📥 Instagram → PostgreSQL → RAG (Gemini) - Arteria Festas

Pipeline completo para ingestão de posts do Instagram com embeddings vetoriais para uso no assistente virtual via RAG.

🏗️ Arquitetura

Instagram Graph API
   ↓
n8n Workflows
   ↓
PostgreSQL + pgvector
   ↓
Gemini Embeddings (768)
   ↓
Assistente Virtual (RAG)

📁 Arquivos do Projeto

Workflows n8n

• instagram-import-minha-conta.json - Importação posts da sua conta
• instagram-import-hashtag-arteriafestas.json - Importação por hashtag #arteriafestas
• instagram-import-conta-publica-terceiro.json - Importação de conta pública de terceiros
• instagram-import-structured-parser.json - Importação com parser estruturado avançado
• WhatsApp Chat IA - Arteria Festas.json - Workflow existente do assistente

Banco de Dados

• sql-instagram-posts-schema.sql - Schema completo da tabela instagram_posts

🚀 Configuração Rápida

1. Pré-requisitos

• n8n (self-hosted ou cloud)
• PostgreSQL com extensão pgvector
• Instagram Graph API credentials
• Google Gemini API key

2. Instalar Community Node

# No n8n, instalar via UI:
# Community Nodes → @mookielianhd/n8n-nodes-instagram

3. Configurar Credenciais no n8n

• PostgreSQL: mesma credencial usada no workflow existente (nNWOoSo66DYfDpAF)
• Google Gemini: mesma credencial usada no workflow existente (eJJhTvSw2avKW11x)
• Instagram OAuth2 API: nova credencial para Graph API (substituir COLOCAR_ID_CREDENTIAL)

4. Criar Tabela no PostgreSQL

psql -U seu_usuario -d seu_banco -f sql-instagram-posts-schema.sql

5. Importar Workflows

1. No n8n: Import from file
2. Selecionar os arquivos JSON
3. Ativar os workflows
4. IMPORTANTE: Substituir COLOCAR_ID_CREDENTIAL pelo ID real da credencial Instagram

🔧 Configuração dos Workflows

Workflow 1: Minha Conta

• Agendamento: A cada 4 horas
• Fonte: Seus próprios posts
• Limite: 25 posts por execução

Workflow 2: Hashtag #arteriafestas

• Agendamento: A cada 6 horas
• Fonte: Posts com hashtag #arteriafestas
• Limite: 25 posts por execução

Workflow 3: Conta Pública de Terceiros

• Agendamento: A cada 6 horas
• Fonte: Posts de conta pública específica
• Limite: 25 posts por execução
• Configuração: Alterar NOME_DE_USUARIO_ALVO no node Instagram
• Parâmetros: resource: "IG User", operation: "Get Media"

Workflow 4: Structured Parser (Avançado)

• Agendamento: A cada 6 horas
• Fonte: Seus próprios posts com parsing avançado
• Limite: 25 posts por execução
• Recursos: Code node para estruturar dados
• Dados Enriquecidos: Métricas, metadados, timestamp de captura
• Parâmetros: resource: "IG User", operation: "Get Media" + Code node

�️ Configuração Técnica dos Nodes Instagram

Parâmetros Corrigidos

Todos os workflows foram atualizados com os parâmetros corretos do nó @mookielianhd/n8n-nodes-instagram:

{
  "resource": "IG User",           // Antes: "user"
  "operation": "Get Media",       // Antes: "listMedia"
  "node": "me" ou "username",   // Antes: "userId"
  "limit": 25
}

Para Hashtags

{
  "resource": "IG Hashtag",        // Antes: "hashtag"
  "operation": "Get Media",       // Antes: "search"
  "hashtag": "arteriafestas",
  "limit": 25
}

Credenciais

• Tipo: instagramOAuth2Api
• Placeholder: COLOCAR_ID_CREDENTIAL (substituir pelo ID real)
• Scopes necessários: instagram_basic, pages_show_list, instagram_content_publish, pages_read_engagement

