GLPI-Wissensbasis-RAG-Pipeline mit Google Gemini und PostgreSQL erstellen
Fortgeschritten
Dies ist ein Internal Wiki, Multimodal AI-Bereich Automatisierungsworkflow mit 9 Nodes. Hauptsächlich werden Agent, ChatTrigger, LmChatGoogleGemini, MemoryBufferWindow, VectorStorePGVector und andere Nodes verwendet. Eine GLPI-Wissensdatenbank-RAG-Pipeline mit Google Gemini und PostgreSQL erstellen
Voraussetzungen
- •Google Gemini API Key
Verwendete Nodes (9)
Kategorie
Workflow-Vorschau
Visualisierung der Node-Verbindungen, mit Zoom und Pan
Workflow exportieren
Kopieren Sie die folgende JSON-Konfiguration und importieren Sie sie in n8n
{
"meta": {
"instanceId": "98986c4dc0b4b2af9fd0666d254f8b80e6e6b2044e2f3f3eedc76242999f4b5e",
"templateCredsSetupCompleted": true
},
"nodes": [
{
"id": "faa18c92-30d0-481f-b073-0b5efa68fbdf",
"name": "KI-Agent",
"type": "@n8n/n8n-nodes-langchain.agent",
"position": [
3824,
992
],
"parameters": {},
"typeVersion": 1.8
},
{
"id": "dd67e0b2-9986-4506-813e-d9d79b0b9f7b",
"name": "Google Gemini Chat-Modell",
"type": "@n8n/n8n-nodes-langchain.lmChatGoogleGemini",
"position": [
3392,
1232
],
"parameters": {},
"typeVersion": 1
},
{
"id": "0667b08a-42f9-4c74-9560-75f196147468",
"name": "Bei Empfang einer Chat-Nachricht",
"type": "@n8n/n8n-nodes-langchain.chatTrigger",
"position": [
3488,
992
],
"webhookId": "8850cfe1-5a35-4bc9-9c02-91ccf4b82c58",
"parameters": {},
"typeVersion": 1.1
},
{
"id": "e828b8eb-b88f-425b-aaca-7081a0145c08",
"name": "Einbettungen Google Gemini1",
"type": "@n8n/n8n-nodes-langchain.embeddingsGoogleGemini",
"position": [
4192,
1440
],
"parameters": {},
"typeVersion": 1
},
{
"id": "6f220ede-5bbf-48b7-a5b1-48052fb1dd87",
"name": "Haftnotiz",
"type": "n8n-nodes-base.stickyNote",
"position": [
3488,
800
],
"parameters": {
"content": ""
},
"typeVersion": 1
},
{
"id": "761568e7-36aa-4dd2-8dc1-a037b0c27218",
"name": "Einbettungen Google Gemini3",
"type": "@n8n/n8n-nodes-langchain.embeddingsGoogleGemini",
"position": [
3904,
1424
],
"parameters": {},
"typeVersion": 1
},
{
"id": "e25c8e1e-a871-491e-ad86-fd9575700f96",
"name": "CONHECIMENTO_TI_GLPI",
"type": "@n8n/n8n-nodes-langchain.vectorStorePGVector",
"position": [
4208,
1280
],
"parameters": {},
"typeVersion": 1.1
},
{
"id": "19487e55-30d4-4570-a9e2-6ff9ce92c615",
"name": "CONFLUENCE_TI_CONFLUENCE_SGU_GPL",
"type": "@n8n/n8n-nodes-langchain.vectorStorePGVector",
"position": [
3824,
1264
],
"parameters": {},
"typeVersion": 1.1
},
{
"id": "2fe1ca70-36ee-4593-bf7d-33bc1d4ea9f9",
"name": "Einfacher Speicher",
"type": "@n8n/n8n-nodes-langchain.memoryBufferWindow",
"position": [
3648,
1248
],
"parameters": {},
"typeVersion": 1.3
}
],
"pinData": {},
"connections": {
"faa18c92-30d0-481f-b073-0b5efa68fbdf": {
