Рекомендации фильмов из Qdrant через OpenAI — шаблон n8n
Фильмы из набора IMDB-top1000 превращаются в персональные рекомендации: в n8n Qdrant хранит векторы описаний, а OpenAI помогает агенту подобрать варианты по запросу в чате.
Оригинал на n8n.io: Building RAG chatbot for movie recommendations with Qdrant and Open AI — Jenny
Открыть шаблон на n8n.io бесплатно- Сложность
- сложный19 видов узлов
- Просмотров на n8n.io
- 36 832
- Опубликован
- Обновлён
- Автор
- Jennyпроверен n8n.io
- Сверено
Что делает шаблон
На выходе чат-бот предлагает top-3 фильма из набора IMDB-top1000 с учётом пожеланий и «больших нет» в запросе, например фильма о волшебниках, но не о Гарри Поттере. Описания фильмов превращаются в векторы с помощью OpenAI и хранятся в Qdrant; для подбора используются положительные и отрицательные примеры из запроса. Шаблон рассчитан на рекомендации по этому набору данных. IMDB Kaggle dataset нужно загрузить в GitHub; Qdrant можно развернуть в облачном кластере или использовать локально.
Как работает workflow по шагам
- Manual Trigger запускает загрузку набора фильмов из GitHub.
- Extract From File извлекает данные IMDB Kaggle dataset, а Default Data Loader и Token Splitter готовят описания.
- Embeddings OpenAI создаёт векторы описаний, которые Qdrant Vector Store сохраняет в базе.
- Chat Trigger принимает запрос, а AI Agent передаёт его через Call n8n Workflow Tool.
- HTTP Request обращается к Recommendation API Qdrant и возвращает top-3 фильма по положительным и отрицательным примерам.
Что нужно для запуска
- Учётные данные GitHub и загруженный туда IMDB Kaggle dataset
- Учётные данные OpenAI
- Кластер Qdrant или локальная установка Qdrant и учётные данные API
Как подключить Qdrant к n8n
Для облачного кластера Qdrant нужны учётные данные API; их получают при настройке кластера. В узле Qdrant указываются эти учётные данные. Qdrant также можно использовать локально.
Сервисы 3
Категории у источника: Разработка , RAG: ответы по своим документам
Узлы workflow 19
- GitHub
- HTTP Request
- Merge
- Edit Fields (Set)
- Sticky Note
- Execute Workflow Trigger
- Manual Trigger
- AI Agent
- Embeddings OpenAI
- OpenAI Chat Model
- Simple Memory
- Token Splitter
- Call n8n Workflow Tool
- Extract from File
- Aggregate
- Split Out
- Default Data Loader
- Chat Trigger
- Qdrant Vector Store
Виды узлов, из которых собран сценарий, — как их перечисляет страница шаблона. Серым — служебные узлы n8n.
Автор и первоисточник
Сценарий «Building RAG chatbot for movie recommendations with Qdrant and Open AI» опубликовал на n8n.io Jenny. 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.