📊 Estrutura da Tabela

instagram_posts (
  id SERIAL PRIMARY KEY,
  post_id VARCHAR(255) UNIQUE,           -- ID do Instagram
  url_post TEXT,                          -- Link do post
  url_imagem TEXT,                        -- URL da imagem
  legenda TEXT,                           -- Caption/descrição
  tipo_conteudo VARCHAR(50),              -- IMAGE, CAROUSEL_ALBUM, etc
  data_publicacao TIMESTAMP,              -- Data do post
  conta_origem VARCHAR(100),              -- @username da conta
  nome_perfil TEXT,                       -- Nome completo do perfil
  embedding VECTOR(768),                  -- Embedding Gemini
  created_at TIMESTAMP DEFAULT NOW(),
  updated_at TIMESTAMP DEFAULT NOW()
)

🔄 Estrutura de Dados do Structured Parser

O workflow instagram-import-structured-parser.json utiliza um Code node para enriquecer os dados:

{
  "post_id": "id_do_post",
  "url_post": "permalink",
  "url_imagem": "media_url",
  "legenda": "caption",
  "tipo_conteudo": "media_type",
  "data_publicacao": "timestamp",
  "conta_origem": "@username",
  "nome_perfil": "Nome completo",
  "metricas": {
    "likes": 150,
    "comentarios": 23
  },
  "midia": {
    "tipo": "IMAGE",
    "url": "media_url",
    "thumbnail": "thumbnail_url"
  },
  "metadata": {
    "timestamp_captura": "2025-03-28T23:40:00Z",
    "fonte": "instagram_graph_api",
    "versao_parser": "1.0"
  }
}

Vantagens do Parser Estruturado

• ✅ Dados consistentes: Formato padronizado para todos os posts
• ✅ Métricas incluídas: Likes e comentários capturados
• ✅ Metadados ricos: Informações de processamento e versão
• ✅ Facilidade de análise: Estrutura otimizada para consultas
• ✅ Rastreabilidade: Timestamp de captura e fonte

🧠 Uso no Assistente Virtual

O workflow WhatsApp Chat IA - Arteria Festas.json já está configurado para usar a base vetorial através do node Instagram Vector Store.

Exemplo de consulta RAG:

SELECT post_id, legenda, url_post, conta_origem,
       (embedding <=> $1) AS distance
FROM instagram_posts 
WHERE embedding IS NOT NULL
ORDER BY embedding <=> $1 
LIMIT 5;

Busca por conta específica:

SELECT post_id, legenda, url_post, data_publicacao
FROM instagram_posts 
WHERE conta_origem = '@usuario_especifico'
ORDER BY data_publicacao DESC
LIMIT 10;

🔍 Monitoramento

Verificar status da ingestão:

SELECT 
  COUNT(*) as total_posts,
  COUNT(embedding) as posts_com_embedding,
  MAX(data_publicacao) as post_mais_recente
FROM instagram_posts;

Posts sem embedding (para reprocessar):

SELECT post_id, legenda, data_publicacao
FROM instagram_posts 
WHERE embedding IS NULL 
ORDER BY data_publicacao DESC;

⚡ Performance

• Índice vetorial: IVFFlat com 100 lists
• Busca semântica: O(log n) com cosine similarity
• Batch processing: 5 posts por lote para evitar rate limits

🔒 Segurança

• Tokens armazenados como credenciais no n8n
• UPSERT idempotente (sem duplicações)
• Processamento em lotes controlado

🚨 Troubleshooting

Instagram API Rate Limit

• Reduzir limit e batchSize nos workflows
• Aumentar intervalo de agendamento

Embeddings não gerados

• Verificar quota da API Gemini
• Conferir credenciais no n8n

Performance lenta

• Recriar índice vetorial: REINDEX INDEX ix_instagram_posts_embedding_ivfflat;
• Aumentar lists no índice para mais dados

📈 Extensões Futuras

• OCR de imagens para extrair texto
• Extração de preços e vincular com produtos_baloes
• Webhooks para ingestão em tempo real
• Dashboards de monitoramento
• Múltiplas contas para monitoramento concorrente
• Análise de engajamento com métricas da API
• Parser avançado com processamento de linguagem natural
• Alertas para posts com alto engajamento

---

✅ Checklist de Implementação

• Instalar community node do Instagram
• Configurar credenciais Instagram API
• Executar script SQL da tabela (com novos campos)
• Importar workflows (4 workflows)
• Configurar NOME_DE_USUARIO_ALVO no workflow de terceiros
• Substituir COLOCAR_ID_CREDENTIAL pelo ID real da credencial Instagram
• Testar execução manual
• Ativar agendamentos
• Verificar integração com assistente existente

Status: Pronto para produção 🎉