Qdrant 벡터 데이터베이스 임베드 패이퍼
중급
이것은AI분야의자동화 워크플로우로, 13개의 노드를 포함합니다.주로 Ftp, ManualTrigger, SplitInBatches, EmbeddingsOpenAi, VectorStoreQdrant 등의 노드를 사용하며인공지능 기술을 결합하여 스마트 자동화를 구현합니다. FTP를 통해 JSON을 Qdrant 벡터 데이터베이스에 로드하기
사전 요구사항
- •OpenAI API Key
- •Qdrant 서버 연결 정보
사용된 노드 (13)
카테고리
워크플로우 미리보기
노드 연결 관계를 시각적으로 표시하며, 확대/축소 및 이동을 지원합니다
워크플로우 내보내기
다음 JSON 구성을 복사하여 n8n에 가져오면 이 워크플로우를 사용할 수 있습니다
{
"id": "YoUP55V241b9F2ze",
"meta": {
"instanceId": "35ec7a1e5284dd5dab4dac454bbb30405138d2784c99e56ef8887a4fa9cd1977",
"templateCredsSetupCompleted": true
},
"name": "Qdrant Vector Database Embedding Pipeline",
"tags": [],
"nodes": [
{
"id": "934ffad4-c93e-40c1-b4fd-1c09b518a9c3",
"name": "Qdrant Vector Store",
"type": "@n8n/n8n-nodes-langchain.vectorStoreQdrant",
"position": [
460,
-460
],
"parameters": {
"mode": "insert",
"options": {},
"qdrantCollection": {
"__rl": true,
"mode": "list",
"value": "sv_lang_data",
"cachedResultName": "sv_lang_data"
},
"embeddingBatchSize": 100
},
"credentials": {
"qdrantApi": {
"id": "vUb9tbEnXzu7uNUb",
"name": "QdrantApi svenska"
}
},
"typeVersion": 1.1
},
{
"id": "4127d85d-45c9-4536-a15d-08af9dfdcfa8",
"name": "'워크플로우 테스트' 클릭 시",
"type": "n8n-nodes-base.manualTrigger",
"position": [
-960,
-460
],
"parameters": {},
"typeVersion": 1
},
{
"id": "abb61b81-72e0-468e-855b-72402db828fc",
"name": "Embeddings OpenAI",
"type": "@n8n/n8n-nodes-langchain.embeddingsOpenAi",
"position": [
400,
-240
],
"parameters": {
"options": {}
},
"credentials": {
"openAiApi": {
"id": "kftHaZgVKiB9BmKU",
"name": "OpenAi account"
}
},
"typeVersion": 1.2
},
{
"id": "e9ae24be-6da9-4c04-b891-7e450f505e02",
"name": "기본 데이터 로더",
"type": "@n8n/n8n-nodes-langchain.documentDefaultDataLoader",
"position": [
780,
-180
],
"parameters": {
"options": {},
"dataType": "binary"
},
"typeVersion": 1
},
{
"id": "9aff896d-4edb-494c-b84f-ede4e47db1e3",
"name": "문자 텍스트 분할기",
"type": "@n8n/n8n-nodes-langchain.textSplitterCharacterTextSplitter",
"position": [
800,
20
],
"parameters": {
"separator": "\"chunk_id\""
},
"typeVersion": 1
},
{
"id": "a083a47e-a835-4323-86a8-a2eaed226aaa",
"name": "스티커 노트",
"type": "n8n-nodes-base.stickyNote",
"position": [
-760,
-680
],
"parameters": {
"color": 4,
"width": 260,
"height": 200,
"content": "### Fetch JSON File List\n**Node:** FTP (all files)\n**Operation:** List\n**Path:** <file path>\n\nRecursively lists all .json files prepared for embedding."
},
"typeVersion": 1
},
{
"id": "072ae9dc-c1cd-4ceb-954a-6b6b1b984e29",
"name": "스티커 노트1",
"type": "n8n-nodes-base.stickyNote",
"position": [
-460,
-660
],
"parameters": {
"color": 5,
"height": 180,
"content": "### Iterate Over Files\n**Node:** Loop Over Items\n\nBatches each file path individually for processing."
