Glosario de n8n
Glosario
Agente de IA (AI agent)
Un agente de IA es un sistema de inteligencia artificial capaz de responder a solicitudes, tomar decisiones y ejecutar tareas en el mundo real en nombre del usuario. Utiliza modelos de lenguaje grandes (LLM) para comprender la entrada del usuario y decidir cómo utilizar la información y los recursos disponibles para procesar la solicitud de la mejor manera posible.
Cadena de IA (AI chain)
Una cadena de IA permite interactuar con modelos de lenguaje grandes (LLM) y otros recursos mediante llamadas secuenciales a distintos componentes. Las cadenas de IA en n8n no utilizan memoria persistente, por lo que no pueden hacer referencia al contexto de conversaciones anteriores (para ello, se debe usar un agente de IA).
Completación de IA (AI completion)
La completación (completion) se refiere a la respuesta generada por modelos como GPT.
Embedding de IA (AI embedding)
Un embedding es una representación numérica de datos mediante vectores. La IA interpreta datos y relaciones complejas al mapear valores en un espacio multidimensional. Una base de datos vectorial (vector store) es una base de datos diseñada específicamente para almacenar y recuperar vectores de embedding.
Fundamentación de IA (AI groundedness)
En el ámbito de la IA, especialmente en escenarios de generación aumentada por recuperación (RAG), la fundamentación y la falta de fundamentación son métricas que miden hasta qué punto las respuestas del modelo reflejan con precisión la información original. Los modelos generan respuestas fundamentadas basadas en documentos fuente, mientras que las respuestas no fundamentadas implican especulaciones o alucinaciones que no están respaldadas por dichos documentos.
Alucinación de IA (AI hallucination)
La alucinación de IA ocurre cuando un modelo de lenguaje grande (LLM) percibe erróneamente patrones u objetos que en realidad no existen.
Reordenamiento de IA (AI reranking)
El reordenamiento (reranking) es una técnica que optimiza el orden de los documentos candidatos para mejorar la relevancia de los resultados de búsqueda. La generación aumentada por recuperación (RAG) y otras aplicaciones utilizan esta técnica para priorizar la información más relevante, ya sea para generar respuestas o para tareas posteriores.
Memoria de IA (AI memory)
La memoria de IA permite que un agente recuerde e invoque interacciones previas durante una conversación, manteniendo así la coherencia del diálogo.
Generación aumentada por recuperación de IA (AI retrieval-augmented generation, RAG)
La generación aumentada por recuperación (RAG) es una técnica que permite a los LLM obtener información nueva desde fuentes externas, con el objetivo de mejorar la calidad de las respuestas de la IA. Los sistemas RAG recuperan documentos relevantes y anclan las respuestas en conocimientos actualizados, específicos de un dominio o propietarios, complementando así los datos originales del entrenamiento. Estos sistemas suelen depender de bases de datos vectoriales para gestionar y recuperar eficientemente estos datos externos.
Herramienta de IA (AI tool)
En el contexto de la IA, una herramienta es un recurso adicional que la IA puede invocar al responder a una solicitud para obtener información específica o realizar una función concreta. Los modelos de IA pueden usar herramientas para interactuar con sistemas externos o para llevar a cabo tareas especializadas.
Base de datos vectorial de IA (AI vector store)
Una base de datos vectorial (vector store) almacena representaciones matemáticas de la información. Al combinarse con embeddings y recuperadores (retrievers), permite construir una base de conocimiento a la que la IA puede acceder al responder preguntas.
Interfaz de programación de aplicaciones (API)
Una interfaz de programación de aplicaciones (API) proporciona acceso programático a los datos y funcionalidades de un servicio. Las APIs facilitan la interacción del software con sistemas externos y suelen ofrecerse como alternativa a las operaciones manuales tradicionales realizadas a través de un navegador o interfaz de usuario.
Lienzo (canvas, n8n)
El lienzo es el área principal de la interfaz del editor de n8n donde se construyen los flujos de trabajo. En él se añaden nodos y se conectan entre sí para formar un flujo de trabajo completo.
Nodo de clúster (cluster node, n8n)
En n8n, un nodo de clúster es un grupo de nodos que trabajan juntos para proporcionar una funcionalidad específica dentro de un flujo de trabajo. Está compuesto por un nodo raíz y uno o varios nodos secundarios que amplían la funcionalidad del nodo raíz.
Credenciales (credential, n8n)
En n8n, las credenciales almacenan la información de autenticación necesaria para conectarse a aplicaciones y servicios específicos. Tras crear credenciales y rellenar la información de autenticación correspondiente (nombre de usuario/contraseña, clave API, tokens OAuth, etc.), se puede interactuar con el servicio mediante el nodo de la aplicación correspondiente.
