O n8n pode coordenar um fluxo de trabalho de agente de IA para modelagem 3D no SketchUp e animação de construção no Twinmotion?

Perguntas
1

Descreva o problema/erro/pergunta

Olá a todos,
Estou procurando conselhos sobre se o n8n poderia ser usado para coordenar um fluxo de trabalho de agente de IA para modelagem 3D e animação de construção.
O objetivo é criar um fluxo de trabalho onde um agente de IA possa ajudar a gerar um modelo básico do SketchUp de um pequeno edifício de painel SIP, como um aposento de jardim. Idealmente, cada parte do modelo seria criada como um componente separado, por exemplo:
Fundação
Estrutura do piso
Painéis de parede SIP
Painéis de telhado
Janelas
Portas
Revestimento externo
Acabamentos internos
O motivo pelo qual preciso das partes separadas é para que o modelo possa ser levado para o Twinmotion e animado estágio por estágio, mostrando o processo de construção da fundação até o edifício concluído.
Por exemplo, a animação mostraria:
Fundação instalada
Estrutura do piso adicionada
Painéis de parede SIP instalados
Painéis de telhado instalados
Janelas e portas adicionadas
Revestimento e acabamentos finais concluídos
Minha pergunta principal é se o n8n pode ajudar a controlar esse tipo de fluxo de trabalho, por exemplo:
Prompt escrito → Agente de IA → Geração de modelo SketchUp → Componentes separados → Exportar modelo → Fluxo de trabalho de animação Twinmotion
Entendo que o n8n pode não criar diretamente modelos 3D, mas poderia coordenar o processo usando APIs, scripts, automação Ruby do SketchUp, ferramentas de IA externas ou exportações de arquivos?
Qual é a mensagem de erro, se houver?
Sem mensagem de erro. Esta é uma pergunta sobre design de fluxo de trabalho.
Por favor, compartilhe seu fluxo de trabalho
Ainda não tenho um fluxo de trabalho funcionando. Estou tentando entender a melhor arquitetura antes de construí-lo.
O fluxo de trabalho pretendido seria algo como:
Entrada de prompt no n8n
↓
Agente de IA interpreta dimensões do edifício e layout do painel SIP
↓
Automação do SketchUp cria o modelo
↓
Cada parte do edifício é salva como um componente/camada/tag separado
↓
Modelo é exportado
↓
Twinmotion é usado para criar uma animação de construção estágio por estágio
Perguntas
Alguém construiu algo semelhante usando n8n?
O n8n pode disparar ou controlar scripts do SketchUp, especialmente scripts Ruby?
É realista que um agente de IA crie um modelo limpo do SketchUp a partir de um prompt escrito, ou precisaria de muita correção manual?
Seria melhor gerar a geometria através de regras com script em vez de pedir à IA para modelar tudo diretamente?
As etapas de animação do Twinmotion podem ser automatizadas, ou essa parte ainda precisaria ser principalmente manual?
Qualquer conselho sobre as melhores ferramentas, estrutura de fluxo de trabalho, plugins, APIs ou abordagem de agente de IA seria muito apreciado.
Obrigado.

Qual é a mensagem de erro (se houver)?

Por favor, compartilhe seu fluxo de trabalho

(Selecione os nós na sua tela e use os atalhos de teclado CMD+C/CTRL+C e CMD+V/CTRL+V para copiar e colar o fluxo de trabalho.)

Compartilhe a saída retornada pelo último nó

Informações sobre sua configuração n8n

  • Versão do n8n:
  • Banco de dados (padrão: SQLite):
  • Configuração n8n EXECUTIONS_PROCESS (padrão: own, main):
  • Executando n8n via (Docker, npm, n8n cloud, aplicativo desktop):
  • Sistema operacional:
2

sim, n8n pode rodar isso, mas é o maestro e não a coisa que faz o modelo. vale a pena ser claro sobre isso desde o início porque muda todo o design.

o erro que a maioria das pessoas comete aqui é pedir à IA para modelar a geometria diretamente. LLMs são ruins em CAD paramétrico limpo, você vai gastar mais tempo corrigindo do que se tivesse apenas programado. a forma como eu dividiria: deixe a IA fazer a parte em que ela é realmente boa, transformar seu brief escrito em uma especificação estruturada (comprimentos de parede, contagem e tamanhos de painéis, posições de aberturas, tudo como json). depois um script determinístico constrói a geometria real a partir dessa especificação. IA para intenção, código para geometria. essa separação é o que te dá modelos limpos repetíveis E suas partes separadas de graça.

para sketchup é a ruby api. n8n não consegue entrar dentro do sketchup e rodar ruby por si só, mas não precisa. n8n produz a especificação json e entrega, e um script ruby dentro do sketchup lê essa especificação e constrói cada parte (fundação, piso, painéis de parede, telhado, aberturas…) como seu próprio componente com uma tag nomeada por estágio. porque o script os faz como componentes nomeados discretos, seu breakdown estágio por estágio é incorporado desde o início, não algo que você divide manualmente depois.

o fim twinmotion é onde eu definiria expectativas. importe via datasmith e sua hierarquia de componentes + tags se transferem, então todas as partes chegam já organizadas. mas a sequência de construção real é o recurso Phasing do twinmotion e isso é principalmente uma configuração de timeline manual, não há uma api real para n8n conduzir a animação em si. então realisticamente n8n + ruby automatizam tudo até e incluindo a exportação, e o phasing no twinmotion fica hands on (apenas muito mais rápido já que as partes já estão divididas e nomeadas).

então direto para suas perguntas: sim n8n coordena, sim consegue disparar ruby (indiretamente, via arquivo ou endpoint que o script observa), não deixe a IA modelar diretamente, sim gere a geometria por regras programadas, e a animação twinmotion é o único pedaço que fica principalmente manual.

fico feliz em entrar em mais detalhes sobre o handoff n8n para ruby se você chegar a construir, essa é a parte com mais armadilhas.

3

Oi @danda_war
Gere a especificação em uma Basic LLM Chain com um Structured Output Parser anexado em vez de em um nó de Agent, para que o JSON seja validado pelo schema antes do script Ruby vê-lo. Mantenha o que o modelo emite para parâmetros de nível básico, spans geral, posições de abertura e largura do módulo de painel, e deixe o script derivar as contagens e posições de painéis, porque as contagens que o modelo inventa não se encaixarão no módulo.
Os documentos do n8n sinalizam a análise de saída estruturada como não confiável quando o analisador está conectado a um Agent e recomendam uma cadeia LLM separada para a etapa de análise, para que um Agent ainda possa executar o front-end conversacional, desde que a cadeia faça a análise.