n8n对损益表和资产负债表进行基于聊天的财务分析

此工作流程专为财务团队、会计师和数据分析师📊设计，他们希望使用自然语言聊天与来自两个 PostgreSQL 数据库（一个包含损益数据，另一个包含资产负债表数据）的财务数据进行交互。
它非常适合那些需要快速获得 AI 驱动的洞察，并根据问题自动选择正确数据库的用户。

⚙️ 工作原理 / 作用

1. 聊天触发器💬 – 收到聊天消息时启动工作流程。
2. AI 代理🤖 – 处理用户的问题并决定：
   • 损益数据库→ 如果问题是关于收入、成本、费用或利润。
   • 资产负债表 DB → 如果问题是关于资产、负债或股权。
3. PostgreSQL 查询节点🗄️ –
   • P_L_Reports查询financial_agent_pl_reports表。
   • Balance_Sheets查询financial_agent_balancesheets表。
4. AI 模型（OpenAI）🧠 – 用于gpt-4.1-nano解释结果并提供易于阅读的答案。
5. 内存缓冲区📝 – 保留最近的对话内容，以获得更流畅的聊天体验。
6. 表格输出📋 – 始终将结果格式化为干净、可读的表格，并保留两位小数的精度。

🛠️ 如何设置

1. 准备数据库
   • 将您的损益表和资产负债表数据输入PostgreSQL。
   • 确保使用正确的表结构：
     • financial_agent_pl_reports → 损益数据。
     • financial_agent_balancesheets → 资产负债表数据。
2. 配置 PostgreSQL 节点
   • 为两个数据库添加连接凭据。
   • 将P_L_Reports和Balance_Sheets节点链接到正确的表。
3. 设置AI代理
   • 将提供的系统消息粘贴到 AI Agent 节点（已在您的工作流程中配置）。
4. 连接节点
   • 确保聊天触发器 → AI 代理 → DB 节点 → AI 模型连接与您的工作流程相匹配。
5. 部署
   • 保存并激活工作流程。
   • 开始发送与财务相关的查询以进行测试。

📋 要求

• n8n（推荐最新版本）
• PostgreSQL 数据库具有：
  • financial_agent_pl_reports表（损益数据）。
  • financial_agent_balancesheets表（资产负债表数据）。
• 具有访问权限的OpenAI API 凭证gpt-4.1-nano。
• 用于接收查询的活动 Webhook/聊天触发器。

🎨 如何定制

• 扩展 AI 指令🗒️ – 在系统消息中针对不同的数据源或格式样式添加更多规则。
• 更改 AI 模型🧠 – 切换到不同的 OpenAI 模型以获得更快或更准确的结果。
• 添加更多数据库🗄️——连接额外的财务数据集，例如现金流、销售分析。
• 增强表格样式📊 – 使用 Markdown 或 HTML 格式获得更丰富的输出。
• 优化查询逻辑🔍 – 修改过滤逻辑以更好地满足您的报告需求。