Grundlegender RAG-Chat
Fortgeschritten
Dies ist ein Support, Building Blocks, AI-Bereich Automatisierungsworkflow mit 14 Nodes. Hauptsächlich werden ManualTrigger, ReadWriteFile, LmChatGroq, ChatTrigger, ChainRetrievalQa und andere Nodes verwendet, kombiniert mit KI-Technologie für intelligente Automatisierung. Grundlegender RAG-Chat
Voraussetzungen
- •KI-Service API Key (z.B. OpenAI, Anthropic)
Verwendete Nodes (14)
Workflow-Vorschau
Visualisierung der Node-Verbindungen, mit Zoom und Pan
Workflow exportieren
Kopieren Sie die folgende JSON-Konfiguration und importieren Sie sie in n8n
{
"nodes": [
{
"id": "3bc2f88b-c14e-4ee5-84ce-dc16a54aa12b",
"name": "Recursive Character Text Splitter",
"type": "@n8n/n8n-nodes-langchain.textSplitterRecursiveCharacterTextSplitter",
"position": [
-580,
320
],
"parameters": {
"options": {
"splitCode": "markdown"
},
"chunkOverlap": 50
},
"typeVersion": 1
},
{
"id": "6bd91468-17db-4918-a232-87fb295a30c2",
"name": "Haftnotiz",
"type": "n8n-nodes-base.stickyNote",
"position": [
-1240,
-140
],
"parameters": {
"color": 7,
"width": 978.0454109366399,
"height": 806.6556079800943,
"content": "### Load data into database\nFetch file from Google Drive, split it into chunks and insert into Pinecone index"
},
"typeVersion": 1
},
{
"id": "3af4e8e9-0503-470e-b449-4551191fb405",
"name": "Haftnotiz1",
"type": "n8n-nodes-base.stickyNote",
"position": [
0,
-160
],
"parameters": {
"color": 7,
"width": 795.4336844920119,
"height": 849.4411596574598,
"content": "### Chat with database\nEmbed the incoming chat message and use it retrieve relevant chunks from the vector store. These are passed to the model to formulate an answer "
},
"typeVersion": 1
},
{
"id": "6f94ec58-4fca-40ee-a1a0-012998093589",
"name": "Default Data Loader",
"type": "@n8n/n8n-nodes-langchain.documentDefaultDataLoader",
"position": [
-580,
200
],
"parameters": {
"options": {},
"dataType": "binary"
},
"typeVersion": 1
},
{
"id": "3e145342-458d-4222-a707-9fee78e91c4d",
"name": "Question and Answer Kette",
"type": "@n8n/n8n-nodes-langchain.chainRetrievalQa",
"position": [
60,
-20
],
"parameters": {
"options": {}
},
"typeVersion": 1.2
},
{
"id": "7f2b288a-a002-4cd3-93c0-b2a0e491699c",
"name": "Vektorspeicher Retriever",
"type": "@n8n/n8n-nodes-langchain.retrieverVectorStore",
"position": [
240,
200
],
"parameters": {},
"typeVersion": 1
},
{
"id": "ca930ba7-b45d-47d8-9f36-9db3a25ee77a",
"name": "Beim Klicken 'Test Workflow' button",
"type": "n8n-nodes-base.manualTrigger",
"position": [
-1420,
-20
],
"parameters": {},
"typeVersion": 1
},
{
"id": "90782052-5df2-4f1e-84fc-c47095a81852",
"name": "Beim Klicken 'Chat' button below",
"type": "@n8n/n8n-nodes-langchain.chatTrigger",
"position": [
-140,
-20
],
"webhookId": "066b342b-f2b6-401e-b560-12f5d23b6103",
"parameters": {},
"typeVersion": 1
},
{
"id": "712dc9d3-af2d-4436-9315-78f66f748b91",
"name": "Read/Write Files from Disk",
"type": "n8n-nodes-base.readWriteFile",
"position": [
-1200,
-20
],
"parameters": {
"options": {},
"fileSelector": "/tmp/external_data/news.txt"
},
"typeVersion": 1,
"alwaysOutputData": true
},
{
"id": "1cd768c1-fcc0-480a-8b33-fbe714788b32",
"name": "In-Memory Vektorspeicher1",
"type": "@n8n/n8n-nodes-langchain.vectorStoreInMemory",
"position": [
240,
380
],
"parameters": {},
"typeVersion": 1
},
{
"id": "2393e667-7e4f-4392-9a7e-b2b4d74d46e8",
"name": "In-Memory Vektorspeicher",
"type": "@n8n/n8n-nodes-langchain.vectorStoreInMemory",
"position": [
-980,
-20
],
"parameters": {
"mode": "insert",
"clearStore": true
},
"typeVersion": 1
},
{
"id": "e53f51f3-04f3-46ef-aebd-e0b32b415101",
"name": "Einbettungen Cohere",
"type": "@n8n/n8n-nodes-langchain.embeddingsCohere",
"position": [
-940,
300
],
"parameters": {
"modelName": "embed-multilingual-v3.0"
},
"credentials": {
"cohereApi": {
"id": "rXh87ikYuJfDKuCk",
"name": "CohereApi account"
}
},
"typeVersion": 1
},
{
"id": "cf1333b6-b69b-4ff1-bfc3-d3d579585efb",
"name": "Groq Chat Model",
"type": "@n8n/n8n-nodes-langchain.lmChatGroq",
"notes": "使用繁體中文",
