Serie N8N (XX): De una idea a una imagen - genera prompts automáticamente con IA en N8N

En el artículo anterior aprendimos a generar una imagen con OpenAI desde N8N, guardarla en local y enviarla por Telegram. El workflow partía de varios campos definidos manualmente: el contenido de la imagen, el estilo visual, la composición y los elementos que debían evitarse. N8N combinaba toda esa información mediante una plantilla y construía el prompt que después utilizaba el modelo de generación de imágenes.

En este nuevo artículo vamos a dar un paso más. En lugar de redactar nosotros el prompt completo, proporcionaremos una idea sencilla y dejaremos que una primera inteligencia artificial la transforme en una descripción visual más detallada. Después, una segunda IA utilizará ese prompt para generar la imagen.

N8N - Workflow para generar prompts e imágenes

La primera IA no crea la imagen. Su función es preparar mejor la instrucción que recibirá la segunda.

De esta forma, el workflow separa dos tareas distintas:

Pensar cómo describir la imagen
+
Generar la imagen

El verdadero aprendizaje será comprender cómo conectar dos modelos de IA dentro de un mismo workflow y utilizar la salida de uno como entrada del siguiente.

Una IA puede preparar el trabajo para que otra IA lo ejecute.

2. Objetivo del workflow

El objetivo de este artículo es construir un workflow capaz de transformar una idea sencilla en una imagen generada automáticamente mediante dos modelos de inteligencia artificial.

La estructura completa será:

Manual Trigger
↓
Edit Fields - Idea Config
↓
OpenAI - Prompt Engineer
↓
Edit Fields - Prepare Image Generation
↓
OpenAI - Generate Image
├─ Read Write Files - Save Image
└─ Telegram - Send Photo

El proceso se divide en cuatro pasos principales:

Idea inicial
↓
Generación automática del prompt
↓
Creación de la imagen
↓
Guardado y envío

Workflow N8N - generación de imágenes

Al finalizar la ejecución obtendremos:

Resultado	Descripción
Prompt generado	Instrucción visual creada automáticamente por la primera IA
Imagen final	Resultado producido por el modelo de generación de imágenes
Archivo guardado	Imagen almacenada en la carpeta configurada
Imagen enviada	Fotografía recibida en Telegram con la idea original y el nombre del archivo

La finalidad del workflow no es solo automatizar la creación de una imagen, sino mostrar cómo la salida de un modelo puede convertirse directamente en la entrada de otro.

3. Qué cambia respecto al artículo anterior

En el artículo XIX, el prompt se construía mediante una plantilla fija de N8N. El usuario definía el contenido, el estilo, el formato y las restricciones, y el workflow unía esos campos en una única instrucción.

En este artículo, el enfoque cambia. El usuario sigue definiendo una idea, un estilo y unas restricciones, pero ya no es N8N quien redacta directamente el prompt mediante una plantilla. Esa tarea pasa a una primera inteligencia artificial.

La diferencia principal está en cómo se construye la instrucción que recibe el modelo de imágenes.

Elemento	Artículo XIX	Artículo XX
Construcción del prompt	Plantilla fija	Generación mediante IA
Entrada principal	Descripción bastante detallada	Idea sencilla
Modelos utilizados	Uno	Dos
Resultado intermedio	Prompt ensamblado	Prompt generado
Aprendizaje principal	Generación de imágenes y archivos binarios	Encadenamiento de modelos

Esto permite que una idea breve pueda enriquecerse automáticamente con detalles sobre composición, iluminación, atmósfera, materiales, profundidad o paleta cromática. El workflow no sustituye completamente la configuración manual, pero reduce la necesidad de redactar un prompt visual complejo desde cero.

4. Qué aprenderemos en este artículo

Este workflow introduce una idea nueva dentro de la serie: utilizar una inteligencia artificial para preparar la entrada de otra.

