Recursos · Integración n8n

Nodo Postgres Chat Memory n8nConfigura Postgres Chat Memory en n8n.

Un agente de IA vuelve a empezar de cero en cada mensaje si nada guarda la conversación. El nodo Postgres Chat Memory n8n escribe ese historial en una tabla Postgres y lo relee en la siguiente ejecución. Dos parámetros que ajustar, un puerto donde engancharlo y la tabla se crea sola.

Probar el nodo Postgres Chat Memory en n8nVer los 2 parámetros

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

Por qué automatizar

¿Para qué sirve el nodo Postgres Chat Memory n8n?

Postgres Chat Memory es un subnodo, es decir, un nodo sin entrada principal que nunca se ejecuta por su cuenta. Se engancha al puerto de memoria de un nodo raíz como el AI Agent y, a partir de ahí, cada intercambio de la conversación acaba en una tabla Postgres. En el mensaje siguiente el agente relee esa tabla en lugar de arrancar en blanco. La memoria, en contexto de IA, es justo eso: el contexto de mensajes que una herramienta conserva entre interacciones.

Piensa en el asistente de reservas de un restaurante. Sin memoria, el cliente que escribe «¿y el sábado?» habla con un agente que ya no recuerda nada de la mesa anterior. Conecta el subnodo al puerto de memoria del AI Agent, indica un valor en Table Name y la conversación se sostiene entre mensajes, incluso después de reiniciar el flujo.

Segundo escenario: un asistente que usa media empresa a la vez. Cada conversación necesita su propio cajón, y de eso se encarga Session ID. O bien el subnodo recoge el campo sessionId que llega de un Chat Trigger conectado directamente, o bien construyes la clave con una expresión, esos pequeños cálculos de n8n del tipo {{ $json.userId }} que buscan un valor en un nodo anterior. Dos personas escribiendo a la vez, dos claves, dos historiales que no se cruzan.

El tercero es el agente interno sobre datos propios. Un modelo de chat de OpenAI para razonar, un par de herramientas que consultan tus APIs y el historial en Postgres, para que un compañero retome su pregunta una hora más tarde sin repetir el contexto. El mismo subnodo sirve también a un AI Agent Tool cuando otro flujo llama al agente.

¿Cuándo conviene otra cosa? En cuanto se trata de leer, modificar o vaciar los mensajes guardados en vez de solo acumularlos, el trabajo es del nodo raíz Chat Memory Manager. Y si tu flujo se apoya en una cadena de IA en lugar de un agente, el asunto ni se plantea: los nodos de agente de n8n aceptan memoria, las cadenas no.

Dos límites antes de montarlo. Varios nodos Postgres Chat Memory en un mismo flujo apuntan por defecto a la misma instancia de memoria, así que una acción destructiva en un sitio pisa lo que otro nodo había guardado; con session IDs distintos quedan separados. Y el nodo expone 2 parámetros de cabecera en la versión 1, ni uno más: todo lo que vaya más allá de guardar y releer un hilo ocurre a su alrededor. El Curso n8n repasa ese montaje paso a paso, y la Reseña n8n ayuda a situar la herramienta antes de apostar por ella.

Conexión

¿Qué hace falta para que el nodo funcione?

  1. 01

    Crea la credencial de Postgres

    Entra en el menú Credentials de n8n y añade una credencial de Postgres. Pide un Host, un nombre de Database, un User y una Password, más un Port, un modo SSL y, solo si la base está detrás de uno, un SSH Tunnel. Una vez creada sirve en todos los flujos de la instancia, en n8n Cloud o en autoalojado. La rellenas una vez, la seleccionas en el nodo y se acabó copiar datos de conexión a mano.

  2. 02

    Engancha el subnodo a un puerto de memoria

    Este nodo no tiene entrada principal: solo en el lienzo no hace nada. Arrastra su conector hasta el puerto de memoria de un nodo raíz que lo acepte, o sea AI Agent, AI Agent Tool, Chat Memory Manager o Chat Trigger. Esa línea es la que le dice a n8n de qué conversación habla la tabla. Mientras falte, el agente seguirá tratando cada mensaje como si fuera el primero de la charla.

  3. 03

    Pon nombre a la tabla y a la sesión

    Rellena Table Name con la tabla que guardará el historial de chat. Si no existe, n8n la crea, así que un nombre nuevo es una respuesta válida en el primer arranque. Después elige cómo se construye Session ID: fromInput para reutilizar el campo sessionId que llega de un Chat Trigger conectado directamente, o customKey para definir el valor tú, con una expresión o con texto fijo.

Conexiones

¿En qué puerto se conecta este subnodo?

Un flujo de IA en n8n gira alrededor de un nodo raíz que recibe los items, rodeado de subnodos enganchados a sus puertos, un tipo de subnodo por puerto.

Salida (dónde se conecta)

  • Memoryai_memory
01MemoryPostgres Chat Memory solo ofrece una salida de memoria, y ahí termina su territorio. El nodo raíz que elijas decide qué conversación se conserva.

Postgres Chat Memory solo ofrece una salida de memoria, y ahí termina su territorio. El nodo raíz que elijas decide qué conversación se conserva.

