OpenAI, RAG, MongoDB 벡터 임베딩을 사용하여 지식庫 챗봇을 구축합니다.
중급
이것은Support, AI분야의자동화 워크플로우로, 15개의 노드를 포함합니다.주로 GoogleDocs, ManualTrigger, Agent, ChatTrigger, LmChatOpenAi 등의 노드를 사용하며인공지능 기술을 결합하여 스마트 자동화를 구현합니다. OpenAI, RAG, MongoDB 벡터 임베딩을 사용하여 지식庫 챗봇을 구축합니다.
사전 요구사항
- •OpenAI API Key
- •MongoDB 연결 문자열
사용된 노드 (15)
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
{
"meta": {
"instanceId": "074f90e2bb5206c5f405a8aac6551497c72005283a5405fb08207b1b3a78c2b8",
"templateCredsSetupCompleted": true
},
"nodes": [
{
"id": "5cb0a836-f9a1-4f92-9326-cd82a392d0da",
"name": "지식 베이스 에이전트",
"type": "@n8n/n8n-nodes-langchain.agent",
"position": [
220,
0
],
"parameters": {
"text": "={{ $json.chatInput }}",
"options": {
"systemMessage": "You are the AI assistant for an internal support team at a technology company specializing in advanced software solutions. Your task is to assist internal users by consulting the official product documentation stored in the company’s knowledge base.\n\nAvailable references:\n\nproductDocs: Step-by-step guides, technical configurations, and official manuals extracted from the product’s documentation.\n\nBehavior rules for answering questions:\nAlways consult the official product documentation first using the productDocs tool.\n\nRespond clearly and directly, explaining how to do what is requested.\n\nDo not filter by category unless explicitly asked by the user.\n\nDetect the language of each incoming message individually and respond in that language. Do not use prior conversation language or history to decide the response language.\n\nNever provide links, even if requested. If a user asks for a link, reply:\n“I cannot provide links. If you need specific information, please let me know and I will help with the details.”\n\nUse a professional, direct, and human tone.\n\nKeep answers between 2 and 4 lines unless the user requests more detail.\n\nDo not invent information that is not in the knowledge base.\n\nIf you give numbered steps or lists, number them sequentially (1, 2, 3...) without skipping or repeating numbers, even if the source content uses different numbering."
},
"promptType": "define"
},
"typeVersion": 1.9
},
{
"id": "56e6fb75-6a97-4466-9e7f-70710c2740d7",
"name": "OpenAI 채팅 모델",
"type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
"position": [
60,
240
],
"parameters": {
"model": {
"__rl": true,
"mode": "list",
"value": "gpt-4o-mini"
},
"options": {}
},
"credentials": {
"openAiApi": {
"id": "cJRah9hGPQ7eX4jd",
"name": "OpenAi account"
}
},
"typeVersion": 1.2
},
{
"id": "e352c32e-7108-4a0d-b081-b2532d96d092",
"name": "임베딩 OpenAI",
"type": "@n8n/n8n-nodes-langchain.embeddingsOpenAi",
"position": [
680,
380
],
"parameters": {
"options": {}
},
"credentials": {
"openAiApi": {
"id": "cJRah9hGPQ7eX4jd",
"name": "OpenAi account"
}
},
"typeVersion": 1.2
},
{
"id": "74bbfb00-1a00-4131-a291-bce5b79628b4",
"name": "워크플로 실행 시",
"type": "n8n-nodes-base.manualTrigger",
"position": [
-60,
-420
],
"parameters": {},
"typeVersion": 1
},
{
"id": "f720a4b0-6239-4a0b-bb61-1e43f78f8e40",
"name": "심플 메모리",
"type": "@n8n/n8n-nodes-langchain.memoryBufferWindow",
"position": [
320,
220
],
"parameters": {},
"typeVersion": 1.3
},
{
"id": "94561d61-4a01-48b6-b114-dc4d47546ff3",
