las reglas de lectura, el intento fallido y el mensaje de error de validación.
Casos de uso
añadir a la plantilla una instrucción que exija el objeto a secas, sin frases alrededor, cuando ese es el fallo que el modelo repite.
Necesitas ayuda

¿Necesitas ayuda para automatizar Auto-fixing Output Parser con n8n?

El equipo te responde directamente.

Cada mensaje lo lee una persona.

FAQ

Lo que se pregunta después

01¿El nodo Auto-fixing Output Parser n8n es gratis?
Sí, por el lado de n8n. El nodo forma parte del paquete de IA de n8n y viene incluido: nada que instalar, ningún sobrecoste, tanto en n8n Cloud como en una instancia autoalojada bajo Community Edition y licencia Sustainable Use. Un flujo se comporta igual en ambos casos. Lo que sí cuesta es el modelo: cada corrección lanza una segunda llamada al modelo de chat conectado al puerto Chat Model, y ese proveedor factura sus propias llamadas de API según sus condiciones. Ese es el punto que hay que sopesar, no la factura de n8n.
02¿Qué credenciales necesita?
Ninguna. Este nodo no tiene credential, el identificador guardado en n8n para acceder a un servicio, ni selector Authentication. No hay nada que conectar ni cuenta que crear para él. La clave vive un paso más allá, en el subnodo de modelo de chat enganchado al puerto Chat Model: ese subnodo lleva el credential del proveedor y es el único sitio donde aparece una clave de API en este montaje. El parser envuelto tampoco tiene cuenta propia. Si la ejecución se cae por autenticación, abre el subnodo del modelo y no este.
03¿Qué límites tiene?
Dos que conviene saber. El primero: n8n lo marca como obsoleto y recomienda el Structured Output Parser en su lugar, así que un flujo montado hoy arranca por ahí y solo añade el envoltorio si los fallos de formato aparecen de verdad. El segundo: la superficie es mínima, versión 1 del nodo, 1 opción, y esa opción se reduce al Retry Prompt. No hay número de intentos que ajustar ni camino aparte si la corrección también falla. Y arregla la forma, jamás el contenido: una respuesta bien formada puede seguir estando equivocada.
04¿Qué hay que conectarle como mínimo?
Los dos puertos de entrada, porque los dos son requeridos. En el puerto Chat Model, un subnodo de modelo de chat: el OpenAI Chat Model es el más cómodo para empezar, porque su credential suele estar ya creado en n8n. En el puerto Output Parser, el parser que quieres proteger, casi siempre el Structured Output Parser, o el Item List Output Parser cuando la respuesta debe llegar en forma de lista. Después conecta el conjunto a un nodo raíz: AI Agent, AI Agent Tool o Basic LLM Chain, y el montaje queda cerrado.
05¿n8n o Make para este tipo de flujo con IA?
Depende de dónde quieras que corra el flujo. Make lo aloja Make, sin opción de autoalojamiento, y factura por operación: un reintento significa una llamada de modelo más y también un paso facturado más. n8n se instala en tu propio servidor o se usa en n8n Cloud, algo que pesa cuando los datos que pasan por el parser son sensibles, y su modelo de coste no sigue el número de pasos de la misma manera. La lógica visual de Make es más lineal; los nodos de IA de n8n funcionan como nodo raíz con subnodos colgados de puertos, justo la forma que este parser da por hecha.
Hack'celeration Lab

Recibe nuestros tips de integración cada semana.

Sin spam. Cancela cuando quieras.

Misma plataforma

Otros docs útiles sobre este stack.

Ver todas las integraciones