此工作流演示了一个检索增强生成（RAG）聊天机器人，让您可以使用自然语言与GitHub API规范（文档）进行对话。它使用n8n、OpenAI的LLM和Pinecone向量数据库构建，提供关于如何使用GitHub API的问题的准确且上下文感知的响应。
您可以将其适配到任何公共或私有API的任何OpenAPI规范，从而创建一个公司内任何人都可以使用的文档聊天机器人。
工作原理：
数据摄取：工作流直接从GitHub仓库获取完整的GitHub API OpenAPI 3规范。
分块和嵌入：它将大型API规范分割成更小、可管理的块。然后，OpenAI的嵌入模型为每个块生成向量嵌入，捕获它们的语义含义。
向量数据库存储：这些嵌入以及相应的文本块存储在Pinecone向量数据库中。
聊天界面和查询处理：工作流提供了一个简单的聊天界面。当您提问时，它使用相同的OpenAI模型为您的查询生成嵌入。
语义搜索和检索：查询Pinecone以基于查询嵌入从API规范中找到最相关的文本块。
响应生成：检索到的块和您的原始问题被输入到OpenAI的gpt-4o-mini LLM中，该模型生成简洁、信息丰富且上下文相关的答案，包括适用的代码片段。
设置步骤：
创建账户：您需要OpenAI和Pinecone的账户。
API密钥：获取这两个服务的API密钥。
配置凭据：在您的n8n环境中，使用您的API密钥配置OpenAI和Pinecone的凭据。
导入工作流：将此工作流导入到您的n8n实例中。
Pinecone索引：确保您有一个名为”n8n-demo”的Pinecone索引，或相应地调整工作流。工作流开箱即用地与此索引配合使用。
设置时间：大约15-20分钟。
为什么使用此工作流？
学习RAG实践：这是如何构建RAG驱动的聊天机器人的实用、动手示例。
可适配模板：轻松修改此工作流以为其他API或知识库创建聊天机器人。
n8n简化：了解n8n如何简化数据源、向量数据库和LLM之间的复杂集成。
评论(0)