기본 RAG 채팅
중급
이것은Support, Building Blocks, AI분야의자동화 워크플로우로, 14개의 노드를 포함합니다.주로 ManualTrigger, ReadWriteFile, LmChatGroq, ChatTrigger, ChainRetrievalQa 등의 노드를 사용하며인공지능 기술을 결합하여 스마트 자동화를 구현합니다. 기본 RAG 챗팅
사전 요구사항
- •AI 서비스 API Key(예: OpenAI, Anthropic 등)
사용된 노드 (14)
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
{
"nodes": [
{
"id": "3bc2f88b-c14e-4ee5-84ce-dc16a54aa12b",
"name": "재귀적 문자 텍스트 분할기",
"type": "@n8n/n8n-nodes-langchain.textSplitterRecursiveCharacterTextSplitter",
"position": [
-580,
320
],
"parameters": {
"options": {
"splitCode": "markdown"
},
"chunkOverlap": 50
},
"typeVersion": 1
},
{
"id": "6bd91468-17db-4918-a232-87fb295a30c2",
"name": "메모",
"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": "메모1",
"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": "질문 응답 체인",
"type": "@n8n/n8n-nodes-langchain.chainRetrievalQa",
"position": [
60,
-20
],
"parameters": {
"options": {}
},
"typeVersion": 1.2
},
{
"id": "7f2b288a-a002-4cd3-93c0-b2a0e491699c",
"name": "벡터 스토어 Retriever",
"type": "@n8n/n8n-nodes-langchain.retrieverVectorStore",
"position": [
240,
200
],
"parameters": {},
"typeVersion": 1
},
{
"id": "ca930ba7-b45d-47d8-9f36-9db3a25ee77a",
"name": "클릭 시 'Test Workflow' button",
"type": "n8n-nodes-base.manualTrigger",
"position": [
-1420,
-20
],
"parameters": {},
"typeVersion": 1
},
{
"id": "90782052-5df2-4f1e-84fc-c47095a81852",
"name": "클릭 시 '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": "디스크 파일 읽기/쓰기",
"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 벡터 스토어1",
"type": "@n8n/n8n-nodes-langchain.vectorStoreInMemory",
"position": [
240,
380
],
"parameters": {},
"typeVersion": 1
},
{
"id": "2393e667-7e4f-4392-9a7e-b2b4d74d46e8",
"name": "In-Memory 벡터 스토어",
"type": "@n8n/n8n-nodes-langchain.vectorStoreInMemory",
"position": [
-980,
-20
],
"parameters": {
"mode": "insert",
"clearStore": true
},
"typeVersion": 1
},
{
"id": "e53f51f3-04f3-46ef-aebd-e0b32b415101",
"name": "임베딩 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": "임베딩 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
}
]
]
},
"Read/Write Files from Disk": {
"main": [
[
{
"node": "In-Memory Vector Store",
"type": "main",
"index": 0
}
]
]
},
"Recursive Character Text Splitter": {
"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": "Read/Write Files from Disk",
"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, 빌딩 블록, 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
고급 AI 데모 (AI 개발자 14번째 모임에서 발표)
高级AI演示（在AI开发者第14次聚会中展示）
If
Code
Gmail
+
If
Code
Gmail
39 노드Max Tkacz
빌딩 블록
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
OpenAI와 Milvus 벡터 데이터베이스를 사용하여 Paul Graham 기사 질문 응답 시스템을 만들기
OpenAI와 Milvus 벡터 데이터베이스를 사용하여 Paul Graham 문서 질문 응답 시스템을 생성합니다.
Html
Limit
Split Out
+
Html
Limit
Split Out
22 노드Cheney Zhang
인공지능
대리자 구축 도구
사용법 GPT-4o, RAG 및 네트워크 검색을 통해 사용자 정의 작업 흐름 자동 구축
If
Set
Code
+
If
Set
Code
33 노드Franz
빌딩 블록
Milvus와 Cohere의 RAG AI 대리자
사용법 Milvus, Cohere 및 OpenAI를 사용하여 Google Drive에 대한 RAG 문서 질문 시스템 구축
Google Drive
Agent
Extract From File
+
Google Drive
Agent
Extract From File
14 노드Aitor | 1node.ai
지원
