Este workflow construye un chatbot utilizando Google Gemini como modelo de lenguaje, Langchain para la gestión de memoria y agentes, y Supabase como base de datos. El flujo comienza con un trigger manual (‘Test workflow’). Se establecen variables de entrada (‘Set sample Input Variables’), que alimentan a un agente Langchain (‘Sample Agent’). Este agente interactúa con Gemini (‘GeminiFlash2.0’) para procesar las consultas del usuario. La memoria del chatbot se gestiona a través de una base de datos PostgreSQL en Supabase (‘Supabase Postgres Database’). Finalmente, el agente actualiza la información en la base de datos Supabase (‘Update additonal Values e.g. Name, Address …’). En resumen, el usuario interactúa con el chatbot, Gemini genera una respuesta, Langchain gestiona la memoria en Supabase, y Supabase almacena la conversación y otros datos.
- Integración de Google Gemini para procesamiento de lenguaje natural.
- Uso de Langchain para la gestión de agentes y memoria del chatbot.
- Almacenamiento de datos de conversación y contexto en una base de datos Supabase.
- Actualización dinámica de información en Supabase tras cada interacción.
- Diseño modular que permite la fácil expansión con nuevas funcionalidades.