基于Mistral OCR的完整PDF文档RAG系统工作流

## 工作流程概述

一旦配置完成，该工作流可自动化文档摄取、向量化和智能查询，实现强大的RAG应用。

## 主要优势

**端到端自动化**
无需手动交互：文档读取、处理和查询都通过最小化设置自动完成。

**可扩展和模块化**
工作流使用子流程和批处理，易于扩展和定制。

**多模型支持**
结合Mistral进行OCR、OpenAI进行嵌入、Gemini进行智能回答——充分利用每个模型的优势。

**实时问答**
通过RAG集成，用户可以通过自然语言查询文档内容，并获得基于PDF数据的准确响应。

**轻量或完整模式**
用户可以选择索引完整页面内容或仅索引摘要文本，优化性能或丰富度。

## 工作原理

**使用Mistral OCR处理PDF：**
– 工作流开始将PDF文件上传到Mistral的API，执行OCR以提取文本和元数据
– 提取的内容被分割成可管理的块（例如页面或部分）以进行进一步处理

**在Qdrant中进行向量存储：**
– 使用OpenAI的嵌入模型将提取的文本转换为嵌入向量
– 这些嵌入向量存储在Qdrant向量数据库中，实现高效的RAG相似性搜索

**使用RAG进行问答：**
– 当用户通过聊天界面提交问题时，工作流使用向量相似性从Qdrant检索相关文本块
– 语言模型（Google Gemini）基于检索到的上下文生成答案，提供准确且上下文感知的响应

**可选摘要功能：**
– 工作流包括使用Google Gemini的可选摘要步骤，以压缩提取的文本，实现更快的处理或更轻量的RAG使用

## 设置步骤

要在n8n中部署此工作流，请按照以下步骤操作：

**配置Qdrant数据库：**
– 在”创建集合”和”刷新集合”节点中将QDRANTURL和COLLECTION替换为您的Qdrant实例详细信息
– 确保Qdrant集合配置了正确的向量大小（例如，OpenAI嵌入为1536）和距离度量（例如，Cosine）

**设置凭据：**
– 添加以下凭据：
– Mistral Cloud API（用于OCR处理）
– OpenAI API（用于嵌入）
– Google Gemini API（用于聊天和摘要）
– Google Drive（如果从Drive获取PDF）
– Qdrant API（用于向量存储）

**PDF源配置：**
– 如果使用Google Drive，请在”搜索PDF”节点中指定文件夹ID
– 或者，修改工作流以接受来自其他来源的PDF（例如，直接上传或外部API）

**自定义文本处理：**
– 在”Token Splitter”节点中调整块大小和重叠，以优化您的文档类型
– 通过切换”Set page”和”Summarization Chain”节点，为RAG选择原始文本或摘要内容

**测试RAG：**
– 手动或通过聊天消息触发工作流，验证OCR、嵌入和Qdrant存储
– 使用”Question and Answer Chain”节点测试查询响应

**可选子工作流：**
– 工作流支持作为子工作流执行以进行批处理（例如，处理多个PDF）