},
"typeVersion": 1
},
{
"id": "08d852f2-f1de-42ce-b882-1dc1343ed967",
"name": "스티커 노트2",
"type": "n8n-nodes-base.stickyNote",
"position": [
-160,
-700
],
"parameters": {
"color": 4,
"width": 420,
"height": 220,
"content": "### Download Each File\n**Node:** FTP (1 file download)\n\nDownloads the current file in binary form using:\n```\nPath = file_path/{{ $json.name }}\n```"
},
"typeVersion": 1
},
{
"id": "905c3d74-2817-4aa3-865d-51e972cbbb5a",
"name": "스티커 노트3",
"type": "n8n-nodes-base.stickyNote",
"position": [
920,
-80
],
"parameters": {
"color": 3,
"width": 320,
"height": 400,
"content": "### Parse JSON Document (Default Data Loader)\n**Node:** Default Data Loader\n**Loader Type**: binary\n- Converts JSON structure into a document format compatible with embedding.\n\n\n### Split into Smaller Chunks\n**Node:** Character Text Splitter\n**Split by:** \"chunk_id\" or custom logic based on chunk formatting\n\nOptional node if chunk size normalization is required before embedding."
},
"typeVersion": 1
},
{
"id": "9fb8e5be-3ee1-42b4-a858-40bc6afcf457",
"name": "모든 파일 목록 표시",
"type": "n8n-nodes-base.ftp",
"position": [
-700,
-460
],
"parameters": {
"path": "Oracle/AI/embedding/svenska",
"operation": "list"
},
"credentials": {
"ftp": {
"id": "JufoKeNjsIgbCBWe",
"name": "FTP account"
}
},
"typeVersion": 1
},
{
"id": "6f8d0390-5851-44ca-9712-0ae51f9a22ef",
"name": "항목별 반복 실행",
"type": "n8n-nodes-base.splitInBatches",
"position": [
-400,
-460
],
"parameters": {
"options": {}
},
"typeVersion": 3
},
{
"id": "1c89a4a9-ec68-4c48-b7bc-74f5b30d8ac2",
"name": "항목 다운로드 중",
"type": "n8n-nodes-base.ftp",
"position": [
-40,
-440
],
"parameters": {
"path": "=Oracle/AI/embedding/svenska/{{ $json.name }}",
"binaryPropertyName": "binary.data"
},
"credentials": {
"ftp": {
"id": "JufoKeNjsIgbCBWe",
"name": "FTP account"
}
},
"typeVersion": 1,
"alwaysOutputData": true
},
{
"id": "01ca4ee3-5f1c-4977-a7f9-88e46db580ad",
"name": "스티커 노트4",
"type": "n8n-nodes-base.stickyNote",
"position": [
360,
-960
],
"parameters": {
"width": 480,
"height": 460,
"content": "### Store in Vector DB\n**Node:** Qdrant Vector Store\n**Batch Size:** 100\n\n**Collection:** <collection_name>\nSends cleaned text chunks to OpenAI to get embeddings (1536 dim for text-embedding-ada-002)\n\n#### collection settings in Qdrant cluster\n```\nPUT /collections/{collection_name}\n{\n \"vectors\": {\n \"size\": 1536,\n \"distance\": \"Cosine\"\n }\n}\n```\nEmbed Chunks\n**Node:** Embeddings OpenAI\nPushes the embedded chunks (with metadata) into Qdrant for semantic retrieval."
