¿Puede n8n coordinar un flujo de trabajo de agente IA para modelado 3D en SketchUp y animación de construcción en Twinmotion?

Preguntas
1

Describe el problema/error/pregunta

Hola a todos,
Estoy buscando asesoramiento sobre si n8n podría utilizarse para coordinar un flujo de trabajo de agentes de IA para modelado 3D y animación de construcción.
El objetivo es crear un flujo de trabajo donde un agente de IA pueda ayudar a generar un modelo básico de SketchUp de un pequeño edificio con paneles SIP, como una sala de jardín. Idealmente, cada parte del modelo se crearía como un componente separado, por ejemplo:
Cimentación
Estructura de piso
Paneles de pared SIP
Paneles de techo
Ventanas
Puertas
Revestimiento externo
Acabados internos
La razón por la que necesito separar las partes es para que el modelo pueda llevarse a Twinmotion y animarse etapa por etapa, mostrando el proceso de construcción desde la cimentación hasta el edificio terminado.
Por ejemplo, la animación mostraría:
Cimentación instalada
Estructura de piso añadida
Paneles de pared SIP instalados
Paneles de techo colocados
Ventanas y puertas añadidas
Revestimiento y acabados finales completados
Mi pregunta principal es si n8n puede ayudar a controlar este tipo de flujo de trabajo, por ejemplo:
Prompt escrito → Agente de IA → Generación de modelo SketchUp → componentes separados → exportar modelo → flujo de trabajo de animación Twinmotion
¿Entiendo que n8n podría no crear directamente modelos 3D en sí, pero podría coordinar el proceso utilizando API, scripts, automatización Ruby de SketchUp, herramientas de IA externas o exportaciones de archivos?
¿Cuál es el mensaje de error, si es que hay alguno?
No hay mensaje de error. Esta es una pregunta de diseño de flujo de trabajo.
Por favor, comparte tu flujo de trabajo
No tengo un flujo de trabajo funcional aún. Estoy tratando de entender la mejor arquitectura antes de construirlo.
El flujo de trabajo previsto sería algo como:
Entrada de prompt en n8n
↓
El agente de IA interpreta las dimensiones del edificio y el diseño del panel SIP
↓
La automatización de SketchUp crea el modelo
↓
Cada parte del edificio se guarda como un componente/capa/etiqueta separada
↓
El modelo se exporta
↓
Twinmotion se utiliza para crear una animación de construcción etapa por etapa
Preguntas
¿Ha alguien construido algo similar usando n8n?
¿Puede n8n activar o controlar scripts de SketchUp, especialmente scripts Ruby?
¿Es realista que un agente de IA cree un modelo limpio de SketchUp a partir de un prompt escrito, o requeriría mucha corrección manual?
¿Sería mejor generar la geometría a través de reglas programadas en lugar de pedirle a la IA que modele todo directamente?
¿Pueden automatizarse los pasos de animación de Twinmotion, o esa parte aún requeriría ser principalmente manual?
Any advice on the best tools, workflow structure, plugins, APIs, or AI-agent approach would be appreciated.
Gracias.

¿Cuál es el mensaje de error (si es que hay alguno)?

Por favor, comparte tu flujo de trabajo

(Selecciona los nodos en tu lienzo y usa los atajos de teclado CMD+C/CTRL+C y CMD+V/CTRL+V para copiar y pegar el flujo de trabajo.)

Comparte el resultado devuelto por el último nodo

Información sobre tu configuración de n8n

  • Versión de n8n:
  • Base de datos (predeterminado: SQLite):
  • Configuración EXECUTIONS_PROCESS de n8n (predeterminado: own, main):
  • Ejecutando n8n a través de (Docker, npm, n8n cloud, aplicación de escritorio):
  • Sistema operativo:
2

sí, n8n puede ejecutar esto, pero es el conductor, no la cosa que hace el modelo. vale la pena ser claro al respecto desde el principio porque cambia todo el diseño.

el error que la mayoría de la gente comete aquí es pedirle a la IA que modele la geometría directamente. los llms son malos en cad paramétrico limpio, pasarás más tiempo arreglándolo que si simplemente lo hubieras programado. la forma en que lo dividiría: dejar que la IA haga la parte en la que es realmente buena, convertir tu brief escrito en una especificación estructurada (longitudes de muros, cantidad y tamaños de paneles, posiciones de aberturas, todo como json). luego un script determinista construye la geometría real a partir de esa especificación. IA para la intención, código para la geometría. esa separación es lo que te da modelos limpios y repetibles Y tus partes separadas de forma gratuita.

para sketchup es la api de ruby. n8n no puede entrar en sketchup y ejecutar ruby por sí mismo, pero no necesita hacerlo. n8n produce la especificación json y la entrega, y un script de ruby dentro de sketchup lee esa especificación y construye cada parte (cimentación, piso, paneles de muro, techo, aberturas…) como su propio componente con una etiqueta nombrada por etapa. porque el script los hace como componentes nombrados discretos, tu desglose etapa por etapa está integrado desde el inicio, no algo que dividas manualmente después.

el extremo twinmotion es donde establecería expectativas. importar vía datasmith y tu jerarquía de componentes + etiquetas se transfieren, así que todas las partes llegan ya organizadas. pero la secuencia de construcción real es la función Phasing de twinmotion y es principalmente una configuración de línea de tiempo manual, no hay una api real para que n8n controle la animación en sí. así que realísticamente n8n + ruby automatizan todo hasta e incluyendo la exportación, y el phasing en twinmotion se mantiene práctico (solo mucho más rápido ya que las partes ya están divididas y nombradas).

entonces directamente a tus preguntas: sí n8n lo coordina, sí puede activar ruby (indirectamente, a través de un archivo o endpoint que el script monitorea), no dejes que la IA modele directamente, sí genera la geometría por reglas programadas, y la animación twinmotion es la única parte que se mantiene mayormente manual.

feliz de profundizar en la entrega de n8n a ruby si llegas a construirlo, esa es la parte con la mayoría de los gotchas.

3

Hola @danda_war
Genera la especificación en una Cadena LLM Básica con un Analizador de Salida Estructurada adjunto en lugar de en un nodo de Agente, para que el JSON sea validado por esquema antes de que el script de Ruby lo vea. Mantén lo que el modelo emite en parámetros a nivel de brief, spans generales, posiciones de apertura y el ancho del módulo de panel, y deja que el script derive los conteos y posiciones de los paneles, porque los conteos que inventa el modelo no se ajustarán al módulo.
Los documentos de nn8n marcan el análisis de salida estructurada como poco confiable cuando el analizador se cuelga de un Agente y recomiendan una cadena LLM separada para el paso de análisis, para que un Agente aún pueda ejecutar el front end conversacional siempre y cuando la cadena haga el análisis.