这个模板是一个完整的实践教程，教你如何构建一个RAG（检索增强生成）管道。简单来说，你将教会一个AI成为特定主题的专家——在这个案例中是官方n8n文档——然后构建一个聊天机器人来向它提问。
把它想象成这样：你不是在构建一个通用知识的AI，而是在构建一个专家图书管理员。
工作流分为两个主要部分：
**第一部分：知识索引（构建图书馆）**
这是一个你手动运行的一次性过程。工作流自动抓取n8n文档的所有页面，将它们分解成小的、易于消化的块，并使用AI模型为每个块创建一个特殊的数字表示（”嵌入”）。这些嵌入然后存储在你自己的私有知识库（Supabase向量存储）中。这就像一个图书管理员阅读每一本书，并为每个段落创建一个超详细的索引卡。
**第二部分：AI代理（专家图书管理员）**
这是聊天界面。当你提出问题时，AI代理不会猜测答案。相反，它使用你的问题从刚刚构建的知识库中找到最相关的”索引卡”（块）。然后它将这些特定的、相关的块提供给一个强大的语言模型（如Gemini），并带有严格的指令：”仅使用此信息回答用户的问题。”这确保了答案准确、真实，并基于你提供的文档。
**设置步骤**
设置时间：约15-20分钟
这是一个高级工作流，需要设置一个免费的外部数据库。请仔细遵循这些步骤。
**设置Supabase（你的知识库）：**
– 你需要一个免费的Supabase账户
– 按照工作流右上角大型工作流设置便签中的详细说明：
– 创建一个新的Supabase项目
– 在SQL编辑器中运行提供的SQL查询来准备你的数据库
– 获取你的项目URL和服务角色密钥
**配置n8n凭据：**
– 在你的n8n实例中，使用上一步的项目URL和服务角色密钥创建一个新的Supabase凭据
– 使用你的Gemini API密钥创建一个新的Google AI凭据
**配置工作流节点：**
– 在三个Supabase节点中选择你的新Supabase凭据：你的Supabase向量存储、官方n8n文档和保持Supabase实例活跃
– 在三个Gemini节点中选择你的新Google AI凭据：Gemini块嵌入、Gemini查询嵌入和Gemini 2.5 Flash
**构建知识库：**
– 找到左上角的开始索引手动触发器节点
– 点击其”执行工作流”按钮开始索引过程。这将需要几分钟时间，因为它会抓取并处理整个n8n文档。你只需要做一次
**与你的专家代理聊天：**
– 索引完成后，激活整个工作流
– 打开RAG聊天机器人聊天触发器节点并复制其公共URL
– 在新标签页中打开URL并开始询问关于n8n的问题！例如：”IF节点如何工作？”或”什么是子工作流？”
评论(0)