Recursos · Integración n8n

Nodo Question and Answer Chain n8nConfigura Question and Answer Chain en n8n.

El nodo Question and Answer Chain n8n contesta una pregunta con los documentos que ya tienes indexados. Expone 2 parámetros, Source for Prompt (User Message) y Options, y funciona con 2 subnodos conectados, un modelo de chat y un retriever. Pensado para montar un asistente de documentación.

Probar el nodo Question and Answer Chain en n8nVer los 2 parámetros

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

Por qué automatizar

¿Para qué sirve el nodo Question and Answer Chain n8n?

Recibe una pregunta, se la pasa a un retriever, un subnodo que rastrea una fuente indexada y devuelve los fragmentos que encajan, y después pide a un modelo de chat que redacte la respuesta usando solo esos fragmentos. Un subnodo es una pieza pequeña que se engancha a un puerto, debajo del nodo principal, y que nunca se ejecuta por su cuenta. Sale una respuesta por cada item de entrada, sin memoria de la pregunta anterior.

Primer escenario: el soporte de un ecommerce. La base de artículos de ayuda está indexada, un Vector Store Retriever la consulta, y la cadena devuelve para cada consulta el fragmento que aplica. La respuesta cae en Slack y quien atiende lee un borrador en lugar de abrir un buscador.

Segundo escenario: revisar documentos largos. La plantilla 1960 de n8n.io hace justo eso, un archivo entra por Google Drive, se trocea y se indexa, y luego la cadena responde preguntas sobre él. Aquí Source for Prompt (User Message) vale define y Prompt (User Message) lleva una expresión como {{ $json.question }}, es decir una referencia a un campo del item que entra.

Tercer escenario: una ventana de chat sobre tu propia documentación. Pones el origen del prompt en auto, conectas delante un Chat Trigger, y cada mensaje que llega con un campo chatInput se convierte en pregunta.

Cuándo elegir otra cosa. Esta cadena busca y responde, nada más. En cuanto hay varios pasos, una decisión o una llamada a un servicio externo, el nodo raíz correcto es AI Agent, con las herramientas que le das mediante AI Agent Tool. Y si no hay nada que recuperar de unos documentos, basta una llamada directa al modelo desde OpenAI o Anthropic.

Los límites conocidos. Los 2 puertos son obligatorios: un Retriever vacío detiene la ejecución con un error explícito. Las respuestas salen cortas por defecto, y el ajuste está en el subnodo del modelo o en repartir el trabajo entre varios prompts. El proveedor del modelo cobra sus propias llamadas de API según sus condiciones, n8n no añade nada encima.

Conexiones

¿Qué se conecta a este nodo?

La cadena es un nodo raíz: el flujo alimenta su entrada principal, y las dos piezas de abajo se enganchan en puertos situados bajo el nodo, un tipo de subnodo por puerto.

Puertos (qué se conecta)

  • Chat Modelai_languageModelobligatorio
  • Retrieverai_retrieverobligatorio
01Chat ModelEste puerto recibe el modelo que redacta la frase final a partir de los fragmentos recuperados. También es quien lleva el credential del proveedor, la credencial guardada en n8n, y por eso la cadena no tiene nada que autenticar.

Este puerto recibe el modelo que redacta la frase final a partir de los fragmentos recuperados. También es quien lleva el credential del proveedor, la credencial guardada en n8n, y por eso la cadena no tiene nada que autenticar.

Parámetros clave

  • Required: si queda vacío, el nodo no arranca.
  • OpenAI Chat Model o Anthropic Chat Model: los dos puntos de partida más habituales en las plantillas.
  • Google Gemini Chat Model u Ollama Chat Model: el segundo cuando todo tiene que quedarse en tu máquina.
Casos de uso
cambiar este subnodo altera el tono y la extensión de las respuestas sin tocar el resto de la cadena.
02RetrieverEste puerto decide de dónde sale el contexto. El retriever recibe la pregunta, busca en su fuente y devuelve los fragmentos que el modelo puede usar.

Este puerto decide de dónde sale el contexto. El retriever recibe la pregunta, busca en su fuente y devuelve los fragmentos que el modelo puede usar.

Parámetros clave

  • Required: sin retriever enganchado, la ejecución se corta con un error de subnodo Retriever.
  • Vector Store Retriever: lee un almacén que llenaste antes, la opción normal para documentos indexados.
  • Workflow Retriever o MultiQuery Retriever: el primero busca el contexto en otro flujo, el segundo reformula la pregunta en varias búsquedas.
Casos de uso
una base que cambia a diario se sirve mejor con un Workflow Retriever que con un almacén reconstruido cada noche.
Parámetros

¿Qué parámetros hay que ajustar?

