完整RAG系统与自动文档更新使用Qdrant

## 主要优势

**自动知识库更新**
无需手动干预——Google Drive中的文档会自动与Qdrant同步。

**高效搜索和检索**
向量嵌入支持快速精确地检索相关信息。

**可扩展和灵活**
适用于多个文档，并支持数据集的持续增长。

**无缝AI集成**
结合OpenAI嵌入进行向量化和Google Gemini提供高质量的自然语言答案。

**元数据增强存储**
每个文档存储元数据（文件ID和名称），便于管理和跟踪文档版本。

**端到端RAG管道**
从文档摄取到AI驱动的问答，所有操作都在一个n8n工作流中处理。

## 工作原理

这个工作流实现了一个检索增强生成（RAG）系统，自动处理、存储和检索文档信息以进行AI驱动的问答。以下是其功能方式：

**文档处理与向量化：**
– 系统监控指定的Google Drive文件夹中的新文件或更新文件。
– 当添加或修改文件时，使用递归字符文本分割器将其下载并分割成可管理的块。
– 使用OpenAI的嵌入模型将每个块转换为向量嵌入。
– 这些向量以及元数据（文件ID、文件名）存储在Qdrant向量数据库中。

**自动更新：**
– 工作流包含一种机制，在插入新向量之前删除与更新文件相关的旧向量，确保知识库保持最新。

**查询处理与响应生成：**
– 当用户发送聊天消息（通过聊天触发器）时，系统：
– 根据查询的语义相似性从Qdrant检索最相关的文档块。
– 使用Google Gemini语言模型生成基于检索文档的上下文感知答案。
– 这提供了准确、基于来源的响应，而不是仅仅依赖AI的内部知识。

**初始设置与维护：**
– 可以手动触发工作流以创建Qdrant集合或清除所有现有数据。
– 在初始设置期间处理Drive文件夹中的所有现有文件，填充向量存储。

## 设置步骤

要配置此工作流，请按照以下步骤操作：

**步骤1：创建Qdrant集合**
– 将”创建集合”和”清除集合”节点中的QDRANTURL替换为您的Qdrant实例URL（例如http://your-qdrant-host:6333）。
– 将COLLECTION替换为您所需的集合名称。
– 确保Qdrant API凭据在相应的HTTP Request节点中正确设置。

**步骤2：配置Google Drive访问**
– 为Google Drive设置OAuth凭据，允许工作流：
– 从特定文件夹读取文件。
– 下载文件进行处理。
– 更新”搜索文件”和”更新？”触发器节点中的文件夹ID，指向您的目标Google Drive文件夹。

**步骤3：设置AI模型**
– 在Embeddings节点中配置OpenAI API凭据以生成文本嵌入。
– 在Google Gemini Chat Model节点中配置Google Gemini（PaLM）API凭据以生成答案。

**步骤4：配置元数据**
– 系统自动将元数据（file_id、file_name）附加到每个文档块。这在Default Data Loader节点中设置。
– 此元数据对于识别信息来源和更新机制至关重要。

**步骤5：测试RAG系统**
– 工作流包含一个聊天触发器（”当收到聊天消息时”）用于测试。
– 发送查询以测试检索和答案生成过程。