Los principales aprendizajes serán:

Nº	Qué aprenderemos	Aplicación práctica
1	Diferenciar una idea de un prompt	Trabajar con entradas más sencillas
2	Utilizar una IA como Prompt Engineer	Enriquecer automáticamente una descripción
3	Encadenar dos modelos de IA	Usar la salida del primero como entrada del segundo
4	Controlar el formato de respuesta	Obtener únicamente el prompt final
5	Extraer la salida de forma robusta	Adaptarse a distintas estructuras de respuesta
6	Conservar la idea original	Mantener trazabilidad entre entrada y resultado
7	Revisar el prompt antes de generar	Evitar errores y consumo innecesario
8	Resolver problemas de formato en Telegram	Evitar fallos provocados por Markdown

5. Arquitectura del workflow

La estructura del workflow es:

Manual Trigger
↓
Edit Fields - Idea Config
↓
OpenAI - Prompt Engineer
↓
Edit Fields - Prepare Image Generation
↓
OpenAI - Generate Image
├─ Read Write Files - Save Image
└─ Telegram - Send Photo

Podemos dividirlo en cinco bloques:

1. Configuración de la idea
2. Generación del prompt
3. Preparación de los datos
4. Generación de la imagen
5. Guardado y distribución

Cada nodo tiene una responsabilidad concreta:

Nodo	Entrada principal	Salida principal
Manual Trigger	Ejecución manual	Inicio del workflow
Edit Fields - Idea Config	Disparo inicial	Idea, estilo, formato y restricciones
OpenAI - Prompt Engineer	Configuración de la imagen	Prompt visual detallado
Edit Fields - Prepare Image Generation	Respuesta del primer modelo	Prompt limpio, idea original, nombre y ruta
OpenAI - Generate Image	Prompt final	Imagen como archivo binario
Read Write Files - Save Image	Imagen binaria	Archivo guardado
Telegram - Send Photo	Imagen binaria y metadatos	Fotografía enviada

Esta separación facilita la revisión, la depuración y la reutilización del flujo.

6. Nodo 1 — Manual Trigger

El primer nodo del workflow es:

Manual Trigger

Su función es iniciar la ejecución de forma manual desde el editor de N8N. En este ejemplo, el disparador manual es especialmente útil porque permite revisar cada etapa antes de generar la imagen.

Nodo - Manual Trigger

7. Nodo 2 — Configuración de la idea

El segundo nodo del workflow es:

Edit Fields - Idea Config

Este nodo funciona como panel de configuración. Aquí definimos la idea inicial y las condiciones que deberá tener en cuenta la IA encargada de redactar el prompt.

Los campos utilizados son:

Campo	Función
basic_idea	Describe la idea que queremos representar
visual_style	Define la estética visual
image_format	Indica composición y orientación
target_use	Explica para qué se utilizará la imagen
elements_to_avoid	Establece restricciones
prompt_language	Define el idioma del prompt final
output_folder	Indica la carpeta de guardado
output_filename_prefix	Define el inicio del nombre del archivo
telegram_caption	Contiene el texto que acompañará a la imagen

7.1 La idea inicial

El campo principal es:

basic_idea

En nuestro ejemplo:

Un robot inteligente leyendo y analizando documentación técnica dentro de una sala de control moderna.

No necesitamos escribir una descripción visual completa. Basta con expresar claramente qué queremos representar. La IA se encargará después de desarrollar esa idea y añadir detalles relacionados con la escena, la iluminación, la composición o la atmósfera.

7.2 Estilo, formato y uso final

Los campos:

visual_style
image_format
target_use

permiten orientar el resultado. En el workflow hemos definido:

visual_style:
Moderno, tecnológico, profesional, limpio y futurista-realista, con predominio de azul cobalto, negro profundo y luz digital.

image_format:
Composición horizontal panorámica orientada a una portada 16:9.

target_use:
Portada tecnológica para un artículo de blog.