},
"typeVersion": 1
}
],
"active": false,
"pinData": {},
"settings": {
"executionOrder": "v1"
},
"versionId": "c71fca63-26e9-4795-9a00-942dab6d07ce",
"connections": {
"1c89a4a9-ec68-4c48-b7bc-74f5b30d8ac2": {
"main": [
[
{
"node": "934ffad4-c93e-40c1-b4fd-1c09b518a9c3",
"type": "main",
"index": 0
}
]
]
},
"abb61b81-72e0-468e-855b-72402db828fc": {
"ai_embedding": [
[
{
"node": "934ffad4-c93e-40c1-b4fd-1c09b518a9c3",
"type": "ai_embedding",
"index": 0
}
]
]
},
"9fb8e5be-3ee1-42b4-a858-40bc6afcf457": {
"main": [
[
{
"node": "6f8d0390-5851-44ca-9712-0ae51f9a22ef",
"type": "main",
"index": 0
}
]
]
},
"6f8d0390-5851-44ca-9712-0ae51f9a22ef": {
"main": [
[],
[
{
"node": "1c89a4a9-ec68-4c48-b7bc-74f5b30d8ac2",
"type": "main",
"index": 0
}
]
]
},
"e9ae24be-6da9-4c04-b891-7e450f505e02": {
"ai_document": [
[
{
"node": "934ffad4-c93e-40c1-b4fd-1c09b518a9c3",
"type": "ai_document",
"index": 0
}
]
]
},
"934ffad4-c93e-40c1-b4fd-1c09b518a9c3": {
"main": [
[
{
"node": "9fb8e5be-3ee1-42b4-a858-40bc6afcf457",
"type": "main",
"index": 0
}
]
]
},
"9aff896d-4edb-494c-b84f-ede4e47db1e3": {
"ai_textSplitter": [
[
{
"node": "e9ae24be-6da9-4c04-b891-7e450f505e02",
"type": "ai_textSplitter",
"index": 0
}
]
]
},
"4127d85d-45c9-4536-a15d-08af9dfdcfa8": {
"main": [
[
{
"node": "9fb8e5be-3ee1-42b4-a858-40bc6afcf457",
"type": "main",
"index": 0
}
]
]
}
}
}자주 묻는 질문
이 워크플로우를 어떻게 사용하나요?
위의 JSON 구성 코드를 복사하여 n8n 인스턴스에서 새 워크플로우를 생성하고 "JSON에서 가져오기"를 선택한 후, 구성을 붙여넣고 필요에 따라 인증 설정을 수정하세요.
이 워크플로우는 어떤 시나리오에 적합한가요?
중급 - 인공지능
유료인가요?
이 워크플로우는 완전히 무료이며 직접 가져와 사용할 수 있습니다. 다만, 워크플로우에서 사용하는 타사 서비스(예: OpenAI API)는 사용자 직접 비용을 지불해야 할 수 있습니다.
관련 워크플로우 추천
시험 문제 생성
Google 문서와 Gemini AI 기반 시험 문제 및 답변 자동 생성
Code
Google Docs
Http Request
+
Code
Google Docs
Http Request
37 노드Davide
기타
n8n에서 MITRE ATT&CK, Qdrant, Zendesk를 사용한 SIEM 알람 풍부화 자동화
n8n에서 MITRE ATT&CK, Qdrant 및 Zendesk를 사용한 SIEM 경고 강화 자동화
Zendesk
Split Out
Google Drive
+
Zendesk
Split Out
Google Drive
26 노드Angel Menendez
인공지능
Mistral OCR 기반의 완전한 RAG, PDF에서 시작합니다.
Mistral OCR, Qdrant, Gemini AI를 사용하여 PDF 문서 RAG 시스템을 구축합니다.
Set
Code
Wait
+
Set
Code
Wait
34 노드Davide
인공지능
Qdrant를 사용하여 완전한 RAG 시스템, 자동 출처 참조를 포함합니다.
Qdrant, Gemini, OpenAI를 사용하여 자동 참조를 포함한 RAG 시스템을 구축합니다.
Set
Code
Wait
+
Set
Code
Wait
29 노드Davide
인공지능
RAG 문서 업데이트 기능 활성화
Google Drive, Qdrant 및 Gemini Chat을 사용하여 RAG 시스템을 구축 및 업데이트
Set
Wait
Google Drive
+
Set
Wait
Google Drive
29 노드Davide
인공지능
🤖 귀하의 문서 + 구글 드라이브 + 제미니 + Qdrant의 AI 드라이브 RAG 채팅 로봇
🤖 고객의 문서+Google 드라이브+제미니+Qdrant의 AI 드라이브 RAG 채팅 로봇
If
Set
Wait
+
If
Set
Wait
50 노드Joseph LePage
인공지능
