Seite 1 von 2
Das Tool erlaubt es Nutzer:innen, direkt über ein einfaches Formular Fragen zu spezifischen Dokumenten oder Wissensdatenbanken zu stellen. Der Prozess ist vollständig automatisiert: Frage eingeben, absenden, relevante Dokumente werden durchsucht und eine kontextbezogene Antwort wird generiert. Ideal für Kundenbetreuung, Dokumentation oder interne Wissenssysteme. Voraussetzungen Der RAG-Workflow erfordert die n8n-Version 1.19.4 oder höher Eine dedizierte Datenbank wird empfohlen (z. B. PostgreSQL) Der Datenbank-User muss volle Berechtigungen für Tabellen und Schemata haben Einrichtung eines kompatiblen Vektorspeichers z. B.: - Simple Vector Store (im Speicher, nicht persistent) - MongoDB Atlas (mit Vector Search Index) - Qdrant, Pinecone oder andere unterstützte Optionen Der Vektorspeicher muss zu den Embedding-Modell-Dimensionen passen Zum Vektorspreocher kompatibles Embedding-Modell z.B.: - text-embedding-ada-002 (schnell & kostengünstig) - text-embedding-3-large (hohe Genauigkeit, teurer) Dokumente müssen vor dem Einfügen in Abschnitte unterteilt werden, z.B. mit den folgenden Text splittern: - Recursive Character Text Splitter (für Markdown/HTML/Code) - Character oder Token Text Splitter