El campo target_use es especialmente útil porque ayuda a la IA a adaptar la composición al destino final. No se diseña igual una portada de blog que una publicación cuadrada o una diapositiva corporativa.

7.3 Restricciones e idioma

El campo:

elements_to_avoid

indica qué elementos no deben aparecer. Por ejemplo:

Texto legible, marcas de agua, logotipos, interfaces saturadas, anatomía deformada, composición confusa y estética caricaturesca.

También definimos:

prompt_language

En nuestro caso:

Spanish

Esto permite controlar el idioma de la salida del Prompt Engineer y facilita su revisión antes de generar la imagen.

7.4 Archivo y Telegram

Los últimos campos preparan la salida del workflow:

output_folder
output_filename_prefix
telegram_caption

Estos valores no intervienen en la redacción del prompt, pero se utilizarán más adelante para guardar la imagen y enviarla por Telegram. Centralizar toda la configuración en un único nodo permite adaptar el workflow sin modificar su lógica interna.

Nodo Edit Fields - Configuración de la idea

8. Nodo 3 — La IA Prompt Engineer

El tercer nodo del workflow es:

OpenAI - Prompt Engineer

Su función no es generar la imagen, sino transformar la configuración anterior en un prompt visual completo y listo para utilizarse.

El nodo recibe:

Idea inicial
+
Estilo visual
+
Formato
+
Uso final
+
Restricciones
+
Idioma

y devuelve una única instrucción detallada. La IA amplía la idea inicial incorporando, cuando resulta necesario escena, contexto, iluminación, composición, profundidad...

Entrada

El mensaje enviado al modelo incluye todos los campos definidos en el nodo anterior:

IDEA DE PARTIDA:
{{ $json.basic_idea }}

ESTILO VISUAL:
{{ $json.visual_style }}

COMPOSICIÓN Y FORMATO:
{{ $json.image_format }}

USO FINAL:
{{ $json.target_use }}

ELEMENTOS QUE DEBEN EVITARSE:
{{ $json.elements_to_avoid }}

IDIOMA DEL PROMPT FINAL:
{{ $json.prompt_language }}

De esta forma, el modelo no trabaja únicamente con la idea principal, sino también con el contexto necesario para adaptar el resultado.

Reglas de salida

Como la respuesta será utilizada directamente por el siguiente modelo, necesitamos evitar cualquier contenido adicional. El objetivo es obtener una salida limpia, por eso indicamos:

- Devuelve únicamente el prompt final.
- No añadas títulos ni explicaciones.
- No uses Markdown.
- No uses bloques de código.
- No inventes texto que deba aparecer escrito en la imagen.
- Evita repeticiones y contradicciones.

Nodo OpenAI - Prompt Engineering

Modelo y temperatura

En el workflow utilizamos:

Modelo: gpt-5.4-mini
Temperatura: 0.7

La temperatura permite un cierto nivel de creatividad al desarrollar la escena, pero sin perder demasiado control sobre la idea original. El modelo seleccionado puede cambiar según la cuenta, la versión del nodo o la disponibilidad del servicio. Lo importante es utilizar un modelo capaz de seguir instrucciones con precisión y devolver únicamente el texto solicitado.

Antes de continuar con la generación de la imagen, conviene revisar la salida de este nodo y comprobar que contiene solo el prompt final.

9. Una IA preparando el trabajo de otra IA

Este workflow introduce un patrón especialmente interesante:

Modelo 1: Prepara la instrucción
↓
Modelo 2: Genera el resultado

• La primera IA no produce la imagen final. Su tarea consiste en transformar una idea sencilla en una descripción más precisa, estructurada y útil.

• La segunda IA recibe esa descripción y la utiliza para generar la imagen.

