Descubre cómo la nueva integración de n8n con Cohere puede transformar tus agentes de IA en Wassenger
¿Alguna vez construiste un chatbot que parecía prometedor pero luego ofrecía respuestas irrelevantes o confusas? No estás solo. Uno de los mayores desafíos al crear agentes de IA inteligentes es lograr que ofrezcan respuestas precisas y relevantes de forma consistente.
La buena noticia es que n8n acaba de lanzar una función revolucionaria que cambia las reglas del juego: integración con los re-rankers de Cohere. Y lo mejor es que ahora puedes aprovechar esta potente tecnología directamente desde Wassenger Flows, sin necesidad de configurar servidores ni lidiar con instalaciones complejas.
👉 Comienza tu prueba gratuita de 7 días en Wassenger y aprovecha nuestros potentes WhatsApp automation flows para transformar tu servicio al cliente hoy mismo! ⚡
¿Qué son los Re-rankers y por qué importan?
Imagina que tienes una biblioteca gigante con miles de libros. Cuando alguien te hace una pregunta, necesitas encontrar los libros más relevantes rápidamente. Los métodos tradicionales de búsqueda vectorial son como un bibliotecario que trabaja muy rápido pero a veces trae libros que no son exactamente lo que necesitas.
Los re-rankers son como un segundo bibliotecario experto que revisa esa primera selección y entrega solo los libros más útiles y precisos para tu consulta específica.
El problema con la búsqueda vectorial tradicional
En un sistema típico RAG (Retrieval-Augmented Generation), el proceso funciona así:
- Los documentos se dividen en pequeños fragmentos de texto
- Cada fragmento se convierte en números (vectores) que representan su significado
- Cuando haces una pregunta, también se convierte en números
- El sistema busca fragmentos que sean matemáticamente “más cercanos” a tu pregunta
¿El problema? Esta búsqueda puede pasar por alto matices importantes. Es como buscar canciones similares solo por su ritmo, ignorando la letra o el género.
👉 Comienza tu prueba gratuita de 7 días en Wassenger y aprovecha nuestros potentes WhatsApp automation flows para transformar tu servicio al cliente hoy mismo! ⚡
La solución: búsqueda en dos etapas
Los re-rankers implementan lo que se conoce como una búsqueda en dos etapas:
Etapa 1: Recuperación amplia
- El sistema busca un gran número de resultados potenciales (20–50 fragmentos)
- Es rápido pero no perfectamente preciso
Etapa 2: Re-rankeo inteligente
- Los re-rankers analizan tu pregunta y cada fragmento simultáneamente
- Generan puntuaciones de relevancia súper precisas
- Devuelven solo los 3–5 fragmentos más útiles
Wassenger Flows: ha llegado la revolución en la nube
Aquí es donde Wassenger Flows se convierte en tu mejor aliado. Tradicionalmente, implementar estas tecnologías avanzadas requería:
- ✗ Configurar tus servidores
- ✗ Instalar y mantener n8n
- ✗ Gestionar actualizaciones y dependencias
- ✗ Conocimientos técnicos avanzados
Con Wassenger Flows, todo eso desaparece. Nuestra nueva función incluye todo el poder de la interfaz de n8n directamente en la nube, lo que significa que puedes:
- ✅ Crear agentes de IA avanzados sin configuración técnica
- ✅ Usar los re-rankers de Cohere con solo unos clics
- ✅ Implementar búsqueda híbrida sin complicaciones
- ✅ Escalar automáticamente según tus necesidades
👉 Comienza tu prueba gratuita de 7 días en Wassenger y aprovecha nuestros potentes WhatsApp automation flows para transformar tu servicio al cliente hoy mismo! ⚡
Implementación práctica: paso a paso
Configuración básica en Wassenger Flows
- Accede a Wassenger Flows desde tu cuenta
- Crea un nuevo flow usando la plantilla “Agente de IA con Re-ranking”
- Conecta tu base de datos vectorial (p. ej., Supabase, Pinecone).
