N8N 构建企业级知识库问答Agent：文档向量存储及RAG检索

N8N 构建企业级知识库问答Agent：文档向量存储及RAG检索 N8N 构建企业级知识库问答Agent：文档向量存储及RAG检索 Modified December 5, 2025 该节点就是告诉AI Agent节点是做什么的，什么情况下应该调用，调用时需要遵循返回4条数据的规则 2.添加一个open AI的模型 3.添加Pinecone Vector Store节点 在存储文档也是使用该节点，现在是检索，同一个节点只需更改使用功能即可 按图中表示设置好即可 4.继续添加一个向量模型即可 这样就完成了一个最基础的问答Agent工作流，接下来看一下效果： No access 录屏2025 08 04 15.43.09 00:00 这个视频中AI Agent回答的效果，我还是很满意。但肯定有小伙伴会想，回答的都是啥？一点都不拟人化。其实我都没有设置提示词，只靠模型和检索信息给我回答，这么一看效果是不是还不错呢： 好了本次的分享就到这，这套流程就是可以适用于大部分场景，如企业客服、电商客服、个人知识管理助手、某某大拿分身、学习助手、高级教师分身等等非常多的应用场景都可以基于n8n这套流程来做。 📱我的联系📱 📩 QQ：3188073422 | 电话：15195525703 | 微信：sunjiaping3612 该节点就是告诉AI Agent节点是做什么的，什么情况下应该调用，调用时需要遵循返回4条数据的规则 2.添加一个open AI的模型 3.添加Pinecone Vector Store节点 在存储文档也是使用该节点，现在是检索，同一个节点只需更改使用功能即可 按图中表示设置好即可 4.继续添加一个向量模型即可 这样就完成了一个最基础的问答Agent工作流，接下来看一下效果： No access 录屏2025 08 04 15.43.09 00:00 No access 录屏2025 08 04 15.43.09 00:00 这个视频中AI Agent回答的效果，我还是很满意。但肯定有小伙伴会想，回答的都是啥？一点都不拟人化。其实我都没有设置提示词，只靠模型和检索信息给我回答，这么一看效果是不是还不错呢： 好了本次的分享就到这，这套流程就是可以适用于大部分场景，如企业客服、电商客服、个人知识管理助手、某某大拿分身、学习助手、高级教师分身等等非常多的应用场景都可以基于n8n这套流程来做。 📱我的联系📱 📩 QQ：3188073422 | 电话：15195525703 | 微信：sunjiaping3612 QQ：3188073422 | 电话：15195525703 | 微信：sunjiaping3612 大家好！我是舰长 在学习AI Agent的道路上，RAG知识库检索是必学的内容，想让模型更理解你更懂企业的业务，就需要给大模型喂资料，模型可以根据提供的资料进行回答，但如果你有1万字以上的资料呢？模型必然没有办法精准的查找到资料，并且给予回复。 这个时候就需要用到RAG检索，把资料进行检索，大范围缩减到小范围中，在由模型去根据资料回答，不仅可以节省资源，模型的回答也更为精准。 如今，喂给模型的知识是非常重要的，只要模型🈶了更精准的行业话术、产品资料、网络资料等就可以给予业务上的一些帮助。 在N8N中就可以完美体现上面图中的内容，同样本次我将带来两个板块的内容： 1.文档向量存储 2.Agent调用知识库流程 本次分享是本地部署（无服务器）环境下知识库RAG检索流程的配置，没有本地部署n8n的可以参考我写的这篇文章：快速简单本地部署n8n，免费使用 快速简单本地部署n8n，免费使用 本次分享是本地部署（无服务器）环境下知识库RAG检索流程的配置，没有本地部署n8n的可以参考我写的这篇文章：快速简单本地部署n8n，免费使用 快速简单本地部署n8n，免费使用 一：文档向量存储 在部署到本地的时候，是在本地的磁盘中创建了两个文件夹：n8n和n8ndata（图中n8n zn是汉化文件夹） 在n8n工作流中会有下载到本地或者从本地获取文件，都是需要依靠n8ndata；下载文件会自动下载到n8ndata中，那获取文件也需要在n8ndata中获取，在开始n8n的流程学习之前，先给自己的本地文件中放置一个资料内容，如图： 1.打开n8n，创建一个workflow（工作流） 2.在点击执行工作流后面添加节点：Read/Write Files from Disk 文件位置需要在n8ndata中 3.在次添加一个数据节点：Pinecone Vector Stor 该节点的向量存储和检索能力较强，是一个外部的平台 该节点的详细功能如图： 本次主要运用Insert Documents：添加文档到向量数据库中 Pinecone Vector Stor节点是需要上他的平台上获取API密钥的，打开网址：https://www.pinecone.io/ 正常登入后，点击API可以获取到密钥： 在点击Database中的lndexes，创建一个检索，等于我们先在平台上创建一个空间，这个空间就可以专门存放同一类型的文档。 创建名称和选择open AI的模型作为向量模型 把默认的512换成1536后直接点击创建即可 回到n8n中，点击Pinecone Vector Stor节点，按照图中以及上述流程的顺序填写配置即可 添加向量模型 这里的模型也是需要有api的，这些我都已经专门编写过文章，正在学习的小伙伴可以按顺序查看 点击领一个拖尾➕号就可以出文本分割节点 调整Default Data Loader节点的设置 继续点击+号获取文本分割方式，根据情况选择，我推荐使用第二个； 该节点的设置就可以默认设置即可 这样我们基于n8n中搭建了一个自动上传、分割、存储的流程就制作好了 当执行流程时会通过本地磁盘设置好的文件名进行提取并传输给向量数据中进行分割存储使用，执行后可以在平台中查看： 二：Agent调用知识库流程 第二套流程是基于第一个流程中下面创建的新举措，不需要重新创建工作流，在添加中添加新的触发节点，也就是聊天时触发，这套流程中的AI Agent节点就不详细介绍，在我这篇文章中有详细介绍：N8N自动化工作流：AI节点详情讲解,打好工作流基础 N8N自动化工作流：AI节点详情讲解,打好工作流基础 重点讲解AI Agent节点的检索支线如何设置 1.点击工具+号添加节点：Answer questions with a vector store