"main": [
[]
]
},
"2fe1ca70-36ee-4593-bf7d-33bc1d4ea9f9": {
"ai_memory": [
[
{
"node": "faa18c92-30d0-481f-b073-0b5efa68fbdf",
"type": "ai_memory",
"index": 0
}
]
]
},
"e25c8e1e-a871-491e-ad86-fd9575700f96": {
"ai_tool": [
[
{
"node": "faa18c92-30d0-481f-b073-0b5efa68fbdf",
"type": "ai_tool",
"index": 0
}
]
]
},
"dd67e0b2-9986-4506-813e-d9d79b0b9f7b": {
"ai_languageModel": [
[
{
"node": "faa18c92-30d0-481f-b073-0b5efa68fbdf",
"type": "ai_languageModel",
"index": 0
}
]
]
},
"Embeddings Google Gemini1": {
"ai_embedding": [
[
{
"node": "e25c8e1e-a871-491e-ad86-fd9575700f96",
"type": "ai_embedding",
"index": 0
}
]
]
},
"Embeddings Google Gemini3": {
"ai_embedding": [
[
{
"node": "19487e55-30d4-4570-a9e2-6ff9ce92c615",
"type": "ai_embedding",
"index": 0
}
]
]
},
"0667b08a-42f9-4c74-9560-75f196147468": {
"main": [
[
{
"node": "faa18c92-30d0-481f-b073-0b5efa68fbdf",
"type": "main",
"index": 0
}
]
]
},
"19487e55-30d4-4570-a9e2-6ff9ce92c615": {
"ai_tool": [
[]
]
}
}
}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 - Internes Wiki, Multimodales KI
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
Dokumenten-Experten-Chatbot mit Gemini-RAG-Pipeline erstellen
Ein Dokumenten-Experten-Chatbot mit Gemini-RAG-Pipeline erstellen
Set
Html
Filter
+
Set
Html
Filter
48 NodesLucas Peyrin
Internes Wiki
IPL-Cricket-Regeln-Fragen- und Antworten-Chatbot mit RAG und Google Gemini API
IPL-Cricket-Regeln-Chatbot basierend auf RAG und Google Gemini API
Http Request
Manual Trigger
Agent
+
Http Request
Manual Trigger
Agent
24 NodesSidd
Engineering
🤖 Erstellen Sie einen Dokumenten-Experten-Roboter mit RAG, Gemini und Supabase
🤖 Erstellen Sie einen Dokumenten-Experten-Roboter mit RAG, Gemini und Supabase
Set
Html
Filter
+
Set
Html
Filter
54 NodesLucas Peyrin
Internes Wiki
AI Sales Agent_ WhatsApp & Website Sales Agent with RAG
Set
Switch
Postgres
+
Set
Switch
Postgres
69 NodesVansh Arora
Automatisierter Verkaufsagent für mehrere Plattformen
Plattformübergreifender Vertriebsagent mit RAG, CRM und Zahlungsabwicklung
If
Set
Switch
+
If
Set
Switch
83 NodesElectrabot
Vertrieb
n8n-Knoten in der visuellen Referenzbibliothek erkunden
Erkundung von n8n-Knoten in der visuellen Referenzbibliothek
If
Ftp
Set
+
If
Ftp
Set
113 NodesI versus AI
Sonstiges
Workflow-Informationen
Schwierigkeitsgrad
Fortgeschritten
Anzahl der Nodes9
Kategorie2
Node-Typen7
Autor
Thiago Vazzoler Loureiro
@thiagovazzolerBuilding Custom Automations with n8n | Node.js Developer | Integration Specialist | Open Source Contributor If you need help with n8n workflows, API integrations, or custom nodes, feel free to connect on LinkedIn: http://linkedin.com/in/thiago-vazzoler-loureiro-24056227
Externe Links
Auf n8n.io ansehen →
Diesen Workflow teilen