El nodo Question and Answer Chain tiene 2 parámetros. Para cada uno: el nodo tal como lo configuras en n8n, qué cambia el parámetro y nuestras notas de campo.

01

Source for Prompt (User Message)

promptType

Lo que ves en n8n

Notas y casos de uso

Este selector le dice a la cadena de dónde viene la pregunta. Conviene dejarlo cerrado desde el principio, porque un prompt vacío es el fallo más repetido de este nodo.

Parámetros clave

  • Connected Chat Trigger Node (auto): busca un campo chatInput que llegue de un Chat Trigger conectado directamente.
  • Define below (define): una expresión que apunta a datos de nodos anteriores, o texto fijo.
  • Prompt (User Message): la pregunta en sí, obligatoria en cuanto defines el prompt aquí, casi siempre {{ $json.question }}.
Casos de uso
una cola de consultas entra por la expresión, una ventana de chat entra por el trigger.
02

Options

options

Lo que ves en n8n

Notas y casos de uso

Una colección que se rellena con Add Option. Nada es obligatorio aquí, y las dos entradas pesan en cuanto la cadena deja la prueba y empieza a recorrer una lista.

Parámetros clave

  • System Prompt Template: la plantilla de texto del prompt de sistema. Tiene que incluir la variable {context} para el contexto recuperado, y {question} para los modelos de completado de texto.
  • Batch Processing: las opciones de proceso por lotes, pensadas para respetar los límites de ritmo cuando una ejecución lanza muchas preguntas seguidas.
Casos de uso
reescribir esa plantilla es lo que obliga a citar la fuente o a admitir que no hay respuesta.
Necesitas ayuda

¿Necesitas ayuda para automatizar Question and Answer Chain con n8n?

El equipo te responde directamente.

Cada mensaje lo lee una persona.

FAQ

Lo que se pregunta después

01¿El nodo Question and Answer Chain viene incluido en n8n?
Sí. Forma parte del paquete de IA que se entrega con n8n, así que está tanto en n8n Cloud como en una instancia autoalojada, en Community Edition bajo licencia Sustainable Use. No hay nada que instalar ni ningún sobrecoste por el lado de n8n, y un flujo se comporta igual si corre en Docker sobre tu servidor o en la oferta alojada. La única factura que aparece viene del proveedor del modelo conectado al puerto Chat Model, que cobra sus propias llamadas de API según sus condiciones.
02¿Qué hace falta para que funcione el nodo Question and Answer Chain n8n?
Nada en el nodo. No tiene credential ni selector Authentication: ninguna cuenta que conectar, ninguna clave que pegar dentro. Lo que necesita son dos subnodos en sus puertos. El subnodo del modelo lleva la credencial del proveedor, así que la clave se guarda ahí, por ejemplo en un OpenAI Chat Model o en un Anthropic Chat Model. El subnodo retriever lleva lo que pida su propia fuente, normalmente el almacén vectorial que consulta. Con esas dos piezas enganchadas, la cadena ya ejecuta.
03¿Qué límites tiene este nodo?
Responde preguntas sobre documentos recuperados, y ese es todo su trabajo. No guarda memoria entre preguntas, no toma decisiones y no llama por su cuenta a ningún servicio externo. Los dos puertos son obligatorios, de modo que un Retriever vacío corta la ejecución con un error explícito. Las respuestas salen además bastante breves por defecto. Los arreglos documentados son un modelo con una ventana de contexto mayor, un Maximum Number of Tokens más alto en el subnodo del modelo, o una respuesta construida en varios prompts. La versión descrita aquí es la 2.
04¿Qué hay que conectar como mínimo y por dónde empezar?
Dos subnodos, ni uno menos: un modelo de chat en el puerto Chat Model y un retriever en el puerto Retriever. Para un primer montaje, la pareja que más aparece en las plantillas es un OpenAI Chat Model con un Vector Store Retriever que lee un almacén llenado antes. La indexación de los documentos va en un flujo aparte, con un cargador, un troceado de texto y un nodo de embeddings, y luego el retriever apunta a ese almacén. Cuando las respuestas convencen, cambiar de proveedor de modelo cuesta un minuto.
05¿n8n o Make para una cadena de preguntas y respuestas?
Depende de dónde vivan los datos y de cómo prefieras pagar. n8n corre en tu servidor o en su oferta alojada, con el mismo flujo en los dos casos, algo que pesa cuando los documentos indexados son internos. Make solo existe alojado, sin opción de autoalojamiento, y cobra por operación, lo que se presupuesta bien con un volumen estable. En la parte de IA la diferencia está en el modelo de subnodos: en n8n la cadena, su modelo y su retriever son piezas separadas que se cambian una a una. Prueba las dos con una pregunta real antes de decidir.
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