"name": "MongoDB 벡터 검색",
"type": "@n8n/n8n-nodes-langchain.vectorStoreMongoDBAtlas",
"position": [
560,
220
],
"parameters": {
"mode": "retrieve-as-tool",
"options": {},
"toolName": "productDocs",
"mongoCollection": {
"__rl": true,
"mode": "list",
"value": "n8n-template",
"cachedResultName": "n8n-template"
},
"toolDescription": "retreive documentation",
"vectorIndexName": "data_index"
},
"credentials": {
"mongoDb": {
"id": "7riubYENUDZsmjyK",
"name": "MongoDB account 2"
}
},
"typeVersion": 1.1
},
{
"id": "c473c33d-5681-4f3a-ac36-0d3012e7251f",
"name": "문서 섹션 로더",
"type": "@n8n/n8n-nodes-langchain.documentDefaultDataLoader",
"position": [
740,
-260
],
"parameters": {
"options": {
"metadata": {
"metadataValues": [
{
"name": "doc_id",
"value": "={{ $json.documentId }}"
}
]
}
},
"jsonData": "={{ $json.content }}",
"jsonMode": "expressionData"
},
"typeVersion": 1
},
{
"id": "321222cb-1daf-4be2-a6ca-1a03d24f670f",
"name": "문서 청커",
"type": "@n8n/n8n-nodes-langchain.textSplitterRecursiveCharacterTextSplitter",
"position": [
860,
-100
],
"parameters": {
"options": {
"splitCode": "markdown"
},
"chunkSize": 3000,
"chunkOverlap": 200
},
"typeVersion": 1
},
{
"id": "716519f5-cec1-4bfe-afbe-614fc23e74b5",
"name": "MongoDB 벡터 스토어 인서터",
"type": "@n8n/n8n-nodes-langchain.vectorStoreMongoDBAtlas",
"position": [
540,
-420
],
"parameters": {
"mode": "insert",
"options": {},
"mongoCollection": {
"__rl": true,
"mode": "list",
"value": "n8n-template",
"cachedResultName": "n8n-template"
},
"vectorIndexName": "data_index"
},
"credentials": {
"mongoDb": {
"id": "7riubYENUDZsmjyK",
"name": "MongoDB account 2"
}
},
"typeVersion": 1.1
},
{
"id": "a49c19fc-f5f5-4381-b6ba-1bfc12b96135",
"name": "OpenAI 임베딩 생성기",
"type": "@n8n/n8n-nodes-langchain.embeddingsOpenAi",
"position": [
480,
-180
],
"parameters": {
"options": {}
},
"credentials": {
"openAiApi": {
"id": "cJRah9hGPQ7eX4jd",
"name": "OpenAi account"
}
},
"typeVersion": 1.2
},
{
"id": "6de724d5-2941-4e72-af8b-302ca2cf2ca0",
"name": "Google 문서 임포터",
"type": "n8n-nodes-base.googleDocs",
"position": [
200,
-420
],
"parameters": {
"operation": "get",
"documentURL": "https://docs.google.com/document/d/1gvgp71e9edob8WLqFIYCdzC7kUq3pLO37VKb-a-vVW4/edit?tab=t.0"
},
"credentials": {
"googleDocsOAuth2Api": {
"id": "FNXMwqMf7vl1WUFj",
"name": "Google Docs account"
}
},
"typeVersion": 2
},
{
"id": "4f30bb21-72f0-4d13-b610-2ec218ad31b1",
"name": "스티키 노트",
"type": "n8n-nodes-base.stickyNote",
"position": [
-420,
-440
],
"parameters": {
"color": 5,
"content": "Run this workflow manually to import and index Google Docs product documentation into MongoDB with vector embeddings for fast search."
},
"typeVersion": 1
},
{
"id": "25fd33d5-041b-4f01-a46b-1bacabd88376",
"name": "채팅 메시지 수신 시",
"type": "@n8n/n8n-nodes-langchain.chatTrigger",
"position": [
40,
0
],
"webhookId": "427ead97-647d-49c7-82d7-e76b40664fd1",
"parameters": {
"options": {}
},
"typeVersion": 1.1
},
{
"id": "f1f3fadd-d5e6-45df-b810-1616531dffcb",
"name": "스티키 노트1",
"type": "n8n-nodes-base.stickyNote",
"position": [
-420,
40
],
"parameters": {
"color": 4,
"content": "This workflow uses retrieval-augmented generation (RAG) to answer user questions by searching the MongoDB vector store and generating AI responses with context."
