n8n: Чат-бот по документации Google Docs с OpenAI и MongoDB
Документация из Google Docs превращается в базу знаний для вопросов сотрудников: workflow n8n связывает OpenAI и MongoDB, чтобы формировать ответы с учётом найденных фрагментов.
Оригинал на n8n.io: Build a knowledge base chatbot with OpenAI, RAG and MongoDB vector embeddings — NovaNode
Открыть шаблон на n8n.io бесплатно- Сложность
- средний11 видов узлов
- Просмотров на n8n.io
- 14 896
- Опубликован
- Обновлён
- Автор
- NovaNodeпроверен n8n.io
- Сверено
Что делает шаблон
Чат отвечает на вопросы по продуктовой документации, загруженной из Google Docs: OpenAI формирует ответ с учётом совпавших фрагментов, найденных в векторном хранилище MongoDB. В коллекции сохраняются векторы и метаданные, включая источник и идентификатор документа. Для поиска нужен векторный индекс с именем data_index, настроенный одинаково в обоих workflow. Короткий контекст беседы хранится в узле памяти. Системный запрос агента задаёт тон, стиль ответов и бизнес-правила; описание чата и инструкции можно адаптировать под его назначение.
Как работает workflow по шагам
- Ручной запуск начинает импорт продуктовой документации из Google Docs.
- Загрузчик данных передаёт документ разделителю, который разбивает текст на фрагменты.
- Узел OpenAI создаёт векторные представления фрагментов, а MongoDB сохраняет их и метаданные.
- Триггер чата принимает вопрос и запускает AI Agent.
- OpenAI Chat Model формирует вектор вопроса, а MongoDB ищет близкие фрагменты в коллекции.
- AI Agent использует найденный контекст и краткую память беседы, чтобы подготовить ответ.
Что нужно для запуска
- Доступ к Google Docs и URL документации.
- Учётные данные MongoDB Atlas и коллекция для векторов и метаданных.
- Векторный поисковый индекс data_index в коллекции.
- Доступ к OpenAI для узлов векторных представлений и языковой модели.
Что изменить под себя
- В узле Knowledge Base Agent меняются системный запрос, тон, стиль ответов и бизнес-правила.
- Обновляются описание workflow и инструкции для пользователей чата.
- В обоих workflow настраиваются одна коллекция MongoDB и совпадающее имя векторного индекса.
Кому подойдёт
Для внутренних команд поддержки, специалистов по продукту и менеджеров знаний технологических компаний, которым нужно автоматизировать обработку документации и ответы на вопросы.
Сервисы 3
- Google Docs40
- OpenAI811
- MongoDB
Категории у источника: База знаний , RAG: ответы по своим документам
Узлы workflow 11
- Google Docs
- Sticky Note
- Manual Trigger
- AI Agent
- Embeddings OpenAI
- OpenAI Chat Model
- Simple Memory
- Recursive Character Text Splitter
- Default Data Loader
- Chat Trigger
- Mongodb Atlas Vector Store
Виды узлов, из которых собран сценарий, — как их перечисляет страница шаблона. Серым — служебные узлы n8n.
Автор и первоисточник
Сценарий «Build a knowledge base chatbot with OpenAI, RAG and MongoDB vector embeddings» опубликовал на n8n.io NovaNode. 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.