Cada modelo cumple una función distinta:

Modelo	Responsabilidad
Prompt Engineer	Interpretar la intención y redactar la instrucción
Generador de imágenes	Convertir esa instrucción en una imagen

Esta separación permite especializar cada etapa y facilita la revisión del proceso. Además, el prompt generado se convierte en un dato intermedio del workflow. Puede inspeccionarse, guardarse, modificarse o reutilizarse antes de enviarlo al siguiente modelo.

Todavía no estamos construyendo un agente autónomo, pero sí estamos dando un paso importante: coordinar varias capacidades de inteligencia artificial dentro de un mismo proceso.

10. Nodo 4 — Preparación de la generación

El cuarto nodo del workflow es:

Edit Fields - Prepare Image Generation

Su función es recoger la respuesta del Prompt Engineer y preparar todos los datos que necesitarán los siguientes nodos.

En este punto generamos cinco campos:

Campo	Función
final_prompt	Prompt limpio que se enviará al modelo de imágenes
original_idea	Idea inicial introducida por el usuario
output_filename	Nombre único del archivo
output_file_path	Ruta completa de guardado
telegram_caption	Texto que acompañará a la imagen

Nodo Edit Fields - Preparar la generación de la imagen

10.1 Extraer el prompt generado

El campo principal es:

final_prompt

La expresión utilizada es:

{{ ($json.message?.content || $json.text || $json.output || JSON.stringify($json)).trim() }}

Esta expresión intenta localizar la respuesta útil en distintas propiedades posibles:

message.content
↓
text
↓
output
↓
Respuesta completa convertida a texto

El método trim() elimina espacios y saltos innecesarios al principio y al final. El objetivo es evitar que el workflow dependa de una única estructura de salida, ya que esta puede variar según el nodo, el modelo o la versión utilizada.

10.2 Conservar la idea original

También guardamos:

original_idea

mediante esta expresión:

{{ $('Edit Fields - Idea Config').item.json.basic_idea }}

Conservar este valor permite comparar la entrada con el prompt generado y mantener trazabilidad durante todo el proceso. Más adelante lo utilizaremos también en el mensaje de Telegram.

10.3 Crear el nombre del archivo

El campo:

output_filename

se genera combinando el prefijo configurado con la fecha y la hora:

{{
  $('Edit Fields - Idea Config').item.json.output_filename_prefix
  + '_'
  + $now.toFormat('yyyyLLdd_HHmmss')
  + '.png'
}}

El resultado será similar a:

n8n_ai_prompt_image_20260711_231539.png

Esto evita sobrescribir imágenes anteriores.

10.4 Preparar la ruta completa

El campo:

output_file_path

combina la carpeta y el nombre del archivo:

{{
  $('Edit Fields - Idea Config').item.json.output_folder
  + $('Edit Fields - Idea Config').item.json.output_filename_prefix
  + '_'
  + $now.toFormat('yyyyLLdd_HHmmss')
  + '.png'
}}

El resultado será:

/files/generated-images/n8n_ai_prompt_image_20260711_231539.png

10.5 Recuperar el texto de Telegram

Por último, copiamos el valor de:

telegram_caption

desde el nodo de configuración:

{{ $('Edit Fields - Idea Config').item.json.telegram_caption }}

Este nodo actúa como una capa de normalización. Recibe una respuesta generada por IA y la transforma en una estructura clara y predecible para el resto del workflow.

11. Revisar el prompt antes de generar la imagen

Antes de ejecutar el nodo de generación, conviene detenerse y revisar el contenido de:

final_prompt

La generación de imágenes consume más recursos que una respuesta de texto. Por eso, es recomendable comprobar primero que la instrucción creada por el Prompt Engineer es correcta.

Podemos ejecutar el workflow hasta:

Edit Fields - Prepare Image Generation

y revisar:

• Que final_prompt no esté vacío.

• Que contenga únicamente el prompt.

• Que respete la idea original.

• Que no incluya explicaciones o encabezados.

• Que no presente contradicciones.

• Que no solicite texto legible dentro de la imagen.