},
"typeVersion": 1
},
{
"id": "39eee95c-b332-4ae4-bde9-aaf0fe5e0546",
"name": "스티키 노트2",
"type": "n8n-nodes-base.stickyNote",
"position": [
1060,
-380
],
"parameters": {
"height": 520,
"content": "Search Index Example \n\n{\n \"mappings\": {\n \"dynamic\": false,\n \"fields\": {\n \"_id\": {\n \"type\": \"string\"\n },\n \"text\": {\n \"type\": \"string\"\n },\n \"embedding\": {\n \"type\": \"knnVector\",\n \"dimensions\": 1536,\n \"similarity\": \"cosine\"\n },\n \"source\": {\n \"type\": \"string\"\n },\n \"doc_id\": {\n \"type\": \"string\"\n }\n }\n }\n}\n"
},
"typeVersion": 1
}
],
"pinData": {},
"connections": {
"f720a4b0-6239-4a0b-bb61-1e43f78f8e40": {
"ai_memory": [
[
{
"node": "5cb0a836-f9a1-4f92-9326-cd82a392d0da",
"type": "ai_memory",
"index": 0
}
]
]
},
"321222cb-1daf-4be2-a6ca-1a03d24f670f": {
"ai_textSplitter": [
[
{
"node": "c473c33d-5681-4f3a-ac36-0d3012e7251f",
"type": "ai_textSplitter",
"index": 0
}
]
]
},
"e352c32e-7108-4a0d-b081-b2532d96d092": {
"ai_embedding": [
[
{
"node": "94561d61-4a01-48b6-b114-dc4d47546ff3",
"type": "ai_embedding",
"index": 0
}
]
]
},
"56e6fb75-6a97-4466-9e7f-70710c2740d7": {
"ai_languageModel": [
[
{
"node": "5cb0a836-f9a1-4f92-9326-cd82a392d0da",
"type": "ai_languageModel",
"index": 0
}
]
]
},
"6de724d5-2941-4e72-af8b-302ca2cf2ca0": {
"main": [
[
{
"node": "716519f5-cec1-4bfe-afbe-614fc23e74b5",
"type": "main",
"index": 0
}
]
]
},
"5cb0a836-f9a1-4f92-9326-cd82a392d0da": {
"main": [
[]
]
},
"94561d61-4a01-48b6-b114-dc4d47546ff3": {
"ai_tool": [
[
{
"node": "5cb0a836-f9a1-4f92-9326-cd82a392d0da",
"type": "ai_tool",
"index": 0
}
]
]
},
"c473c33d-5681-4f3a-ac36-0d3012e7251f": {
"ai_document": [
[
{
"node": "716519f5-cec1-4bfe-afbe-614fc23e74b5",
"type": "ai_document",
"index": 0
}
]
]
},
"25fd33d5-041b-4f01-a46b-1bacabd88376": {
"main": [
[
{
"node": "5cb0a836-f9a1-4f92-9326-cd82a392d0da",
"type": "main",
"index": 0
}
]
]
},
"a49c19fc-f5f5-4381-b6ba-1bfc12b96135": {
"ai_embedding": [
[
{
"node": "716519f5-cec1-4bfe-afbe-614fc23e74b5",
"type": "ai_embedding",
"index": 0
}
]
]
},
"74bbfb00-1a00-4131-a291-bce5b79628b4": {
"main": [
[
{
"node": "6de724d5-2941-4e72-af8b-302ca2cf2ca0",
"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 - 지원, 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
지능형 지식 어시스턴트
Telegram에서 GPT-4o-mini, RAG, RLHF를 사용하여 지능형 지식 어시스턴트를 구축하고 MongoDB 통합
Set
Code
Telegram
+
Set
Code
Telegram
26 노드NovaNode
지원
텍스트, 음성, 이미지 및 PDF를 지원하는 AI 기반 WhatsApp 챗봇(RAG)
텍스트, 음성, 이미지 및 PDF 지원 AI 기반 WhatsApp 챗봇(RAG)
Set
Code
Switch
+
Set
Code
Switch
35 노드NovaNode
엔지니어링
AI 이메일 자동 응답 시스템 - 이메일 RAG 지능형 에이전트
AI 이메일 자동 응답 시스템 - 이메일 RAG 지능형 에이전트
If
Set
Gmail
+
If
Set
Gmail
34 노드LukaszB
지원
基于AI의MIS에이전트
基于AI의관리信息系统에이전트
If
Set
Code
+
If
Set
Code
129 노드Kumar Shivam
지원
AI 스마트 어시스턴트: Supabase 스토리지 및 Google Drive 파일과 대화
AI스마트어시스턴트：与Supabase存储및Google Drive文件对话
If
Set
Wait
+
If
Set
Wait
62 노드Mark Shcherbakov
엔지니어링
BambooHR AI 기반의 회사 정책과 복리후생 채팅 로봇
BambooHR AI 기반의 회사 정책과 복리후생 챗봇
Set
Filter
Bamboo Hr
+
Set
Filter
Bamboo Hr
50 노드Ludwig
인사
