RAG-ответы по документам через Groq и Cohere — шаблон n8n
Документы превращаются в источник ответов на вопросы: workflow n8n связывает Groq с Cohere и векторным поиском, а чат возвращает ответ с учётом найденных фрагментов.
Оригинал на n8n.io: Basic RAG chat — JustinLee
Открыть шаблон на n8n.io бесплатно- Сложность
- средний11 видов узлов
- Просмотров на n8n.io
- 6 890
- Опубликован
- Обновлён
- Автор
- JustinLee
- Сверено
Что делает шаблон
В чате появляются ответы на вопросы по содержимому загруженных документов: Groq формирует их на основе фрагментов, найденных в векторном хранилище. Исходные файлы читаются с диска или из Google Drive, а для прототипа векторы хранятся в In-Memory Vector Store. Это хранилище можно заменить на Pinecone или Qdrant. Документы нужно загрузить или указать как источник, затем заполнить хранилище их векторными представлениями.
Как работает workflow по шагам
- Manual Trigger запускает загрузку документов в векторное хранилище.
- Read/Write Files from Disk и Default Data Loader читают файлы и передают их содержимое дальше.
- Recursive Character Text Splitter делит текст на фрагменты, а Embeddings Cohere создаёт для них векторы.
- In Memory Vector Store сохраняет векторы документов.
- Chat Trigger принимает вопрос и передаёт его в Question and Answer Chain.
- Vector Store Retriever находит похожие фрагменты, а Groq Chat Model формирует ответ по их содержимому.
Что нужно для запуска
- Исходные документы на диске или в Google Drive.
- Доступ к Cohere Embedding API.
- Доступ к Groq.
Что изменить под себя
- Источник документов можно переключить с диска на Google Drive.
- In Memory Vector Store можно заменить на Pinecone или Qdrant.
Сервисы 4
- Question and Answer Chain
- Embeddings Cohere
- Vector Store Retriever
- Groq
Категории у источника: База знаний , RAG: ответы по своим документам
Узлы workflow 11
- Sticky Note
- Manual Trigger
- Question and Answer Chain
- Embeddings Cohere
- Vector Store Retriever
- Recursive Character Text Splitter
- In Memory Vector Store
- Read/Write Files from Disk
- Default Data Loader
- Chat Trigger
- Groq Chat Model
Виды узлов, из которых собран сценарий, — как их перечисляет страница шаблона. Серым — служебные узлы n8n.
Автор и первоисточник
Сценарий «Basic RAG chat» опубликовал на n8n.io JustinLee. 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.