Questão 1
Não respondida
~/questoes/agentes-de-ia
Um assistente inteligente precisa entender não apenas o que o usuário quer, mas também qual tipo de ação executar: responder uma pergunta ou realizar uma ação no sistema. O n8n usa a intenção processada pelo LLM combinada com lógica condicional para fazer essa distinção e rotear corretamente cada solicitação.
O LLM analisa o texto e identifica a intenção por trás da solicitação. Em seguida, a lógica condicional no n8n interpreta essa intenção e decide o caminho a seguir: se é uma pergunta, retorna uma resposta; se é um comando, executa uma ação no sistema. Essa combinação é mais robusta que filtros simples porque entende contexto e variações de linguagem natural.
Essa é a abordagem correta. O LLM processa a intenção (compreensão semântica) e o n8n usa nós condicionais para direcionar o fluxo. Um comando como 'envie um email' é identificado como ação, enquanto 'qual é a previsão do tempo?' é identificado como informação.
Regex processa apenas padrões textuais superficiais. Não consegue entender contexto ou nuances de linguagem natural. Por exemplo, 'você pode ligar para João?' pode ser uma pergunta ou um comando, e regex não faria essa distinção.
O tipo de modelo (GPT-4, Claude, etc.) não define se a solicitação é informação ou ação. Qualquer modelo de linguagem consegue processar ambos os tipos. O que importa é como a intenção é interpretada e roteada, não qual modelo gera a resposta.
Uma tabela de lookup com palavras-chave pré-definidas é muito rígida e frágil. Se o usuário dizer 'me mande um email' em vez de 'enviar email', a tabela não reconheceria. LLM é muito mais flexível para captar variações de linguagem natural.