Fijación de datos (data pinning, n8n)
La fijación de datos permite congelar temporalmente los datos de salida de un nodo durante el desarrollo de un flujo de trabajo. Esto posibilita trabajar con datos predecibles sin tener que realizar repetidas solicitudes a servicios externos. En entornos de producción, los flujos de trabajo ignoran los datos fijados y obtienen nuevos datos en cada ejecución.
Editor (editor, n8n)
La interfaz del editor de n8n se utiliza para crear y gestionar flujos de trabajo. Su área principal es el lienzo, donde se añaden, configuran y conectan nodos para construir flujos de trabajo. La barra lateral y el panel superior ofrecen acceso a otras interfaces, como credenciales, plantillas, variables e historial de ejecuciones.
Derecho (entitlement, n8n)
En n8n, un derecho concede a una instancia específica de n8n acceso a funciones limitadas por plan durante un período determinado.
Un derecho flotante es un conjunto de derechos que se puede distribuir entre varias instancias de n8n. Puedes reasignar estos derechos flotantes para transferir permisos de acceso a diferentes instancias de n8n.
Evaluación (evaluation, n8n)
En n8n, la función de evaluación permite anotar y organizar el historial de ejecuciones, y compararlo con nuevas ejecuciones. Esto te ayuda a comprender cómo cambia el rendimiento de un flujo de trabajo a medida que se itera y modifica, lo cual resulta especialmente útil al desarrollar flujos de trabajo centrados en IA.
Expresión (expression, n8n)
En n8n, las expresiones permiten rellenar dinámicamente los parámetros de los nodos mediante la ejecución de código JavaScript. Puedes utilizar la sintaxis de expresiones de n8n para definir valores de parámetros en lugar de usar valores estáticos fijos. Las expresiones pueden hacer referencia a datos procedentes de nodos anteriores, otros flujos de trabajo o el entorno de n8n.
LangChain
LangChain es un framework de desarrollo de IA diseñado para trabajar con modelos de lenguaje grandes (LLM). Proporciona un sistema estandarizado que permite interactuar con múltiples modelos y otros recursos, y combinar distintos componentes para construir aplicaciones de IA complejas.
Modelo de lenguaje grande (Large language model, LLM)
Un modelo de lenguaje grande (LLM) es un modelo de aprendizaje automático de IA diseñado específicamente para tareas de procesamiento del lenguaje natural (PLN). Estos modelos construyen una representación probabilística del lenguaje y otros tipos de datos tras entrenarse con grandes volúmenes de información.
Nodo (node, n8n)
En n8n, un nodo es un componente independiente que forma parte de un flujo de trabajo. Los nodos definen cuándo se activa un flujo de trabajo, cómo se obtienen, envían o procesan datos, la lógica de control del flujo y la interacción con servicios externos.
Proyecto (project, n8n)
Los proyectos de n8n permiten agrupar flujos de trabajo, variables y credenciales en conjuntos independientes para facilitar su gestión. Los proyectos ayudan a los equipos a colaborar de forma más eficaz compartiendo y aislando recursos relacionados.
Nodo raíz (root node, n8n)
Cada nodo de clúster de n8n incluye un nodo raíz que define la funcionalidad principal del clúster. Uno o varios nodos secundarios se conectan al nodo raíz para ampliar su funcionalidad.
Nodo secundario (sub node, n8n)
Los nodos de clúster de n8n están formados por uno o varios nodos secundarios conectados a un nodo raíz. Estos nodos secundarios amplían la funcionalidad del nodo raíz, proporcionando acceso a servicios o recursos específicos, o capacidades de procesamiento especializadas (por ejemplo, una calculadora).
Plantilla (template, n8n)
Las plantillas de n8n son flujos de trabajo preconstruidos diseñados por el equipo de n8n y miembros de la comunidad, que pueden importarse en tu instancia de n8n. Al utilizar una plantilla, es posible que debas configurar credenciales y ajustar parámetros según tus necesidades.
Nodo disparador (trigger node, n8n)
Un nodo disparador es un tipo especial de nodo que inicia la ejecución de un flujo de trabajo cuando se cumple una condición específica. Todos los flujos de trabajo en producción deben incluir al menos un disparador que determine cuándo deben ejecutarse.
Flujo de trabajo (workflow, n8n)
Un flujo de trabajo de n8n es un conjunto de nodos organizados para automatizar un proceso completo. Se ejecuta cuando se cumple su condición de activación y se procesa secuencialmente para completar tareas complejas.