AI & LLM

AI model integration, text generation, embeddings, and autonomous agents.

18 modules

Module	Description
Agente Autonomo	Agente AI auto-diretto con memoria e comportamento orientato agli obiettivi
Agente Catena	Catena di elaborazione AI sequenziale con passaggi multipli
Agente Uso Strumenti	Agente AI che può chiamare strumenti/funzioni
Incorporamenti Testuali	Genera incorporamenti vettoriali dal testo usando modelli AI
Estrazione AI	Estrai dati strutturati dal testo usando AI
Chat Ollama Locale	Chatta con LLM locale tramite Ollama (completamente offline)
Memoria AI	Memoria conversazione per Agente AI
Memoria Entita	Estrai e traccia entita (persone, luoghi, concetti) dalle conversazioni
Memoria Redis	Memoria conversazione persistente usando archiviazione Redis
Memoria Vettoriale	Memoria semantica usando embedding vettoriali per recupero contesto rilevante
Modello AI	Configurazione modello LLM per Agente AI
AI Tool	Expose a module as a tool for AI Agent
Analisi Visione	Analizza immagini usando modelli di visione AI
Claude Chat	Invia messaggio chat a Anthropic Claude AI e ottieni risposta
Google Gemini Chat	Invia messaggio chat a Google Gemini AI e ottieni risposta
OpenAI Chat	Invia messaggio chat a modelli OpenAI GPT
DALL-E Generazione Immagini	Genera immagini usando DALL-E
Agente AI	Agente AI autonomo con connessioni multi-porta (modello, memoria, strumenti)

Modules

Agente Autonomo

agent.autonomous

Agente AI auto-diretto con memoria e comportamento orientato agli obiettivi

Parameters:

Name	Type	Required	Default	Description
`goal`	string	Yes	-	L'obiettivo per l'agente da raggiungere
`context`	string	No	-	L'obiettivo per l'agente da raggiungere
`max_iterations`	number	No	`5`	Contesto o vincoli aggiuntivi
`llm_provider`	select (`openai`, `ollama`)	No	`openai`	Passaggi di ragionamento massimi
`model`	string	No	`gpt-4-turbo-preview`	Nome modello (es. gpt-4, llama2, mistral)
`ollama_url`	string	No	`http://localhost:11434`	Nome modello (es. gpt-4, llama2, mistral)
`temperature`	number	No	`0.7`	URL server Ollama (solo per provider ollama)

Output:

Field	Type	Description
`result`	string	Livello creativita (0-2)
`thoughts`	array	Il risultato operazione
`iterations`	number	Il risultato operazione
`goal_achieved`	boolean	Passaggi di ragionamento agente

Example: Research task

yaml

goal: Research the latest trends in AI and summarize the top 3
max_iterations: 5
model: gpt-4

Example: Problem solving

yaml

goal: Find the best approach to optimize database queries
context: PostgreSQL database with 10M records
max_iterations: 10

Agente Catena

agent.chain

Catena di elaborazione AI sequenziale con passaggi multipli

Parameters:

Name	Type	Required	Default	Description
`input`	string	Yes	-	Input iniziale per la catena
`chain_steps`	array	Yes	-	Input iniziale per la catena
`llm_provider`	select (`openai`, `ollama`)	No	`openai`	Array di passaggi elaborazione (ogni passaggio e un template prompt)
`model`	string	No	`gpt-4-turbo-preview`	Nome modello (es. gpt-4, llama2, mistral)
`ollama_url`	string	No	`http://localhost:11434`	Nome modello (es. gpt-4, llama2, mistral)
`temperature`	number	No	`0.7`	URL server Ollama (solo per provider ollama)

Output:

Field	Type	Description
`result`	string	Livello creativita (0-2)
`intermediate_results`	array	Il risultato operazione
`steps_completed`	number	Il risultato operazione

Example: Content pipeline

yaml

input: AI and machine learning trends
chain_steps: ["Generate 5 blog post ideas about: {input}", "Take the first idea and write a detailed outline: {previous}", "Write an introduction paragraph based on: {previous}"]
model: gpt-4

Example: Data analysis chain

yaml

input: User behavior data shows 60% bounce rate
chain_steps: ["Analyze what might cause this issue: {input}", "Suggest 3 solutions based on: {previous}", "Create an action plan from: {previous}"]

