n8n: Ответы по документам через Contextual AI и Gemini
Запросы к документам распределяются между RAG-агентами в n8n Google Gemini и Contextual AI: оркестратор выбирает подходящего агента и формирует ответ с опорой на его данные.
Оригинал на n8n.io: Automate Document Q&A with Multi-Agent RAG Orchestration using Contextual AI & Gemini — Jinash Rouniyar
Открыть шаблон на n8n.io бесплатно- Сложность
- средний11 видов узлов
- Просмотров на n8n.io
- 3 374
- Опубликован
- Обновлён
- Автор
- Jinash Rouniyarпроверен n8n.io
- Сверено
Что делает шаблон
В чате пользователь получает ответ с учётом содержимого документов из хранилища выбранного агента. Агенты создаются с именем, описанием и указанным хранилищем; файлы загружаются туда для индексации. Обработка документов асинхронная и может занять несколько минут, поэтому данные агента становятся доступны для запросов не сразу. Для базовой модели используется Gemini 2.5 Flash. Логику выбора агента и запросов к нему можно настроить системным запросом.
Как работает workflow по шагам
- Форма запускает создание агента и принимает имя, описание, хранилище и файлы.
- Агент создаётся с заданными параметрами, а файлы отправляются в хранилище Contextual AI.
- Узел Wait ожидает 30 секунд, затем workflow проверяет статус обработки файлов до её завершения.
- Chat Trigger принимает запрос пользователя, а AI Agent выбирает подходящего агента через Contextual AI Query Tool.
- Google Gemini Chat Model использует Gemini 2.5 Flash для подготовки контекстного ответа.
Что нужно для запуска
- Учётная запись Contextual AI и ключ CONTEXTUALAI_API_KEY.
- API-ключ Gemini.
Как подключить Google Gemini к n8n
Для Google Gemini нужен API-ключ. В workflow используется Gemini 2.5 Flash; API-ключ Gemini требуется для этой модели.
Что изменить под себя
- Form Trigger можно заменить на Webhook Trigger или ручной ввод для связи с другими системами.
- Gemini 2.5 Flash можно заменить моделью другого поставщика.
- Время ожидания между проверками обработки файлов можно изменить.
- Системный запрос можно настроить для выбора агентов и формирования запросов к ним.
Сервисы 1
Категории у источника: База знаний , RAG: ответы по своим документам
Узлы workflow 11
- If
- Loop Over Items (Split in Batches)
- Wait
- Sticky Note
- Code
- AI Agent
- Simple Memory
- n8n Form Trigger
- Split Out
- Chat Trigger
- Google Gemini Chat Model
Виды узлов, из которых собран сценарий, — как их перечисляет страница шаблона. Серым — служебные узлы n8n.
Автор и первоисточник
Сценарий «Automate Document Q&A with Multi-Agent RAG Orchestration using Contextual AI & Gemini» опубликовал на n8n.io Jinash Rouniyar. Файл шаблона и авторское описание — на странице шаблона.
Русское описание написано языковой моделью по странице шаблона и прошло автоматическую проверку: в нём нет сервисов и чисел, которых нет у автора. Сценарий принадлежит автору; каталог его не хранит.