• Que el nombre y la ruta del archivo sean correctos.

La comparación principal será:

original_idea
↓
final_prompt

Si el prompt se aleja demasiado de la intención inicial, podemos ajustar:

• La idea.

• El estilo.

• El uso final.

• Las restricciones.

• Las instrucciones del Prompt Engineer.

• La temperatura del modelo.

Este paso ayuda a evitar dos problemas:

Prompt incorrecto
↓
Imagen incorrecta
↓
Coste innecesario

Una vez validado el contenido, ya podemos enviar final_prompt al modelo de generación de imágenes con mayor seguridad.

12. Nodo 5 — Generación de la imagen

El quinto nodo del workflow es:

OpenAI - Generate Image

Su función es utilizar el prompt creado por la primera IA para generar la imagen final. La configuración empleada es:

Parámetro	Valor
Recurso	Image
Modelo	gpt-image-1
Prompt	{{ $json.final_prompt }}
Calidad	Low
Resolución	1536 × 1024

La diferencia respecto al artículo anterior está en el origen del prompt. Antes, N8N lo construía mediante una plantilla fija. Ahora, el contenido llega directamente desde el Prompt Engineer:

Idea inicial
↓
Prompt generado por IA
↓
Modelo de imágenes
↓
Imagen final

En el campo destinado al prompt utilizamos:

{{ $json.final_prompt }}

De esta forma, el nodo recibe únicamente la instrucción preparada en el paso anterior.

Durante las pruebas mantenemos:

Quality: Low
Resolution: 1536 x 1024

Esto permite validar el workflow con un coste menor. Una vez comprobado el funcionamiento, podremos aumentar la calidad cuando el resultado final lo justifique.

La resolución seleccionada es:

Nodo Open AI - Generar Imagen

Cuando el nodo termina, devuelve el resultado como archivo binario. Ese mismo archivo será utilizado por las dos ramas siguientes, es decir, la imagen se genera una sola vez y se reutiliza sin duplicar el proceso.

13. Guardar y distribuir la imagen

Una vez generada la imagen, el workflow reutiliza el mismo archivo binario en dos ramas:

OpenAI - Generate Image
├─ Read Write Files - Save Image
└─ Telegram - Send Photo

La imagen se genera una sola vez. Después, cada nodo la utiliza para una finalidad distinta.

13.1 Guardar la imagen en local

La primera rama utiliza:

Read Write Files - Save Image

Este nodo escribe físicamente la imagen en la carpeta configurada.

La ruta se recupera desde:

Edit Fields - Prepare Image Generation

mediante la expresión:

{{ $('Edit Fields - Prepare Image Generation').item.json.output_file_path }}

El resultado será una ruta similar a:

/files/generated-images/n8n_ai_prompt_image_20260711_231539.png

Antes de ejecutar el workflow debemos comprobar que la carpeta existe y que N8N tiene permisos de escritura.

Nodo Read Write Files - Guardando la imagen

Si quieres ver en detalle como se gestionan los archivos dentro del docker, puedes consultar este artículo anterior del blog: "Serie N8N (VIII): Ejecutar workflows en Docker y resolver problemas de acceso a archivos"

13.2 Enviar la imagen por Telegram

La segunda rama utiliza:

Telegram - Send Photo

El nodo recibe directamente el archivo binario generado por OpenAI. Para ello debemos seleccionar:

Operation: Send Photo
Binary Data: true

Además de la imagen, el mensaje incluye:

• El texto configurado.

• La idea inicial.

• El nombre del archivo.

La expresión utilizada es:

{{
  $('Edit Fields - Prepare Image Generation').item.json.telegram_caption
  + '\n\nIdea inicial: '
  + $('Edit Fields - Prepare Image Generation').item.json.original_idea
  + '\n\nArchivo: '
  + $('Edit Fields - Prepare Image Generation').item.json.output_filename
}}

Nodo Telegram - Enviar Imagen

El resultado será similar a:

🧠🖼️ Imagen creada a partir de un prompt generado automáticamente con IA.