Agente Uso Strumenti

agent.tool_use

Agente AI che può chiamare strumenti/funzioni

Parameters:

Name	Type	Required	Default	Description
`prompt`	string	Yes	-	L'obiettivo o compito per l'agente
`tools`	array	Yes	-	Elenco delle definizioni degli strumenti [{nome, descrizione, parametri}]
`provider`	select (`openai`, `anthropic`)	No	`openai`	Fornitore LLM per l'agente
`model`	string	No	`gpt-4o`	Modello da utilizzare
`api_key`	string	No	-	Chiave API (predefinita alla variabile d'ambiente)
`max_iterations`	number	No	`10`	Numero massimo di round di chiamate agli strumenti
`system_prompt`	string	No	-	Prompt di sistema opzionale per guidare l'agente

Output:

Field	Type	Description
`result`	string	Risposta finale dell'agente
`tool_calls`	array	Tutte le chiamate agli strumenti effettuate durante l'esecuzione
`iterations`	number	Numero di iterazioni completate
`model`	string	Modello utilizzato

Example: File Processing Agent

yaml

prompt: Read the config file and update the version number
tools: [{"name": "read_file", "description": "Read contents of a file", "parameters": {"type": "object", "properties": {"path": {"type": "string", "description": "File path"}}, "required": ["path"]}}, {"name": "write_file", "description": "Write contents to a file", "parameters": {"type": "object", "properties": {"path": {"type": "string", "description": "File path"}, "content": {"type": "string", "description": "File content"}}, "required": ["path", "content"]}}]
provider: openai
model: gpt-4o
max_iterations: 5

Incorporamenti Testuali

ai.embed

Genera incorporamenti vettoriali dal testo usando modelli AI

Parameters:

Name	Type	Required	Default	Description
`text`	string	Yes	-	Testo da incorporare
`provider`	select (`openai`, `local`)	No	`openai`	Fornitore AI per incorporamenti
`model`	string	No	`text-embedding-3-small`	Modello di incorporamento da usare
`api_key`	string	No	-	Chiave API (predefinito alla variabile d'ambiente)
`dimensions`	number	No	-	Dimensioni di incorporamento (per modelli che lo supportano)

Output:

Field	Type	Description
`embeddings`	array	Array di incorporamenti vettoriali
`model`	string	Modello usato per l'incorporamento
`dimensions`	number	Numero di dimensioni nel vettore di incorporamento
`token_count`	number	Numero di token elaborati

Example: Single Text Embedding

yaml

text: The quick brown fox jumps over the lazy dog
provider: openai
model: text-embedding-3-small

Example: Reduced Dimensions

yaml

text: Semantic search query
provider: openai
model: text-embedding-3-small
dimensions: 256

Estrazione AI

ai.extract

Estrai dati strutturati dal testo usando AI

Parameters:

Name	Type	Required	Default	Description
`text`	string	Yes	-	Testo da cui estrarre dati
`schema`	object	Yes	-	Schema JSON che definisce i campi da estrarre
`instructions`	string	No	-	Istruzioni aggiuntive per l'estrazione
`provider`	select (`openai`, `anthropic`)	No	`openai`	Fornitore AI da usare
`model`	string	No	`gpt-4o-mini`	Modello da usare per l'estrazione
`api_key`	string	No	-	Chiave API (predefinito alla variabile d'ambiente)
`temperature`	number	No	`0`	Temperatura di campionamento (0-2)

Output:

Field	Type	Description
`extracted`	object	Dati strutturati estratti
`model`	string	Modello usato per l'estrazione
`raw_response`	string	Risposta grezza del modello

Example: Extract Contact Info

yaml

text: John Smith is a senior engineer at Acme Corp. Email: john@acme.com
schema: {"type": "object", "properties": {"name": {"type": "string"}, "title": {"type": "string"}, "company": {"type": "string"}, "email": {"type": "string"}}}
provider: openai
model: gpt-4o-mini

Example: Extract Invoice Data

yaml

text: Invoice #1234 from Acme Corp. Total: $500.00. Due: 2024-03-01
schema: {"type": "object", "properties": {"invoice_number": {"type": "string"}, "vendor": {"type": "string"}, "total": {"type": "number"}, "due_date": {"type": "string"}}}
instructions: Extract all invoice fields. Parse amounts as numbers.

