Skip to main content

Documentation Index

Fetch the complete documentation index at: https://mintlify.com/KevinhosUTP/Automatizacion-Lurwis/llms.txt

Use this file to discover all available pages before exploring further.

Bienvenido a Automatización Lurwis

Automatización Lurwis es una plataforma de atención al cliente impulsada por inteligencia artificial, diseñada específicamente para Picantería Lurwis en Chiclayo, Perú. El sistema permite a los clientes hacer pedidos, reservar mesas y obtener información del restaurante directamente a través de WhatsApp, operando 24/7 con respuestas inteligentes y contextuales.

¿Qué hace este sistema?

Este sistema transforma la atención al cliente tradicional de un restaurante en una experiencia digital automatizada que:

Gestión de Pedidos

Los clientes pueden navegar por el menú completo, consultar precios por tamaño (Personal/Familiar), hacer pedidos con delivery o recojo, y recibir confirmaciones instantáneas.

Reservas Inteligentes

Permite reservar mesas para 2-12 personas o coordinar eventos especiales para grupos grandes, con validación automática de disponibilidad.

Información 24/7

Responde preguntas sobre ubicación, horarios, métodos de pago (Yape, Plin, Efectivo, Tarjeta) y redes sociales sin intervención humana.

Memoria Contextual

Cada conversación se mantiene en contexto usando MongoDB, permitiendo que el bot recuerde pedidos anteriores y preferencias del cliente.

Beneficios Clave

Para el Restaurante

  • Reducción de carga operativa: El 80% de las consultas se resuelven automáticamente sin intervención humana
  • Cero errores de transcripción: Los pedidos se registran directamente en PostgreSQL con formato estructurado
  • Métricas en tiempo real: Cada interacción se registra para análisis de ventas y comportamiento del cliente
  • Escalabilidad: Atiende múltiples clientes simultáneamente sin límite de capacidad

Para los Clientes

  • Respuesta instantánea: Los mensajes se procesan en menos de 5 segundos
  • Horario de atención: Sistema valida horarios de 10 AM a 11 PM (zona horaria America/Lima) y envía mensaje automático fuera de este rango
  • Experiencia natural: Conversan con “Wilson”, un asistente que entiende lenguaje coloquial peruano
  • Confirmación clara: Reciben resumen detallado del pedido con total, método de pago y tipo de servicio

Arquitectura de Alto Nivel

El sistema está construido sobre una arquitectura de dos workflows principales:
El Receptor maneja webhooks de Meta y agrupa mensajes en Redis con TTL de 30 segundos. El Procesador se ejecuta cada 10 segundos para procesar los mensajes agrupados con agentes especializados.

Componentes Principales

1. n8n Workflows

La lógica de automatización está construida en n8n, una plataforma de automatización open-source que permite crear flujos visuales complejos sin código.
  • Picantería Lurwis | Receptor: Punto de entrada que valida webhooks de Meta
  • Picantería Lurwis | Procesador: Motor de IA que clasifica intenciones y ejecuta acciones

2. Agentes de IA (Google Gemini)

Seis agentes especializados potenciados por LangChain y Google Gemini:
  • Agente Clasificador: Determina si el mensaje es sobre pedidos, reservas, eventos o información general
  • Agente Detector: Identifica si el cliente quiere modificar un pedido existente o solo consultar su estado
  • Wilson - Pedidos: Navega el menú usando herramientas SQL, calcula subtotales y confirma órdenes
  • Wilson - Info General: Responde preguntas frecuentes sobre ubicación, horarios y métodos de pago
  • Wilson - Reservas de Mesas: (⚠️ En desarrollo) Gestiona disponibilidad para grupos de 2-12 personas
  • Wilson - Eventos: (⚠️ En desarrollo) Coordina reservas de local para eventos especiales de 13+ personas

3. Bases de Datos

PostgreSQL (Datos estructurados)
  • Tabla categorias: Ceviches, Chicharrones, Sudados, etc.
  • Tabla platos: Nombre, descripción y categoría de cada plato
  • Tabla plato_precios: Precios por tamaño (Personal, Familiar, Único)
  • Tabla pedidos_picanteria: Registro de todas las órdenes con estado
MongoDB (Memoria conversacional)
  • Colecciones separadas por tipo de agente para mantener contexto histórico
  • Permite continuidad en conversaciones interrumpidas
Redis (Buffer temporal)
  • Agrupa mensajes rápidos del mismo usuario antes de procesarlos
  • TTL de 30 segundos para auto-limpieza

4. Integración WhatsApp

Conexión directa con WhatsApp Business API (Meta) usando:
  • Webhook para recepción de mensajes entrantes
  • API de envío para respuestas automáticas
  • Validación con hub.verify_token para seguridad

Caso de Uso Real

Un cliente típico interactúa así:
1

Cliente envía mensaje

“Hola, quiero hacer un pedido” → Meta envía webhook al Receptor
2

Sistema agrupa mensajes

Si el cliente envía varios mensajes seguidos, Redis los concatena en 30 segundos
3

Clasificación inteligente

El Procesador detecta que es un pedido y activa el Agente Pedidos
4

Navegación del menú

Wilson muestra categorías → Cliente elige “Ceviches” → Muestra platos disponibles
5

Confirmación

Cliente dice “confirmo” → Sistema inserta en PostgreSQL → Envía resumen por WhatsApp

Tecnologías Utilizadas

n8n

Orquestación de workflows visuales

Google Gemini

Modelos de lenguaje para agentes IA

PostgreSQL

Almacenamiento de menú y pedidos

MongoDB

Memoria conversacional de agentes

Redis

Buffer temporal de mensajes

WhatsApp API

Integración con Meta Business

Manejo de Errores y Monitoreo

El sistema incluye un Error Workflow configurado en n8n que envía notificaciones al WhatsApp personal del administrador cuando ocurre una falla crítica en el Receptor o Procesador.
Todos los pedidos confirmados se registran con:
  • Timestamp de creación
  • Detalles del pedido en formato JSON
  • Estado (confirmado, en_preparacion, entregado, cancelado)
  • Método de pago y tipo de servicio

Próximos Pasos

Ahora que entiendes qué hace el sistema, continúa con:

Quickstart

Aprende a configurar el sistema desde cero e importar los workflows en tu instancia de n8n

Arquitectura

Explora en detalle cómo interactúan los componentes y el flujo de datos completo

Build docs developers (and LLMs) love