Поиск по PDF в Weaviate через Mistral AI — шаблон n8n
PDF-файлы превращаются в поисковую базу: workflow в n8n связывает Mistral AI, Cohere и Weaviate для извлечения текста, векторного поиска и доступа к базе через MCP.
Оригинал на n8n.io: Build a PDF search system with Mistral OCR and Weaviate DB — Dietmar
Открыть шаблон на n8n.io бесплатно- Сложность
- средний10 видов узлов
- Просмотров на n8n.io
- 1 536
- Опубликован
- Обновлён
- Автор
- Dietmar
- Сверено
Что делает шаблон
Коллекция KnowledgeDocuments в Weaviate хранит векторные представления фрагментов PDF и метаданные: имя файла, содержимое, источник и время загрузки. Текст извлекает Mistral AI, а Cohere создаёт многоязычные эмбеддинги и ранжирует результаты поиска. Базу можно подключить как инструмент через MCP для внешних AI-workflow. Для хранения и поиска нужна одна и та же модель эмбеддингов; большие документы можно разбивать на фрагменты. На запросы Mistral, Cohere и Weaviate распространяются лимиты API.
Как работает workflow по шагам
- Form Trigger запускает workflow при загрузке PDF через форму.
- Mistral Ai извлекает текст из PDF с помощью OCR.
- Edit Fields подготавливает метаданные документа.
- Default Data Loader передаёт данные в Recursive Character Text Splitter для разбиения на фрагменты.
- Embeddings Cohere создаёт векторы, а Weaviate Vector Store сохраняет их в коллекции.
- MCP Server Trigger открывает доступ к базе, а Reranker Cohere ранжирует результаты поиска.
Что нужно для запуска
- Доступ к Mistral Cloud API для извлечения текста из PDF.
- Доступ к Weaviate API и коллекция KnowledgeDocuments.
- Доступ к Cohere API для эмбеддингов и ранжирования.
- HTTP Header Auth для аутентификации MCP-сервера.
Как подключить Mistral AI к n8n
Для извлечения текста из PDF нужны учётные данные Mistral Cloud API; они настраиваются для узла Mistral Ai.
Что изменить под себя
- Название коллекции Weaviate задаётся как KnowledgeDocuments.
- Пути вебхуков настраиваются для MCP-сервера и триггера формы.
- Модель эмбеддингов для хранения и поиска должна совпадать.
- Размер фрагментов можно подобрать для обработки больших документов.
Кому подойдёт
Подходит для создания поисковой базы по корпоративным документам, исследовательским работам, юридическим материалам, технической документации и академическим публикациям.
Сервисы 4
- Embeddings Cohere
- Reranker Cohere
- Mistral AI
- Weaviate Vector Store
Категории у источника: Извлечение данных из документов , Мультимодальный ИИ
Узлы workflow 10
- Edit Fields (Set)
- Sticky Note
- Embeddings Cohere
- Recursive Character Text Splitter
- n8n Form Trigger
- Default Data Loader
- MCP Server Trigger
- Reranker Cohere
- Mistral Ai
- Weaviate Vector Store
Виды узлов, из которых собран сценарий, — как их перечисляет страница шаблона. Серым — служебные узлы n8n.
Автор и первоисточник
Сценарий «Build a PDF search system with Mistral OCR and Weaviate DB» опубликовал на n8n.io Dietmar. 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.