Chat Ollama Locale

ai.local_ollama.chat

Chatta con LLM locale tramite Ollama (completamente offline)

Parameters:

Name	Type	Required	Default	Description
`prompt`	string	Yes	-	Il messaggio da inviare al LLM locale
`model`	select (`llama2`, `llama2:13b`, `llama2:70b`, `mistral`, `mixtral`, `codellama`, `codellama:13b`, `phi`, `neural-chat`, `starling-lm`)	No	`llama2`	Il messaggio da inviare al LLM locale
`temperature`	number	No	`0.7`	Temperatura di campionamento (0-2)
`system_message`	string	No	-	Messaggio ruolo sistema (opzionale)
`ollama_url`	string	No	`http://localhost:11434`	Messaggio ruolo sistema (opzionale)
`max_tokens`	number	No	-	URL server Ollama

Output:

Field	Type	Description
`response`	string	Token massimi nella risposta (opzionale, dipende dal modello)
`model`	string	Risposta dall'operazione
`context`	array	Risposta dall'operazione
`total_duration`	number	Nome o identificatore modello
`load_duration`	number	Contesto conversazione per richieste successive
`prompt_eval_count`	number	Durata totale elaborazione
`eval_count`	number	Durata caricamento modello

Example: Simple local chat

yaml

prompt: Explain quantum computing in 3 sentences
model: llama2

Example: Code generation with local model

yaml

prompt: Write a Python function to calculate fibonacci numbers
model: codellama
temperature: 0.2
system_message: You are a Python programming expert. Write clean, efficient code.

Example: Local reasoning task

yaml

prompt: What are the pros and cons of microservices architecture?
model: mistral
temperature: 0.7

Memoria AI

ai.memory

Memoria conversazione per Agente AI

Parameters:

Name	Type	Required	Default	Description
`memory_type`	select (`buffer`, `window`, `summary`)	Yes	`buffer`	Tipo di archiviazione memoria
`window_size`	number	No	`10`	Numero di messaggi recenti da mantenere (per memoria finestra)
`session_id`	string	No	-	Identificatore univoco per questa sessione di conversazione
`initial_messages`	array	No	`[]`	Cronologia conversazione precaricata

Output:

Field	Type	Description
`memory_type`	string	Cronologia conversazione precaricata
`session_id`	string	Cronologia conversazione precaricata
`messages`	array	Tipo di memoria
`config`	object	Identificatore sessione

Example: Simple Buffer Memory

yaml

memory_type: buffer

Example: Window Memory (last 5 messages)

yaml

memory_type: window
window_size: 5

Memoria Entita

ai.memory.entity

Estrai e traccia entita (persone, luoghi, concetti) dalle conversazioni

Parameters:

Name	Type	Required	Default	Description
`entity_types`	multiselect	No	`['person', 'organization', 'location']`	Types of entities to extract and track
`extraction_model`	select (`llm`, `spacy`, `regex`)	Yes	`llm`	Model for entity extraction
`session_id`	string	No	-	Unique identifier for this memory session
`track_relationships`	boolean	No	`True`	Track relationships between entities
`max_entities`	number	No	`100`	Maximum number of entities to remember

Output:

Field	Type	Description
`memory_type`	string	Numero massimo di entita da ricordare
`session_id`	string	Numero massimo di entita da ricordare
`entities`	object	Tipo di memoria (entita)
`relationships`	array	Identificatore sessione
`config`	object	Entita tracciate per tipo

Example: People & Organizations

yaml

entity_types: ["person", "organization"]
extraction_model: llm

Example: Full Entity Tracking

yaml

entity_types: ["person", "organization", "location", "concept"]
track_relationships: true
max_entities: 200

Memoria Redis

ai.memory.redis

Memoria conversazione persistente usando archiviazione Redis

Parameters:

Name	Type	Required	Default	Description
`redis_url`	string	Yes	`redis://localhost:6379`	Redis connection URL
`key_prefix`	string	No	`flyto:memory:`	Prefix for all Redis keys
`session_id`	string	Yes	-	Unique identifier for this memory session
`ttl_seconds`	number	No	`86400`	Time-to-live for memory entries (0 = no expiry)
`max_messages`	number	No	`100`	Maximum messages to store per session
`load_on_start`	boolean	No	`True`	Load existing messages from Redis on initialization