- Agrega tu clave API de Cohere en las credenciales
- Activa el interruptor “Re-rank Results”
Configuración avanzada: Búsqueda híbrida
Para casos de uso más complejos, Wassenger Flows te permite implementar:
- Filtrado por metadata: Buscar solo en subconjuntos relevantes de tu información
- Búsqueda híbrida: Combinar búsqueda vectorial con búsqueda de texto completo
- Múltiples re-rankers: Para diferentes tipos de consultas
Obtén el workflow completo aquí 👇
{
"name": "AI Agent Rerank Cohere",
"nodes": [
{
"parameters": {
"options": {
"systemMessage": "=# Company Business Intelligence Assistant\n\nYou are \"[REDACTED_COMPANY_NAME]\", a specialized business intelligence assistant for the company.Your primary responsibility is to provide answers exclusively based on the available knowledge sources.\n\n## Knowledge Sources\nYou have access to two critical knowledge bases:\n1.**CompanyDocuments** - Contains business documents, service guides, company information, and operational procedures\n2.**RestaurantLeads** - Contains potential restaurant client data including ratings, contact information, business details, and market insights\n\n## 🚨 CRITICAL: Tool Selection Protocol\n\n### MANDATORY Tool Usage Rules:\n**CompanyDocuments tool MUST be used for:**\n- ANY question about company services, capabilities, or offerings\n- Pricing inquiries(\"how much\", \"cost\", \"price\", \"fee\")\n- Company information(\"about the company\", \"what is the company\", \"company details\")\n- Business processes(\"how does the company work\", \"process\", \"procedure\")\n- Service features and benefits\n- Any question containing keywords: company, service, price, cost, business, how to, process, capability, offering\n\n**RestaurantLeads tool MUST be used for:**\n- Lead generation and prospecting requests\n- Restaurant recommendations and listings\n- Market analysis and competitive intelligence\n- Location-based restaurant queries\n- Rating, review, and business characteristic analysis\n- Contact information and outreach data\n\n### Search Strategy Hierarchy:\n1.**Company-specific queries** → Use CompanyDocuments FIRST, always\n2.**Restaurant/lead queries** → Use RestaurantLeads FIRST\n3.**Business intelligence/strategy** → Use BOTH tools sequentially\n4.**Ambiguous queries** → Default to CompanyDocuments first, then RestaurantLeads if needed\n\n## Execution Process(Follow Strictly):\n1.**Query Classification**: \n - Identify if query mentions company, services, pricing, or company info\n - If YES → Immediately use CompanyDocuments tool\n - If restaurant/lead focused → Use RestaurantLeads tool\n - If business strategy → Use both tools\n\n2.**Tool Selection Verification**:\n - Double-check that you're using the correct tool for the query type\n - When in doubt about company-related content → ALWAYS search CompanyDocuments\n\n3.**Search Execution**: \n - Execute search in identified tool(s) before generating any response\n - Use specific, relevant keywords from user query\n\n4.**Response Generation**: \n - Base response entirely on search results\n - Clearly cite which knowledge base provided the information\n - Match user's language(Indonesian/English)\n\n## Core Operating Principles\n- **MANDATORY SEARCH**: Never respond without searching appropriate knowledge base first\n- **NO EXTERNAL KNOWLEDGE**: Absolutely no information from outside the knowledge bases\n- **EXPLICIT SOURCE CITATION**: Always state \"Based on CompanyDocuments...\" or \"According to RestaurantLeads...\"\n- **LANGUAGE MATCHING**: Respond in exact same language as user input\n- **ACCURACY OVER COMPLETENESS**: Better to say \"no information found\" than guess\n\n## Quality Assurance Checklist\nBefore every response, verify:\n- ✅ Did I search the appropriate knowledge base?\n- ✅ Is my answer based solely on search results?\n- ✅ Did I cite the correct source?\n- ✅ Am I responding in the user's language?\n- ✅ Did I avoid using external knowledge?\n\n## Error Handling\nIf no relevant information found in knowledge bases:\n- **English**: \"I searched [specific knowledge base] but don't have information about [topic].Could you provide more specific details or rephrase your question?\"\n- **Indonesian**: \"Saya telah mencari di [basis pengetahuan spesifik] tetapi tidak memiliki informasi tentang [topik].Bisakah Anda memberikan detail yang lebih spesifik atau mengubah pertanyaan Anda?\"\n\n## Debugging Mode\nAlways mention in your response which tool you used:\n- \"After searching CompanyDocuments...\"\n- \"Based on my search in RestaurantLeads...\"\n- \"From both knowledge bases...\"\n\nThis helps identify if tool selection is working correctly.\n\nRemember: Your value comes from providing accurate, source-backed intelligence from the company's specific business context and restaurant lead database.Always search first, cite sources, and match the user's language."
