使用ElevenLabs和OpenAI构建语音RAG聊天机器人

工作原理：

以下是其运作方式：

Webhook激活：当用户与ElevenLabs上设置的语音代理交互时，过程开始，触发n8n中的webhook。此webhook将用户的问题发送到AI Agent节点。
AI Agent处理：收到查询后，AI Agent节点使用预定义的提示和工具处理输入。它从存储在Qdrant向量数据库中的知识库中提取相关信息。
知识库检索：Vector Store Tool节点与Qdrant Vector Store交互，检索与用户查询匹配的相关文档或数据段。
文本生成：使用检索到的信息，OpenAI Chat Model生成针对用户问题的连贯响应。
响应传递：生成的响应通过另一个webhook发送回ElevenLabs，在那里转换为语音并传递给用户。
持续交互：对于持续对话，Window Buffer Memory通过维护交互历史来确保上下文保留，增强对话流程。
设置步骤：

要有效配置此工作流，请按照以下详细设置说明操作：

ElevenLabs代理创建：

在ElevenLabs上创建免费账户
首先在ElevenLabs上创建一个代理（例如，命名为’test_n8n’）。
自定义第一条消息并定义特定于您用例的系统提示，例如扮演像”Pizzeria da Michele”服务员这样的角色。
添加一个标记为’test_chatbot_elevenlabs’的Webhook工具，配置为通过POST请求接收问题。

Qdrant集合初始化：

使用HTTP Request节点（’Create collection’和’Refresh collection’）初始化和清除Qdrant中的现有集合。确保相应地更新占位符QDRANTURL和COLLECTION。

文档向量化：

使用Google Drive集成从指定文件夹获取文档。然后下载这些文档并处理以进行嵌入。
使用Embeddings OpenAI节点为下载的文件生成嵌入，然后通过Qdrant Vector Store节点将它们存储到Qdrant中。

AI Agent配置：

为AI Agent节点定义系统提示，指导其基于预期查询性质（例如，产品详情、故障排除提示）的行为和响应。
链接必要的模型和工具，包括OpenAI语言模型和内存缓冲区，以增强交互质量。

测试工作流：

通过在n8n中点击”Test workflow”同时在ElevenLabs端启动测试来执行整个工作流的测试运行，以确认所有组件无缝交互。
在测试阶段密切监控日志和输出，确保系统之间的准确数据流。

与网站集成：

最后，将聊天机器人小部件集成到您的商业网站上，将占位符AGENT_ID替换为之前在ElevenLabs上创建的实际标识符。

通过遵循这些全面指南，用户可以成功部署一个复杂的语音驱动聊天机器人，能够利用OpenAI和ElevenLabs技术支持的先进检索增强生成技术提供精确答案。