RAG и базы знаний

Эмбеддинг писем Gmail в PGVector с Ollama

При новом письме или ручном запуске письма преобразуются в эмбеддинги с помощью Ollama и сохраняются в Postgres с PGVector для семантического поиска.

Импортировать бесплатно Войдите, чтобы открыть

Что делает

## Magic here 🪄 #### (not really, just statistics) E-mail is stored in a emails_metadata structured table, and also fed to the nomic-embed-text model to be stored in a emails_embeddings table as vector embeddings so similarity searches are possible. The email_id field can be used to make the relation between the structured records and the vector embeddings, as it's stored in their metadata as emails_metadata.id. This is also the case for thread_id.

Шаги

Embeddings Ollama
Default Data Loader
Recursive Character Text Splitter
Gmail Trigger
Loop Over Items
Split Out
Was manually triggered?
Manual Trigger
No Operation, do nothing
Set before and after dates
Extract email fields
Store structured
Store vectorized
Create the table

Всего шагов: 16.

Похожие автоматизации

RAG и базы знанийВстраивание писем Gmail в PGVector с OllamaШагов: 17 RAG и базы знанийAnswer support questions from your docs with Telegram, OpenRouter and pgvectorШагов: 28 Веб-скрейпинг и исследованияИзвлечение данных о регистрации на рейс с Ollama в PGVectorШагов: 13 RAG и базы знанийПоиск писем по смыслу и структуре с чат-ботомШагов: 16