Parámetros clave

  • Optional: un nodo raíz funciona sin memoria, simplemente responde a cada mensaje sin recuerdo del anterior.
  • AI Agent y AI Agent Tool: los anfitriones habituales, para un asistente que sigue un hilo.
  • Chat Memory Manager y Chat Trigger: los otros dos nodos raíz que aceptan este puerto.
Casos de uso
un agente de soporte que recupera por sí mismo el número de pedido citado tres mensajes antes, sin reenviarle toda la conversación.
Parámetros

¿Qué parámetros se tocan de verdad?

El nodo Postgres Chat Memory tiene 2 parámetros. Para cada uno: el nodo tal como lo configuras en n8n, qué cambia el parámetro y nuestras notas de campo.

01

Session ID

sessionIdType

Lo que ves en n8n

Notas y casos de uso

Este parámetro responde a una sola pregunta: ¿bajo qué clave se archiva esta conversación? Mal puesto, dos usuarios comparten historial, o la misma persona vuelve a empezar en cada mensaje.

Parámetros clave

  • Connected Chat Trigger Node (fromInput): busca un campo de entrada llamado sessionId que venga de un Chat Trigger conectado directamente.
  • Define below (customKey): una expresión que apunta a los datos de nodos anteriores, o texto fijo.
  • Key (sessionKey): la clave con la que se guarda el identificador de sesión en la memoria.
Casos de uso
un chatbot abierto a todo el equipo, donde {{ $json.userId }} da a cada persona su hilo privado.
02

Table Name

tableName

Lo que ves en n8n

Notas y casos de uso

Aquí se nombra la tabla Postgres que almacena el historial de chat. Nada que preparar en la base: si la tabla no existe, se crea en la primera ejecución.

Parámetros clave

  • Table Name (tableName): el nombre de la tabla donde guardar el historial, creada automáticamente si falta.
Casos de uso
una tabla por asistente, para que el bot comercial y el de soporte guarden sus conversaciones por separado aunque lean la misma base.
Necesitas ayuda

¿Necesitas ayuda para automatizar Postgres Chat Memory con n8n?

El equipo te responde directamente.

Cada mensaje lo lee una persona.

FAQ

Lo que se pregunta después

01¿El nodo Postgres Chat Memory viene incluido en n8n?
Sí. Forma parte del paquete de IA de n8n, @n8n/n8n-nodes-langchain, que se entrega con n8n. No hay nada que instalar ni coste añadido por parte de n8n, y se comporta igual en n8n Cloud que en una instancia autoalojada con la Community Edition bajo licencia Sustainable Use. El único coste posible está en otro sitio: el proveedor del modelo de chat conectado al agente factura sus propias llamadas de API según sus condiciones, y n8n no añade nada encima. El nodo de memoria solo habla con tu base Postgres, así que su coste es el de esa base.
02¿Qué necesitas para que funcione?
Dos cosas. Una credencial de Postgres, creada una vez en el menú Credentials de n8n y reutilizable en todos los flujos; la documentación del nodo remite a la página de la credencial Postgres para los detalles de autenticación. Y un nodo raíz donde engancharlo, porque es un subnodo sin entrada principal que nunca se ejecuta solo. Vale el puerto de memoria de un AI Agent, un AI Agent Tool, un Chat Memory Manager o un Chat Trigger. Quedan Table Name y Session ID por rellenar, y ya está. La tabla no tiene que existir de antemano.
03¿Qué límites tiene el nodo Postgres Chat Memory n8n?
En la versión 1 el nodo expone 2 parámetros de cabecera, Session ID y Table Name, y nada más. Guarda y reproduce un historial de conversación, hasta ahí llega. Leer, modificar o sobrescribir los mensajes ya guardados es tarea del nodo raíz Chat Memory Manager. Tampoco sirve a una cadena de IA, porque los nodos de agente de n8n aceptan memoria y las cadenas no. Un escollo más: varios nodos Postgres Chat Memory en un flujo apuntan por defecto a la misma instancia de memoria, de modo que una acción destructiva pisa lo que otro escribió mientras cada nodo no lleve su propio session ID.
04¿Qué hay que conectar como mínimo a un agente de IA?
Un modelo de chat. Un agente sin modelo conectado no tiene con qué razonar, y es la credencial del proveedor la que le abre la puerta. La memoria llega justo después, y este nodo es una elección sensata si ya tienes Postgres funcionando: el historial sobrevive a los reinicios y se queda en una base que controlas. Empieza sencillo: un nodo raíz, un modelo de chat, este subnodo de memoria con Session ID en la opción del Chat Trigger conectado y un nombre de tabla inventado sobre la marcha. Las herramientas vienen luego, cuando la conversación ya se sostiene.
05¿n8n o Make para un asistente de IA con memoria?
Depende sobre todo de dónde deben vivir tus datos. Make está alojado por Make, sin opción de autoalojamiento, y se factura por operación. n8n corre en n8n Cloud o en tus propios servidores con Docker o npm, con un flujo idéntico en ambos casos, algo que pesa cuando las transcripciones acaban en una base de la que respondes tú. Guardar el historial en tu Postgres exige además poder alcanzarlo, así que el autoalojamiento cambia el planteamiento. Los modelos de coste también difieren: por operación en un lado, por alojamiento en el otro. Los dos se construyen en visual, así que el lienzo rara vez decide.
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