"position": [
100,
220
],
"parameters": {
"model": "llama-3.3-70b-versatile",
"options": {}
},
"credentials": {
"groqApi": {
"id": "dznjL979E8j0L4Zc",
"name": "Groq account"
}
},
"typeVersion": 1
},
{
"id": "e49cfb2e-5eca-4b43-973d-4bf7285b5d94",
"name": "Einbettungen Cohere1",
"type": "@n8n/n8n-nodes-langchain.embeddingsCohere",
"position": [
340,
560
],
"parameters": {
"modelName": "embed-multilingual-v3.0"
},
"credentials": {
"cohereApi": {
"id": "rXh87ikYuJfDKuCk",
"name": "CohereApi account"
}
},
"typeVersion": 1
}
],
"connections": {
"cf1333b6-b69b-4ff1-bfc3-d3d579585efb": {
"ai_languageModel": [
[
{
"node": "Question and Answer Chain",
"type": "ai_languageModel",
"index": 0
}
]
]
},
"Embeddings Cohere": {
"ai_embedding": [
[
{
"node": "In-Memory Vector Store",
"type": "ai_embedding",
"index": 0
}
]
]
},
"Embeddings Cohere1": {
"ai_embedding": [
[
{
"node": "In-Memory Vector Store1",
"type": "ai_embedding",
"index": 0
}
]
]
},
"6f94ec58-4fca-40ee-a1a0-012998093589": {
"ai_document": [
[
{
"node": "In-Memory Vector Store",
"type": "ai_document",
"index": 0
}
]
]
},
"Vector Store Retriever": {
"ai_retriever": [
[
{
"node": "Question and Answer Chain",
"type": "ai_retriever",
"index": 0
}
]
]
},
"In-Memory Vector Store1": {
"ai_vectorStore": [
[
{
"node": "Vector Store Retriever",
"type": "ai_vectorStore",
"index": 0
}
]
]
},
"712dc9d3-af2d-4436-9315-78f66f748b91": {
"main": [
[
{
"node": "In-Memory Vector Store",
"type": "main",
"index": 0
}
]
]
},
"3bc2f88b-c14e-4ee5-84ce-dc16a54aa12b": {
"ai_textSplitter": [
[
{
"node": "6f94ec58-4fca-40ee-a1a0-012998093589",
"type": "ai_textSplitter",
"index": 0
}
]
]
},
"When clicking 'Chat' button below": {
"main": [
[
{
"node": "Question and Answer Chain",
"type": "main",
"index": 0
}
]
]
},
"When clicking 'Test Workflow' button": {
"main": [
[
{
"node": "712dc9d3-af2d-4436-9315-78f66f748b91",
"type": "main",
"index": 0
}
]
]
}
}
}Häufig gestellte Fragen
Wie verwende ich diesen Workflow?
Kopieren Sie den obigen JSON-Code, erstellen Sie einen neuen Workflow in Ihrer n8n-Instanz und wählen Sie "Aus JSON importieren". Fügen Sie die Konfiguration ein und passen Sie die Anmeldedaten nach Bedarf an.
Für welche Szenarien ist dieser Workflow geeignet?
Fortgeschritten - Support, Bausteine, Künstliche Intelligenz
Ist es kostenpflichtig?
Dieser Workflow ist völlig kostenlos. Beachten Sie jedoch, dass Drittanbieterdienste (wie OpenAI API), die im Workflow verwendet werden, möglicherweise kostenpflichtig sind.
Verwandte Workflows
Fortgeschührte KI-Demonstration (gezeigt auf der 14. KI-Entwickler-Tagung)
Erweiterte KI-Demonstration (gezeigt auf der 14. KI-Entwickler-Treffung)
If
Code
Gmail
+
If
Code
Gmail
39 NodesMax Tkacz
Bausteine
Vollständiges RAG-System mit Qdrant und automatischen Quellenangaben
RAG-System mit automatischen Zitaten mit Qdrant, Gemini und OpenAI bauen
Set
Code
Wait
+
Set
Code
Wait
29 NodesDavide
Künstliche Intelligenz
Funktionalität zum Aktualisieren von Dokumenten in RAG aktivieren
Baue und aktualisiere ein RAG-System mit Google Drive, Qdrant und Gemini Chat
Set
Wait
Google Drive
+
Set
Wait
Google Drive
29 NodesDavide
Künstliche Intelligenz
Ein Frage-Antwort-System für Paul-Graham-Artikel mit OpenAI und Milvus-Vektordatenbank erstellen
Erstellen Sie ein Paul Graham-Artikel-Fragen-Antwort-System mit OpenAI und Milvus-Vektordatenbank
Html
Limit
Split Out
+
Html
Limit
Split Out
22 NodesCheney Zhang
Künstliche Intelligenz
Agenten-Builder
Automatisches Erstellen von benutzerdefinierten Workflows mit GPT-4o, RAG und Websuche
If
Set
Code
+
If
Set
Code
33 NodesFranz
Bausteine
RAG-KI-Agent mit Milvus und Cohere erstellen
Ein Dokumenten-Frage-Antwort-RAG-System für Google Drive mit Milvus, Cohere und OpenAI erstellen
Google Drive
Agent
Extract From File
+
Google Drive
Agent
Extract From File
14 NodesAitor | 1node.ai
Support
Workflow-Informationen
Schwierigkeitsgrad
Fortgeschritten
Anzahl der Nodes14
Kategorie3
Node-Typen11
Autor
JustinLee
@justinExterne Links
Auf n8n.io ansehen →
Diesen Workflow teilen