}
},
"id": "[REDACTED_NODE_ID]",
"name": "AI Agent1",
"type": "@n8n/n8n-nodes-langchain.agent",
"position": [420, 1340],
"typeVersion": 2
},
{
"parameters": {
"options": {}
},
"id": "[REDACTED_NODE_ID]",
"name": "Embeddings OpenAI3",
"type": "@n8n/n8n-nodes-langchain.embeddingsOpenAi",
"position": [620, 1660],
"typeVersion": 1.2
},
{
"parameters": {
"mode": "retrieve-as-tool",
"toolName": "CompanyDocuments",
"toolDescription": "=MANDATORY TOOL for questions about: CompanyDocument services, pricing, company information, business processes, operational procedures, service capabilities, company policies, internal guidelines, and any [REDACTED_COMPANY_NAME]-specific business inquiries.Always use this tool first when users ask about [REDACTED_COMPANY_NAME] services or company information.",
"tableName": {
"__rl": true,
"mode": "list",
"value": "documents",
"cachedResultName": "documents"
},
"topK": 20,
"useReranker": true,
"options": {}
},
"id": "[REDACTED_NODE_ID]",
"name": "RAG1",
"type": "@n8n/n8n-nodes-langchain.vectorStoreSupabase",
"position": [640, 1520],
"typeVersion": 1.1
},
{
"parameters": {
"mode": "retrieve-as-tool",
"toolName": "RestaurantLeads",
"toolDescription": "=Search restaurant leads database containing potential client information, ratings, contact details, business characteristics, location data, and market insights.Use for lead generation, market analysis, and client prospecting.",
"tableName": {
"__rl": true,
"mode": "list",
"value": "restaurant_leads",
"cachedResultName": "restaurant_leads"
},
"topK": 20,
"useReranker": true,
"options": {}
},
"id": "[REDACTED_NODE_ID]",
"name": "Leads1",
"type": "@n8n/n8n-nodes-langchain.vectorStoreSupabase",
"position": [920, 1520],
"typeVersion": 1.1
},
{
"parameters": {
"options": {}
},
"id": "[REDACTED_NODE_ID]",
"name": "Embeddings OpenAI4",
"type": "@n8n/n8n-nodes-langchain.embeddingsOpenAi",
"position": [940, 1660],
"typeVersion": 1.2
},
{
"parameters": {
"content": "# Send Message",
"height": 580,
"width": 1360,
"color": 4
},
"id": "[REDACTED_NODE_ID]",
"name": "Sticky Note4",
"type": "n8n-nodes-base.stickyNote",
"position": [60, 1240],
"typeVersion": 1
},
{
"parameters": {
"contextWindowLength": 20
},
"id": "[REDACTED_NODE_ID]",
"name": "Chat Memory",
"type": "@n8n/n8n-nodes-langchain.memoryPostgresChat",
"position": [500, 1500],
"typeVersion": 1.3
},
{
"parameters": {
"model": {
"__rl": true,
"mode": "list",
"value": "gpt-4o-mini"
},
"options": {}
},
"id": "[REDACTED_NODE_ID]",
"name": "Chat Model",
"type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
"position": [360, 1500],
"typeVersion": 1.2
},
{
"parameters": {
"modelName": "rerank-multilingual-v3.0"
},
"id": "[REDACTED_NODE_ID]",
"name": "Reranker Cohere",
"type": "@n8n/n8n-nodes-langchain.rerankerCohere",
"position": [760, 1660],
"typeVersion": 1
},
{
"parameters": {
"modelName": "rerank-multilingual-v3.0"
},
"id": "[REDACTED_NODE_ID]",
"name": "Reranker Cohere1",
"type": "@n8n/n8n-nodes-langchain.rerankerCohere",
"position": [1060, 1660],
"typeVersion": 1
},
{
"parameters": {
"events": ["message:in:new"]
},
"type": "n8n-nodes-wassenger.wassengerTrigger",