Serie N8N Lozkorp (XX).

Idea inicial: Un robot inteligente leyendo y analizando documentación técnica dentro de una sala de control moderna.

Archivo: n8n_ai_prompt_image_20260711_231539.png

De esta forma, Telegram no solo recibe la imagen, sino también la información necesaria para identificar su origen.

14. El error de Telegram con Markdown

Durante las pruebas, el workflow generaba correctamente el prompt, creaba la imagen y la guardaba en local, pero el nodo de Telegram devolvía el siguiente error:

Bad Request: can't parse entities:
Can't find end of the entity starting at byte offset...

El problema no estaba en la imagen ni en el archivo binario.

La causa era la configuración:

Parse Mode: Markdown

Telegram intentaba interpretar el contenido del caption como texto con formato Markdown. Sin embargo, el mensaje incluía nombres de archivo como:

n8n_ai_prompt_image_20260711_231539.png

Los guiones bajos podían ser interpretados como caracteres de formato, provocando que Telegram intentara abrir una entidad Markdown que no estaba correctamente cerrada. El mismo problema podría aparecer si la idea inicial contiene otros caracteres especiales.

Solución aplicada

La solución más sencilla y robusta fue eliminar:

Parse Mode: Markdown

El caption no necesita formato especial, por lo que puede enviarse como texto plano. La configuración recomendada queda así:

Operation: Send Photo
Binary Data: true
Caption: expresión dinámica
Parse Mode: sin configurar

Con este cambio, Telegram deja de interpretar los caracteres especiales y envía el mensaje correctamente.

Alternativa: escapar caracteres

Otra opción sería escapar todos los caracteres reservados por Markdown antes de enviar el texto. Sin embargo, esta solución sería más compleja, ya que el caption incluye valores dinámicos, por lo que podría contener caracteres problemáticos. Por ese motivo, en este workflow resulta más fiable utilizar texto plano.

15. Probando el workflow

Una vez configurados todos los nodos, conviene probar el workflow por etapas en lugar de ejecutarlo completo desde el principio.

El orden recomendado es:

Paso	Comprobación
1	Revisar la idea, el estilo, el formato y las restricciones
2	Ejecutar el nodo Prompt Engineer
3	Comprobar que final_prompt contiene solo el prompt
4	Revisar el nombre y la ruta del archivo
5	Ejecutar la generación de imagen
6	Confirmar que OpenAI devuelve un archivo binario
7	Comprobar que la imagen se guarda en local
8	Verificar que Telegram recibe la fotografía

16. Cómo adaptar el workflow a otros casos de uso

El ejemplo utilizado parte de una idea concreta, pero la estructura puede reutilizarse para muchos tipos de contenido visual. En la mayoría de los casos bastará con modificar los campos del nodo:

Edit Fields - Idea Config

Algunos ejemplos de adaptación son:

Caso de uso	basic_idea	target_use
Portada de blog	Concepto central del artículo	Portada horizontal para blog
Publicación de Instagram	Producto, idea o mensaje visual	Imagen cuadrada para redes sociales
Presentación corporativa	Concepto empresarial o técnico	Diapositiva panorámica
Material educativo	Proceso, sistema o fenómeno	Ilustración didáctica
Visualización de producto	Producto aislado o en contexto	Imagen comercial
Storyboard	Escena narrativa concreta	Fotograma cinematográfico
Concept art	Personaje, vehículo o entorno	Desarrollo visual creativo
Infografía conceptual	Relación entre varios elementos	Composición explicativa y limpia

17. Problemas habituales y soluciones

Aunque el workflow es sencillo, pueden aparecer errores relacionados con la respuesta del Prompt Engineer, la generación de la imagen, el guardado local o Telegram.

