自适应RAG - N8N 工作流导航

适用人群

研究人员：需要快速获取和分析信息。
- 学生：在写作和研究中需要准确的信息和多样的观点。
- 内容创作者：希望在创作过程中获取丰富的背景和不同视角。
- 产品经理：需要在决策时考虑不同的用户需求和市场反馈。
- 客服团队：需要快速响应用户查询并提供相关信息。

解决的问题

这个工作流通过自动化处理用户查询，解决了获取信息的效率和准确性问题。它能够根据查询类型（如事实性、分析性、观点性和上下文性）提供定制化的检索和生成策略，从而确保用户得到更相关和深入的回答。

工作流程

输入触发：工作流可以通过内置的聊天界面启动，或由其他 n8n 工作流触发，接收 user_query、chat_memory_key 和 vector_store_id。
2. 查询分类：使用 Google Gemini 代理分析 user_query，将其分类为事实性、分析性、观点性或上下文性。
3. 自适应策略路由：根据分类结果，使用 Switch 节点路由到相应的策略。
4. 策略实施：根据分类，特定的 Google Gemini 代理调整查询或方法，确保精准或全面的信息检索。
5. 检索提示和输出设置：准备输出和系统提示，为最终回答生成代理提供必要的上下文。
6. 文档检索（RAG）：使用适应后的查询从指定的 Qdrant 集合中检索相关文档。
7. 上下文准备：将检索到的文档内容合并为一个上下文块，以便用于最终回答生成。
8. 答案生成：最终的 Answer 代理生成响应，结合上下文和聊天历史。
9. 响应：生成的答案通过 Respond to Webhook 节点返回给用户。

自定义指南

用户可以根据自己的需求自定义此工作流：
- 调整分类标准：修改 Query Classification 节点的分类逻辑，以适应特定的查询类型。
- 更改检索策略：根据不同的应用场景，调整各个策略节点的实现，以获得更精确的结果。
- 更新 Qdrant 集合：在 Combined Fields 节点中更新 vector_store_id，以指向不同的数据源。
- 修改提示内容：根据目标受众的需求，自定义系统提示，以生成更符合预期的回答。