Библиотека / RAG и базы знаний
RAG и базы знаний
Снижение затрат на RAG с помощью Q&A-инструмента и нескольких шагов извлечения
При загрузке файла он встраивается в векторное хранилище, а при поступлении сообщения в чате агент OpenAI отвечает через более дешевый инструмент вопросов и ответов.
Что делает
### Readme Load your data into a vector database with the 📚 Load Data flow, and then use your data as chat context with the 🐕 Retriever flow. Quick start 1. Click on the Execute Workflow button to run the 📚 Load Data flow. 2. Click on Open Chat button to run the 🐕 Retriever flow. Then ask a question about content from your document(s) For more info, check our docs on RAG in n8n
Шаги
- Upload your file here
- Embeddings OpenAI
- Default Data Loader
- Insert Data to Store
- Query Data Tool
- AI Agent
- When chat message received
- Answer questions with a vector store
- Expensive model
- Cheap Model
Похожие автоматизации
RAG и базы знанийСравнение RAG-процесса и RAG-агента для поддержки клиентовШагов: 19RAG и базы знанийПоиск по истории писем с Gmail, Qdrant и OpenAI RAGШагов: 20RAG и базы знанийПоиск по новым письмам Gmail с PGVector и OpenAI RAGШагов: 11RAG и базы знанийRAG-чат-бот в Telegram на основе ссылок на сайтыШагов: 112