Este workflow de n8n automatiza la detección de anomalías en un conjunto de datos de cultivos utilizando Qdrant como base de datos vectorial y Voyage AI para incrustaciones de texto. El workflow comienza con un trigger manual. Luego, obtiene el conteo total de puntos en la colección Qdrant y calcula la matriz de distancia. Se utiliza un nodo de código personalizado (Scipy Sparse Matrix) para procesar la matriz. A continuación, se establecen los medoides (centroides) para los datos de cultivos, tanto para los datos vectoriales como para las descripciones textuales de los cultivos. Para las descripciones textuales, se utilizan las APIs de Voyage AI para generar incrustaciones vectoriales. Finalmente, se establecen los umbrales para la detección de anomalías y se devuelve información sobre los grupos de cultivos, incluyendo el conteo de cultivos por grupo. El workflow integra Qdrant, Voyage AI y un nodo de código personalizado para realizar el análisis. El flujo de datos es: Trigger manual → Qdrant (conteo de puntos, matriz de distancia, búsqueda de puntos, actualización de payload) → Código personalizado (procesamiento de matriz) → Voyage AI (generación de embeddings) → Qdrant (búsqueda de puntos, actualización de payload) → Salida con información de clusters y conteos.
- Automatiza la detección de anomalías en datos de cultivos.
- Utiliza Qdrant para el almacenamiento y la búsqueda de vectores.
- Integra Voyage AI para el procesamiento de texto y generación de embeddings.
- Emplea un nodo de código personalizado para el procesamiento de matrices dispersas.
- Proporciona información sobre los clusters de cultivos y sus conteos.