Problema	Posible causa	Solución
El Prompt Engineer añade explicaciones	Las reglas de salida no son suficientemente estrictas	Reforzar que debe devolver únicamente el prompt final
final_prompt aparece vacío	La respuesta se encuentra en otra propiedad	Revisar la salida del nodo y adaptar la expresión de extracción
El prompt repite ideas	Instrucción demasiado abierta o temperatura elevada	Simplificar las instrucciones o reducir la temperatura
El prompt se aleja de la idea inicial	La IA ha enriquecido demasiado la descripción	Comparar original_idea y final_prompt y ajustar la configuración
La imagen incluye texto no deseado	El prompt solicita o sugiere contenido escrito	Mantener la restricción de evitar texto legible
La imagen no representa bien la idea	Prompt ambiguo, contradictorio o poco preciso	Revisar idea, estilo, formato y uso final
Se consumen créditos innecesariamente	Se genera la imagen sin revisar antes el prompt	Ejecutar primero hasta el nodo de preparación
El modelo de texto no está disponible	Diferencias de cuenta, nodo o versión	Seleccionar otro modelo compatible
El modelo de imagen devuelve un error de resolución	Se ha elegido un tamaño no admitido	Utilizar una resolución disponible en el nodo
No aparece archivo binario	La generación no ha finalizado correctamente	Revisar la salida de OpenAI
La imagen no se guarda	La carpeta no existe o la ruta es incorrecta	Crear la carpeta y revisar output_file_path
El archivo no aparece en Windows	La ruta pertenece al contenedor Docker	Comprobar el volumen montado sobre /files
Telegram no recibe la imagen	Binary Data no está activado	Activar la opción y comprobar la salida binaria
Telegram devuelve can't parse entities	El caption se interpreta como Markdown	Eliminar Parse Mode
El guardado funciona, pero Telegram falla	Error específico de la segunda rama	Revisar credenciales, Chat ID y caption
Telegram funciona, pero el guardado falla	Problema de ruta, permisos o volumen	Revisar únicamente la rama local

Cuando aparezca un error, conviene seguir el orden del workflow:

1. Configuración
2. Prompt Engineer
3. Preparación de datos
4. Generación de imagen
5. Guardado local
6. Telegram

El primer nodo que no entregue la salida esperada será normalmente el origen del problema. También es recomendable no repetir la generación de la imagen para comprobar errores que pertenecen a nodos posteriores. Una vez obtenido el archivo binario, podemos revisar por separado el guardado y el envío.

18. Variaciones y mejoras futuras

El workflow actual ya transforma una idea en un prompt, genera una imagen, la guarda y la envía por Telegram.

A partir de esta base podemos añadir nuevas capacidades sin cambiar su lógica principal.

Mejora	Qué aporta
Recibir la idea desde Telegram	Convierte el workflow en una herramienta interactiva
Leer ideas desde Google Sheets	Permite procesar varias imágenes de forma automática
Generar varias propuestas de prompt	Facilita comparar enfoques antes de crear la imagen
Crear varias imágenes por idea	Permite elegir entre distintas versiones
Añadir aprobación humana	Evita generar o publicar resultados no deseados
Guardar idea y prompt en una base de datos	Mejora la trazabilidad
Evaluar el prompt con otra IA	Añade un control automático de calidad
Adaptar el formato al canal de destino	Prepara versiones para blog, Instagram o presentaciones
Procesar la imagen después de generarla	Permite recortar, redimensionar o añadir elementos de marca
Guardar en la nube	Sustituye el almacenamiento local por Drive, OneDrive, S3 o servicios similares
Publicar automáticamente	Completa el proceso de creación y distribución
Integrarlo en un agente	Permite decidir qué imagen crear, cuándo y con qué instrucciones

Estas mejoras muestran cómo un workflow sencillo puede evolucionar hacia un sistema de creación visual más completo, controlado y reutilizable.