Output:

Field	Type	Description
`memory_type`	string	Carica messaggi esistenti da Redis all'inizializzazione
`session_id`	string	Carica messaggi esistenti da Redis all'inizializzazione
`messages`	array	Tipo di memoria (redis)
`connected`	boolean	Identificatore sessione
`config`	object	Cronologia messaggi caricata

Example: Local Redis

yaml

redis_url: redis://localhost:6379
session_id: my-session
ttl_seconds: 3600

Example: Cloud Redis with Auth

yaml

redis_url: redis://:password@redis-cloud.example.com:6379
session_id: user-session
ttl_seconds: 86400
max_messages: 500

Memoria Vettoriale

ai.memory.vector

Memoria semantica usando embedding vettoriali per recupero contesto rilevante

Parameters:

Name	Type	Required	Default	Description
`embedding_model`	select (`text-embedding-3-small`, `text-embedding-3-large`, `text-embedding-ada-002`, `local`)	Yes	`text-embedding-3-small`	Model to use for generating embeddings
`top_k`	number	No	`5`	Number of most relevant memories to retrieve
`similarity_threshold`	number	No	`0.7`	Minimum similarity score (0-1) for retrieval
`session_id`	string	No	-	Unique identifier for this memory session
`include_metadata`	boolean	No	`True`	Include timestamp and other metadata with memories

Output:

Field	Type	Description
`memory_type`	string	Includi timestamp e altri metadati con le memorie
`session_id`	string	Includi timestamp e altri metadati con le memorie
`embedding_model`	string	Tipo di memoria (vettoriale)
`config`	object	Identificatore sessione

Example: Default Vector Memory

yaml

embedding_model: text-embedding-3-small
top_k: 5

Example: High Precision Memory

yaml

embedding_model: text-embedding-3-large
top_k: 10
similarity_threshold: 0.85

Modello AI

ai.model

Configurazione modello LLM per Agente AI

Parameters:

Name	Type	Required	Default	Description
`provider`	select (`openai`, `anthropic`, `ollama`)	No	`openai`	AI model provider
`model`	string	No	`gpt-4o`	Specific model to use
`temperature`	number	No	`0.7`	Creativity level (0=deterministic, 1=creative)
`api_key`	string	No	-	API key (defaults to provider env var)
`base_url`	string	No	-	Custom API base URL (for Ollama or proxies)
`max_tokens`	number	No	`4096`	Token massimi nella risposta

Output:

Field	Type	Description
`provider`	string	Token massimi nella risposta
`model`	string	Nome provider LLM
`config`	object	Nome provider LLM

Example: OpenAI GPT-4

yaml

provider: openai
model: gpt-4o
temperature: 0.7

Example: Anthropic Claude

yaml

provider: anthropic
model: claude-3-5-sonnet-20241022
temperature: 0.5

AI Tool

ai.tool

Expose a module as a tool for AI Agent

Parameters:

Name	Type	Required	Default	Description
`module_id`	string	Yes	-	Module ID to expose as tool (e.g. http.request, data.json_parse)
`tool_description`	string	No	-	Custom description for the agent (overrides module default)

Output:

Field	Type	Description
`module_id`	string	Module ID exposed as tool

Example: HTTP Request Tool

yaml

module_id: http.request

Example: JSON Parse Tool

yaml

module_id: data.json_parse

Analisi Visione

ai.vision.analyze

Analizza immagini usando modelli di visione AI

Parameters:

Name	Type	Required	Default	Description
`image_path`	string	No	-	Percorso locale al file immagine
`image_url`	string	No	-	URL dell'immagine da analizzare
`prompt`	string	No	`Describe this image in detail`	Cosa analizzare o chiedere sull'immagine
`provider`	select (`openai`, `anthropic`)	No	`openai`	Fornitore AI per l'analisi visiva
`model`	string	No	`gpt-4o`	Modello di visione da usare
`api_key`	string	No	-	Chiave API (predefinito alla variabile d'ambiente)
`max_tokens`	number	No	`1000`	Massimo numero di token nella risposta
`detail`	select (`low`, `high`, `auto`)	No	`auto`	Livello di dettaglio dell'immagine (basso/alto/auto)

