## 工作流概述
这是一个完整的RAG（检索增强生成）管道教程工作流，用于构建一个专门针对n8n官方文档的AI专家聊天机器人。工作流分为两个主要部分：
### 第一部分：知识库构建（图书馆建设）
这是一个一次性手动运行的过程，工作流会自动抓取n8n文档的所有页面，将其分解为小块，并使用AI模型为每个块创建特殊的数值表示（嵌入向量）。这些嵌入向量存储在n8n内置的简单向量存储中。
**重要提示**：这个内存中的知识库是临时的。如果重启n8n实例，它将被清除，需要重新运行索引过程。
### 第二部分：AI代理（专家图书管理员）
这是聊天界面。当您提问时，AI代理不会猜测答案，而是使用您的问题从刚刚构建的知识库中找到最相关的”索引卡”（块）。然后将这些特定的相关块提供给强大的语言模型（Gemini），并附带严格指令：”仅使用此信息回答用户的问题”。这确保了答案准确、真实且基于您提供的文档。
## 设置步骤
**设置时间**：约2分钟（加上15-20分钟的索引时间）
### 1. 配置Google AI凭据
– 您需要Google AI API密钥用于Gemini模型
– 在n8n工作流中，转到任意Gemini节点
– 点击凭据下拉菜单并选择”+创建新凭据”
– 输入您的Gemini API密钥并保存
### 2. 向所有节点应用凭据
– 您的新Google AI凭据现已保存
– 转到其他两个Gemini节点并选择新创建的凭据
### 3. 构建知识库
– 找到工作流左上角的”开始索引”手动触发节点
– 点击其”执行工作流”按钮开始索引过程
– **注意**：这需要15-20分钟，因为它会抓取并处理整个n8n文档
### 4. 与专家代理聊天
– 索引完成后，使用屏幕顶部的切换开关激活整个工作流
– 打开RAG聊天机器人聊天触发节点并复制其公共URL
– 在新标签页中打开URL并开始询问有关n8n的问题
## 技术架构
### 索引流程节点
– HTTP Request：获取n8n文档链接
– HTML：从HTML提取链接
– Split Out：将链接拆分为单独项目
– Remove Duplicates：删除重复链接
– Filter：仅保留文档路径
– Split In Batches：批量处理文档页面
– Execute Workflow：为每个页面调用子工作流
### 文档处理节点
– HTTP Request：获取单个页面内容
– HTML：提取文档内容
– Set：清理文档格式
– Remove Duplicates：避免重复处理
– Recursive Character Text Splitter：将文本分解为块
– Embeddings Google Gemini：创建嵌入向量
– Vector Store In Memory：存储到向量数据库
### 聊天流程节点
– Chat Trigger：聊天界面
– Agent：AI代理协调器
– Language Model Google Gemini：语言模型
– Memory Buffer Window：对话记忆
– Vector Store In Memory：检索工具
## 工作流特点
– **准确性保证**：仅基于提供的文档回答问题，避免幻觉
– **内存管理**：使用子工作流处理大量页面，避免内存溢出
– **去重机制**：智能避免重复处理相同内容
– **实时交互**：提供公共聊天URL，支持多用户访问
– **易于扩展**：可轻松替换为其他知识源
## 应用场景
– 企业内部知识问答系统
– 技术文档智能助手
– 客户支持自动化
– 教育培训工具
– 产品文档查询系统
评论(0)