19. De los workflows encadenados a los agentes

Este workflow coordina dos modelos de inteligencia artificial, pero todavía no constituye un agente autónomo.

Cada nodo ejecuta una tarea concreta y N8N controla el orden completo.

Un agente, en cambio, podría decidir:

• Qué herramienta utilizar.

• Qué información necesita.

• Si debe generar una imagen.

• Si tiene que revisar el resultado.

• Qué acción realizar a continuación.

Nuestro workflow no toma ese tipo de decisiones, pero introduce varios conceptos que serán útiles más adelante:

Especialización de tareas
+
Coordinación entre modelos
+
Resultados intermedios
+
Uso de herramientas

En este caso, seguimos teniendo un workflow controlado, predecible y fácil de revisar, pero ya empezamos a construir procesos donde varias capacidades de IA colaboran para alcanzar un mismo objetivo.

20. Conclusiones

En este artículo hemos evolucionado el workflow de generación de imágenes del capítulo anterior. Ya no construimos el prompt mediante una plantilla fija. Ahora partimos de una idea sencilla y utilizamos una primera inteligencia artificial para transformarla en una instrucción visual más completa.

El aprendizaje principal no está únicamente en generar la imagen, sino en coordinar dos modelos con responsabilidades diferentes.

También hemos visto la importancia de revisar el prompt antes de generar, conservar la idea original, preparar los datos intermedios y controlar cómo los servicios externos interpretan el contenido, como ocurrió con Markdown en Telegram.

Este patrón puede reutilizarse mucho más allá de la generación de imágenes. Una IA puede preparar, clasificar, estructurar o validar información antes de que otra herramienta ejecute la tarea final.

No escribimos el prompt. Diseñamos un workflow capaz de escribirlo por nosotros.

🌐 Recursos

📘 Documentación oficial

• Telegram Bots https://core.telegram.org/bots

• Documentación del nodo Telegram en N8N https://docs.n8n.io/integrations/builtin/app-nodes/n8n-nodes-base.telegram/

  
  

💙 En Lozkorp, serie N8N

• Serie N8N (I): Automatiza tu mundo. Definición e instalación en local

• Serie N8N (II): Interfaz y Configuración – Comprende tu entorno de trabajo

• Serie N8N (III): Tu primer workflow real

• Serie N8N (IV): Triggers en N8N

• Serie N8N (V): Control de flujo – Condiciones, decisiones y ramificaciones

• Serie N8n (VI): Entender los datos – cómo fluye la información en un workflow

• Serie N8N (VII): Instalar N8N con Docker – del local al servidor sin miedo

• Serie N8N (VIII): Ejecutar workflows en Docker y resolver problemas de acceso a archivos

• Serie N8N (IX): Automatizar tareas programadas con Schedule Trigger

• Serie N8N (X): Enviar emails automáticos con N8N

• Serie N8N (XI): Notificaciones automáticas con Telegram

• Serie N8N (XII): Automatizar Google Sheets — guardar datos automáticamente

• Serie N8N (XIII): Recibir datos externos con Webhooks

• Serie N8N (XIV): Inteligencia Artificial en N8N - analizar textos automáticamente

• Serie N8N (XV): Lead Scoring con IA en N8N - prioriza oportunidades automáticamente

• Serie N8N (XVI): Analizar emails automáticamente con IA y generar respuestas sugeridas

• Serie N8N (XVII): Usar el nodo OpenAI en N8N — de texto a resumen inteligente

• Serie N8N (XVIII): Informes automáticos con IA y Telegram (informe financiero)

• Serie N8N (XIX): Generar imágenes con IA desde N8N - crear, guardar y enviar una imagen automáticamente

  
  

📦 Descargar el workflow de este artículo: LK_N8N_XX_AI_Prompt_Generator_Image_Local_Telegram.json

LK_N8N_XX_AI_Prompt_Generator_Image_Local_Telegram.json

Descargar JSON • 14KB