RAG：上下文感知分块 | 通过OpenRouter和Gemini从Google Drive到Pinecone

Name: RAG：上下文感知分块 | 通过OpenRouter和Gemini从Google Drive到Pinecone
Rating: 4.5 (10 reviews)
Author: Udit Rawat

高级

这是一个Building Blocks, AI领域的自动化工作流，包含 17 个节点。主要使用 Set, Code, SplitOut, GoogleDrive, ManualTrigger 等节点，结合人工智能技术实现智能自动化。 RAG：上下文感知分块 | 通过OpenRouter和Gemini从Google Drive到Pinecone

前置要求

•Google Drive API 凭证
•Pinecone API Key

使用的节点 (17)

EmbeddingsGoogleGemini

DocumentDefaultDataLoader

TextSplitterRecursiveCharacterTextSplitter

分类

构建模块

人工智能

工作流预览

可视化展示节点连接关系，支持缩放和平移

无法加载工作流预览

导出工作流

复制以下 JSON 配置到 n8n 导入，即可使用此工作流

{
  "nodes": [],
  "connections": {}
}

常见问题

如何使用这个工作流？

复制上方的 JSON 配置代码，在您的 n8n 实例中创建新工作流并选择「从 JSON 导入」，粘贴配置后根据需要修改凭证设置即可。

这个工作流适合什么场景？

高级 - 构建模块, 人工智能

需要付费吗？

本工作流完全免费，您可以直接导入使用。但请注意，工作流中使用的第三方服务（如 OpenAI API）可能需要您自行付费。

相关工作流推荐

[模板] AI宠物店 v8

🐶 AI宠物店助手 - 集成GPT-4o、Google日历和WhatsApp/Instagram/Facebook

使用GPT-4o、RAG和网络搜索自动构建自定义工作流

88 节点Polina Medvedieva

工程

基于文档问答的 Telegram AI 聊天机器人（OpenAI 与 PGVector RAG）

使用 OpenAI 和 PGVector RAG 实现文档问答的 Telegram AI 聊天机器人

🤖 WhatsApp、Instagram 和 Messenger 的 AI 餐厅助手

支持文本、语音、图像和PDF的AI驱动WhatsApp聊天机器人（RAG）

工作流信息

难度等级

高级

节点数量17

分类2

节点类型14

难度说明

适合高级用户，包含 16+ 个节点的复杂工作流

作者

Udit Rawat

@ailistmaster

Hi, I’m Udit, an Acquia-certified developer with a strong background in web development and creating enterprise solutions. Recently, I’ve transitioned into AI and ML, I hold DIAT Professional AI Certification. I specialize in building AI-driven automation to streamline workflows, improve efficiency, and solve complex problems. With expertise in AI/ML tools and years of experience in Acquia and Drupal, I’m passionate about leveraging tech to drive innovation and create smarter solutions.

外部链接

在 n8n.io 查看 →

分享此工作流