10.- Taller: Genera imágenes con IA en n8n usando Data Tables + NanoBanana

El taller se enfoca en demostrar la utilidad de la automatización avanzada utilizando n8n para generar contenido dinámico, específicamente la creación de artículos e imágenes con Inteligencia Artificial (IA), vinculada a Data Tables (Tablas de Datos) y la herramienta NanoBanana. El orador enfatiza la importancia de llevar los ejemplos a la realidad, ilustrando con un proyecto de la vida real: la automatización de un sitio web de contenido de tecnología (un blog). El objetivo final de este flujo de trabajo es generar automáticamente el título, el contenido y la imagen de portada de un artículo, listos para ser publicados en una plataforma como WordPress.

El proceso comienza con la extracción de información de diversas fuentes mediante web scraping (usando un data table o we scrappy). Una vez que se valida la URL y se confirma que el contenido no existe previamente en la base de datos, la información extraída es pasada a un agente de IA. Este agente está configurado con un prompt específico que le ordena analizar el artículo original y, a partir de él, generar tres salidas clave: un nuevo título, un nuevo artículo y una descripción de imagen detallada. Es crucial que la IA entregue la respuesta en un formato de salida específico (JSON o similar) para que los datos puedan ser manejados por los siguientes nodos.

Profundiza en técnicas avanzadas de n8n, como el uso de la opción que fuerza a la IA a respetar el formato de salida requerido. Además, se aborda la validación y manejo de errores típicos en agentes de IA. Para asegurar la robustez del flujo, se implementa una estructura de validación que, en caso de que la IA no entregue el formato deseado, puede re-ejecutar la creación del contenido hasta que sea correcto. También se configura el nodo para que, en caso de fallar, no detenga todo el flujo, sino que continúe el proceso por una salida de error específica, manteniendo la operación continua.

Los datos generados (título, artículo y descripción de imagen) son enviados a las Data Tables de n8n, donde se registran en una tabla específica. El proceso de guardado requiere mapear cada campo generado por la IA con las columnas correspondientes de la tabla. El orador introduce un concepto más avanzado: la posibilidad de aprovechar funciones de JavaScript dentro de los campos de mapeo de n8n. Esto permite implementar lógica condicional, como por ejemplo, asignar un valor por defecto (“sin título por error”) si una variable clave no existe, ofreciendo una mayor flexibilidad y control sobre cómo se almacena y presenta la información.