这是一个基于n8n的Uyarlanabilir RAG（Retrieval-Augmented Generation）工作流，能够根据用户查询类型智能调整检索和生成策略。
## 工作流概述
该工作流实现了自适应检索增强生成方法，通过将用户查询分类为四种类型（事实性、分析性、观点性、上下文性），并针对每种类型应用不同的检索和生成策略，从而从存储在Qdrant向量数据库中的知识库提供更相关和定制化的回答。
## 主要功能特点
### 查询分类
– 使用Google Gemini代理分析用户查询
– 将查询分类为四种类型：事实性、分析性、观点性、上下文性
### 自适应策略路由
– 基于查询分类结果，通过Switch节点将工作流路由到相应的策略路径
### 策略实施
– **事实性策略**：专注于精确性，重新表述查询以改善信息检索
– **分析性策略**：将主要查询分解为多个子问题，确保全面覆盖
– **观点性策略**：识别与查询相关的不同潜在观点或方法
– **上下文性策略**：推断回答查询所需的隐含上下文
### 文档检索
– 使用Qdrant向量存储检索相关文档片段
– 利用Google Gemini嵌入进行相似性搜索
### 响应生成
– 基于检索到的上下文生成最终回答
– 集成对话历史以提供连贯的交互体验
## 技术架构
工作流包含多个关键节点：
– Chat Trigger和Execute Workflow Trigger作为输入触发器
– Google Gemini节点用于查询分类和策略实施
– Qdrant向量存储用于文档检索
– Memory Buffer节点用于维护对话上下文
– Set节点用于字段组合和提示设置
– Switch节点用于路由决策
## 应用场景
该工作流适用于需要智能问答系统的各种场景，包括客户支持、知识库查询、教育辅助等，能够根据查询类型提供针对性的高质量回答。
评论(0)