Output:

Field	Type	Description
`analysis`	string	Analisi AI dell'immagine
`model`	string	Modello usato per l'analisi
`provider`	string	Fornitore usato per l'analisi
`tokens_used`	number	Numero di token usati

Example: Analyze Screenshot

yaml

image_path: /tmp/screenshot.png
prompt: Describe what you see in this UI screenshot
provider: openai
model: gpt-4o

Example: Analyze from URL

yaml

image_url: https://example.com/photo.jpg
prompt: What objects are in this image?
provider: anthropic
model: claude-sonnet-4-20250514

Claude Chat

api.anthropic.chat

Invia messaggio chat a Anthropic Claude AI e ottieni risposta

Parameters:

Name	Type	Required	Default	Description
`api_key`	string	No	-	Chiave API Anthropic (default env.ANTHROPIC_API_KEY)
`model`	string	No	`claude-3-5-sonnet-20241022`	Modello Claude da usare
`messages`	array	Yes	-	Array di oggetti messaggio con ruolo e contenuto
`max_tokens`	number	No	`1024`	Contenuto restituito dall'operazione
`temperature`	number	No	`1.0`	Temperatura campionamento (0-1). Valori piu alti rendono output piu casuale
`system`	string	No	-	Prompt di sistema per guidare comportamento Claude

Output:

Field	Type	Description
`content`	string	Prompt di sistema per guidare comportamento Claude
`model`	string	Testo risposta Claude
`stop_reason`	string	Modello usato per risposta
`usage`	object	Perche il modello ha smesso di generare (end_turn, max_tokens, ecc)

Example: Simple question

yaml

messages: [{"role": "user", "content": "What is the capital of France?"}]
max_tokens: 100

Example: Text summarization

yaml

system: You are a helpful assistant that summarizes text concisely.
messages: [{"role": "user", "content": "Summarize this article: ${article_text}"}]
max_tokens: 500

Google Gemini Chat

api.google_gemini.chat

Invia messaggio chat a Google Gemini AI e ottieni risposta

Parameters:

Name	Type	Required	Default	Description
`api_key`	string	No	-	Chiave API Google AI (default env.GOOGLE_AI_API_KEY)
`model`	string	No	`gemini-1.5-pro`	Modello Gemini da usare
`prompt`	string	Yes	-	Il prompt di testo da inviare a Gemini
`temperature`	number	No	`1.0`	Controlla casualita (0-2). Valori piu alti rendono output piu casuale
`max_output_tokens`	number	No	`2048`	Numero massimo token nella risposta

Output:

Field	Type	Description
`text`	string	Generated text response from Gemini
`model`	string	Model used for generation
`candidates`	array	All candidate responses

Example: Simple question

yaml

prompt: Explain quantum computing in simple terms

Example: Content generation

yaml

prompt: Write a professional email about ${topic}
temperature: 0.7
max_output_tokens: 500

OpenAI Chat

api.openai.chat

Invia messaggio chat a modelli OpenAI GPT

Parameters:

Name	Type	Required	Default	Description
`prompt`	string	Yes	-	Il messaggio da inviare a GPT
`model`	select (`gpt-4-turbo-preview`, `gpt-4`, `gpt-3.5-turbo`)	No	`gpt-4-turbo-preview`	Il messaggio da inviare a GPT
`temperature`	number	No	`0.7`	Temperatura campionamento (0-2)
`max_tokens`	number	No	`1000`	Temperatura campionamento (0-2)
`system_message`	string	No	-	Token massimi nella risposta

Output:

Field	Type	Description
`response`	string	Messaggio ruolo sistema (opzionale)
`model`	string	Risposta dall'operazione
`usage`	object	Risposta dall'operazione

Example: Simple chat

yaml

prompt: Explain quantum computing in 3 sentences
model: gpt-3.5-turbo

Example: Code generation

yaml

prompt: Write a Python function to calculate fibonacci numbers
model: gpt-4
temperature: 0.2
system_message: You are a Python programming expert

DALL-E Generazione Immagini

api.openai.image

Genera immagini usando DALL-E

Parameters:

Name	Type	Required	Default	Description
`prompt`	string	Yes	-	Descrizione dell'immagine da generare
`size`	select (`256x256`, `512x512`, `1024x1024`, `1792x1024`, `1024x1792`)	No	`1024x1024`	Descrizione dell'immagine da generare
`model`	select (`dall-e-3`, `dall-e-2`)	No	`dall-e-3`	Versione modello DALL-E
`quality`	select (`standard`, `hd`)	No	`standard`	Qualita immagine (solo DALL-E 3)
`n`	number	No	`1`	Numero di immagini da generare (1-10)

Output:

Field	Type	Description
`images`	array	List of generated images
`model`	string	Model name or identifier

Example: Generate artwork

yaml

prompt: A serene mountain landscape at sunset, digital art
size: 1024x1024
model: dall-e-3
quality: hd

Example: Create logo

yaml

prompt: Modern tech startup logo with blue and green colors
size: 512x512
model: dall-e-2
n: 3

Agente AI

llm.agent

Agente AI autonomo con connessioni multi-porta (modello, memoria, strumenti)

Parameters:

Name	Type	Required	Default	Description
`prompt_source`	select (`manual`, `auto`)	No	`manual`	Da dove ottenere il prompt del task
`task`	string	No	-	Il task da completare per l'agente. Usa {{input}} per riferimento a dati upstream.
`prompt_path`	string	No	`{<!-- -->{input}<!-- -->}`	Percorso per estrarre prompt dall'input (es. {{input.message}})
`join_strategy`	select (`first`, `newline`, `separator`, `json`)	No	`first`	Come gestire gli input array
`join_separator`	string	No	`

| Separatore per unire elementi array | |max_input_size| number | No |10000| Caratteri massimi per prompt (previene overflow) | |system_prompt| string | No |You are a helpful AI agent. Use the available tools to complete the task. Think step by step.| Istruzioni per il comportamento dell'agente | |tools| array | No |[]| Lista di ID modulo (alternativa alla connessione di nodi strumento) | |context| object | No |{}| Lista di ID modulo (alternativa alla connessione di nodi strumento) | |max_iterations| number | No |10| Dati di contesto aggiuntivi per l'agente | |provider | select (openai, anthropic, ollama) | No | openai| AI model provider | |model| string | No |gpt-4o| Specific model to use | |temperature| number | No |0.3| Creativity level (0=deterministic, 1=creative) | |api_key| string | No | - | API key (defaults to provider env var) | |base_url` | string | No | - | Custom API base URL (for Ollama or proxies) |

Output:

Field	Type	Description
`ok`	boolean	Se l'agente ha completato con successo
`result`	string	Se l'agente ha completato con successo
`steps`	array	Se l'agente ha completato con successo
`tool_calls`	number	Il risultato finale dell'agente
`tokens_used`	number	Lista dei passaggi eseguiti dall'agente

Example: Web Research Agent

yaml

task: Search for the latest news about AI and summarize the top 3 stories
tools: ["http.request", "data.json_parse"]
model: gpt-4o

Example: Data Processing Agent

yaml

task: Read the CSV file, filter rows where status is "active", and count them
tools: ["file.read", "data.csv_parse", "array.filter"]
model: gpt-4o

AI & LLM ​

Modules ​

Agente Autonomo ​

Agente Catena ​

Agente Uso Strumenti ​

Incorporamenti Testuali ​

Estrazione AI ​

Chat Ollama Locale ​

Memoria AI ​

Memoria Entita ​

Memoria Redis ​

Memoria Vettoriale ​

Modello AI ​

AI Tool ​

Analisi Visione ​

Claude Chat ​

Google Gemini Chat ​

OpenAI Chat ​

DALL-E Generazione Immagini ​

Agente AI ​

AI & LLM

Modules

Agente Autonomo

Agente Catena

Agente Uso Strumenti

Incorporamenti Testuali

Estrazione AI

Chat Ollama Locale

Memoria AI

Memoria Entita

Memoria Redis

Memoria Vettoriale

Modello AI

AI Tool

Analisi Visione

Claude Chat

Google Gemini Chat

OpenAI Chat

DALL-E Generazione Immagini

Agente AI