"typeVersion": 1,
"position": [220, 1340],
"id": "[REDACTED_NODE_ID]",
"name": "Wassenger Trigger",
"webhookId": "[REDACTED_WEBHOOK_ID]",
"credentials": {
"wassengerApiKey": {
"id": "[REDACTED_CREDENTIAL_ID]",
"name": "[REDACTED_CREDENTIAL_NAME]"
}
}
}
],
"pinData": {},
"connections": {
"RAG1": {
"ai_tool": [
[
{
"node": "AI Agent1",
"type": "ai_tool",
"index": 0
}
]
]
},
"Leads1": {
"ai_tool": [
[
{
"node": "AI Agent1",
"type": "ai_tool",
"index": 0
}
]
]
},
"Chat Model": {
"ai_languageModel": [
[
{
"node": "AI Agent1",
"type": "ai_languageModel",
"index": 0
}
]
]
},
"Chat Memory": {
"ai_memory": [
[
{
"node": "AI Agent1",
"type": "ai_memory",
"index": 0
}
]
]
},
"Reranker Cohere": {
"ai_reranker": [
[
{
"node": "RAG1",
"type": "ai_reranker",
"index": 0
}
]
]
},
"Reranker Cohere1": {
"ai_reranker": [
[
{
"node": "Leads1",
"type": "ai_reranker",
"index": 0
}
]
]
},
"Embeddings OpenAI3": {
"ai_embedding": [
[
{
"node": "RAG1",
"type": "ai_embedding",
"index": 0
}
]
]
},
"Embeddings OpenAI4": {
"ai_embedding": [
[
{
"node": "Leads1",
"type": "ai_embedding",
"index": 0
}
]
]
},
"Wassenger Trigger": {
"main": [
[
{
"node": "AI Agent1",
"type": "main",
"index": 0
}
]
]
}
},
"active": false,
"settings": {
"executionOrder": "v1"
},
"versionId": "[REDACTED_VERSION_ID]",
"meta": {
"instanceId": "[REDACTED_INSTANCE_ID]"
},
"id": "[REDACTED_WORKFLOW_ID]",
"tags": []
}
Casos de uso en el mundo real
1. Soporte al cliente inteligente
- Problema: Respuestas genéricas que no resuelven dudas específicas
- Solución: Re-rankers que identifican exactamente el artículo de ayuda más relevante
2. Asistentes de ventas
- Problema: Recomendaciones de producto imprecisas
- Solución: Re-ranking que considera historial, preferencias y contexto actual
3. Chatbots educativos
- Problema: Explicaciones que no se adaptan al nivel del estudiante
- Solución: Re-rankers que priorizan contenido apropiado para cada usuario
👉 Comienza tu prueba gratuita de 7 días en Wassenger y aprovecha nuestros potentes WhatsApp automation flows para transformar tu servicio al cliente hoy mismo! ⚡
Resultados medibles
Los benchmarks de Cohere muestran mejoras dramáticas:
- Hasta 40% más de precisión en respuestas relevantes
- 60% de reducción en respuestas irrelevantes o confusas
- Mayor satisfacción del usuario al recibir información más útil
Tu siguiente paso
¿Listo para llevar tus agentes de IA al siguiente nivel?
Wassenger Flows hace que implementar estas tecnologías avanzadas sea tan simple como arrastrar y soltar. No necesitas ser un experto en IA ni pasar noches configurando servidores.
Comienza hoy:
- Regístrate en Wassenger.com
- Ve a Flows desde tu cuenta
- Explora nuestras plantillas
- Construye tu primer agente inteligente en minutos
La revolución de los agentes de IA está aquí, y con Wassenger Flows está al alcance de todos. ¿Por qué conformarte con respuestas mediocres cuando puedes ofrecer experiencias extraordinarias?
👉 Comienza tu prueba gratuita de 7 días en Wassenger y aprovecha nuestros potentes WhatsApp automation flows para transformar tu servicio al cliente hoy mismo! ⚡
