Resumen del flujo de trabajo

Este es un flujo de trabajo automatizado en n8n que utiliza GPT-4 para generar datos aleatorios de usuarios y exportarlos como archivos CSV. El flujo llama a la API de OpenAI para crear información ficticia de usuarios, procesa dichos datos y los guarda como múltiples archivos CSV en el disco local.

Desglose del flujo de trabajo

1. Fase de activación

• Nodo: When clicking "Execute Workflow" (disparador manual)
• Función: Inicia la ejecución completa del flujo al hacer clic manualmente.
• Ubicación: Nodo inicial del flujo de trabajo.

2. Fase de generación de datos

• Nodo: OpenAI
• Tipo: n8n-nodes-base.openAi
• Configuración:
  • Modelo utilizado: GPT-4
  • Número de llamadas: 3
  • Máximo de tokens: 2500
  • Temperatura: 1 (para mayor aleatoriedad)
• Prompt: Solicita a GPT-4 generar un array JSON con 10 usuarios aleatorios que contengan los siguientes campos:
  • user_name: Nombre ficticio (nombre y apellido cuyas iniciales coincidan)
  • user_email: Dirección de correo electrónico
  • subscribed: Estado de suscripción (valor booleano)
  • date_subscribed: Fecha de suscripción (si está suscrito, una fecha aleatoria anterior al 2023-10-01)

3. Fase de procesamiento por lotes

• Nodo: Split In Batches
• Función: Divide las 3 respuestas de OpenAI en lotes, procesando una por vez.
• Tamaño del lote: 1
• Propósito: Asegura que cada lista generada de usuarios se procese y guarde como un archivo CSV independiente.

4. Fase de análisis de datos

• Nodo: Parse JSON
• Tipo: Nodo Set
• Función: Convierte la cadena JSON devuelta por OpenAI en un objeto JSON real.
• Operación: Extrae el campo message.content y lo analiza como un array.

5. Fase de expansión de datos

• Nodo: Make JSON Table
• Tipo: Nodo Item Lists
• Función: Expande cada objeto de usuario dentro del array JSON en elementos de datos individuales.
• Campo: Expande el campo "content".

6. Fase de conversión a CSV

• Nodo: Convert to CSV
• Tipo: Nodo Spreadsheet File
• Configuración:
  • Formato de salida: CSV
  • Nombre del archivo: funny_names_[número].csv (el número comienza desde 1)
  • Incluir encabezado: Sí

7. Fase de limpieza de datos

7.1 Eliminación de bytes BOM

• Nodo: Strip UTF BOM bytes
• Tipo: Nodo Move Binary Data
• Función: Elimina los bytes BOM (Byte Order Mark) de UTF-8.
• Importancia: Evita problemas de codificación al leer los archivos CSV.

7.2 Creación de binario válido

• Nodo: Create valid binary
• Tipo: Nodo Move Binary Data
• Configuración:
  • Modo: Conversión de JSON a binario
  • Codificación: UTF-8
  • Tipo MIME: text/csv
  • Sin añadir BOM
• Función: Convierte los datos procesados en un archivo binario con formato correcto.

8. Fase de guardado de archivos

• Nodo: Save to Disk
• Tipo: Nodo Write Binary File
• Ruta: ./.n8n/funny_names_[número].csv
• Función: Guarda los archivos CSV generados en el directorio de trabajo de n8n.
• Bucle: Tras guardar, regresa al nodo Split In Batches para procesar el siguiente lote.

Características del flujo de trabajo

Ventajas

1. Alto grado de automatización: Genera varios archivos CSV con datos aleatorios con un solo clic.
2. Formato de datos estandarizado: La estructura de los datos generados es clara y representa escenarios reales.
3. Capacidad de procesamiento por lotes: Permite generar simultáneamente múltiples conjuntos de datos distintos.
4. Manejo adecuado de codificación: Trata explícitamente el problema del BOM, garantizando compatibilidad del archivo.

Casos de uso

• Generación de datos de prueba
• Rellenado de datos en entornos de desarrollo
• Demostraciones y capacitación
• Pruebas de flujos de procesamiento de archivos CSV

Datos fijos

El flujo incluye 3 conjuntos de datos de prueba pregenerados (pinData), cada uno con 10 registros de usuarios. Estos datos ya están fijados en el nodo OpenAI para facilitar pruebas y demostraciones sin necesidad de llamar a la API cada vez.

Consideraciones importantes

1. Se requiere configurar credenciales válidas de la API de OpenAI.
2. Asegúrese de que el directorio .n8n exista y tenga permisos de escritura.
3. El tratamiento del byte BOM es crucial para la lectura correcta de archivos CSV entre plataformas.
4. Los datos generados son ficticios y deben usarse únicamente con fines de prueba.