## 项目概述
这个项目展示了如何使用n8n构建检索增强生成（RAG）系统，创建一个基于Webhook连接的文档问答系统，支持通过Lovable用户界面进行查询。
### 核心功能
🧾 **文档加载**：从Google Drive下载PDF格式文档（合同文档、用户手册、HR政策文档等）
📚 **向量化处理**：使用OpenAI将文档转换为向量嵌入
🔍 **向量存储与搜索**：在Pinecone向量数据库中存储和搜索文档
💬 **自然语言查询**：使用AI代理对合同进行自然语言查询
### 工作流结构
#### 流程1：文档加载与RAG设置
这个流程自动化：
– 从Google Drive文件夹读取文档
– 使用text-embedding-3-small进行向量化
– 将向量上传到Pinecone用于后续语义搜索
**工作流节点**：
– Manual Trigger（手动触发器）
– Google Drive Search（Google Drive搜索）
– Google Drive Download（Google Drive下载）
– Pinecone Vector Store（Pinecone向量存储）
– Default Data Loader（默认数据加载器）
– Recursive Character Text Splitter（递归字符文本分割器）
– OpenAI Embedding（OpenAI嵌入）
**详细步骤**：
1. **手动触发器**：按需启动工作流加载新文档
2. **Google Drive搜索与下载**：
– 节点：Google Drive（搜索：文件/文件夹）
– 需要凭据访问Google Drive文件夹和文件
– 从Google Drive下载PDF文档
3. **递归文本分割器**：将长文档分割为重叠块
– 设置：块大小1000，重叠100
4. **OpenAI嵌入**：
– 模型：text-embedding-3-small
– 用于创建文档向量
5. **Pinecone向量存储**：
– 索引：package1536
– 批量大小：200
– 设置：密集类型，区域us-east-1，模式：插入文档
#### 流程2：基于聊天的问答代理
这个流程支持使用带有向量记忆的OpenAI驱动代理对存储的文档进行聊天式查询。
**工作流节点**：
– Chat Trigger（聊天触发器）
– AI Agent（AI代理）
– OpenAI Chat Model（OpenAI聊天模型）
– Simple Memory（简单记忆）
– Answer with Vector Store（使用向量存储回答）
– Pinecone Vector Store（Pinecone向量存储）
– Embeddings OpenAI（OpenAI嵌入）
**组件说明**：
– **聊天触发器**：接收传入的聊天查询
– **AI代理节点**：使用以下工具处理查询流程：
– 聊天模型：OpenAI GPT
– 记忆：简单记忆
– 工具：使用向量存储回答问题
– **Pinecone向量存储**：通过与流程1相同的嵌入索引连接
– **嵌入**：确保文档块可使用向量相似性检索
– **响应节点**：通过聊天响应向用户返回最终AI响应
#### 流程3：基于UI的查询（使用Lovable）
这个流程使用通过Lovable构建的Web UI直接从表单界面查询合同。
**Webhook设置**：
– Webhook节点
– 方法：POST
– URL：您的webhook URL
– 响应：使用’Respond to Webhook’节点
**工作流逻辑**：
– Webhook（Lovable表单）→ AI代理
– AI代理 → OpenAI聊天模型
– AI代理 → 简单记忆
– AI代理 → 使用向量存储回答
– 使用向量存储回答 → Pinecone向量存储
– Pinecone向量存储 → OpenAI嵌入
– AI代理 → 响应Webhook
**Lovable UI功能**：
用户可以提交：
– 全名
– 邮箱
– 部门
– 自由格式查询：用户可以输入任何自由格式查询
数据通过webhook发送到n8n，并从合同内容中返回答案。
### 应用场景
🔍 **合同查询**：为法律/HR团队提供合同查询服务
🔍 **采购与供应商协议QA**：自动化采购和供应商协议质量保证
🔍 **客户支持自动化**：基于条款的客户支持自动化
🔍 **私有文档知识RAG系统**：为私有文档知识构建RAG系统
### 技术栈
⚙️ **工具与技术**：
– AI嵌入：OpenAI text-embedding-3-small
– 向量数据库：Pinecone
– 分块处理：递归文本分割器
– AI代理：OpenAI GPT聊天
– 自动化：n8n
– UI集成：Lovable（基于表单）
### 技术规格
📌 **最终配置**：
– Pinecone索引：package1536
– 维度：1536
– 块大小：1000，重叠：100
– 嵌入模型：text-embedding-3-small
这个工作流展示了如何构建一个完整的文档问答系统，从文档加载到用户查询的完整流程，特别适合需要处理大量合同和文档的企业环境。
评论(0)