Automatisation n8n : pipeline d'embedding avec Qdrant

Ce workflow n8n a pour objectif de créer un pipeline d'embedding utilisant la base de données vectorielle Qdrant. Il est particulièrement utile pour les entreprises qui souhaitent intégrer des modèles d'IA dans leurs processus de gestion de données. Par exemple, ce workflow peut être utilisé pour améliorer la recherche de documents ou pour enrichir des systèmes de recommandation. Le processus débute par un déclencheur manuel, permettant à l'utilisateur de tester le workflow à la demande. Ensuite, les fichiers sont listés via un nœud FTP, suivis d'un téléchargement des éléments nécessaires. Les données sont ensuite chargées par le nœud 'Default Data Loader', qui prépare les documents pour l'embedding. Un séparateur est utilisé dans le nœud 'Character Text Splitter' pour segmenter le texte en morceaux appropriés. Les embeddings sont ensuite générés à l'aide du nœud 'Embeddings OpenAI', qui utilise les modèles d'OpenAI pour transformer le texte en vecteurs. Enfin, les résultats sont stockés dans la base de données Qdrant via le nœud 'Qdrant Vector Store'. Ce workflow permet non seulement d'automatiser le traitement des données, mais aussi d'améliorer l'efficacité des recherches et des recommandations, offrant ainsi une valeur ajoutée significative aux entreprises qui l'adoptent.

À qui s'adresse ce workflow ?

Ce que ce workflow résout

Comment ça fonctionne

Visualisation du workflow n8n

Schéma des nœuds et connexions de ce workflow n8n, généré à partir du JSON n8n.

Importer dans n8n en un clic

Inscris-toi gratuitement pour télécharger le fichier .json, puis fais Import from File dans n8n pour déployer le workflow en quelques secondes.

{
  "id": "YoUP55V241b9F2ze",
  "meta": {
    "instanceId": "35ec7a1e5284dd5dab4dac454bbb30405138d2784c99e56ef8887a4fa9cd1977",
    "templateCredsSetupCompleted": true
  },
  "name": "Qdrant Vector Database Embedding Pipeline",
  "tags": [],
  "nodes": [
    {
      "id": "934ffad4-c93e-40c1-b4fd-1c09b518a9c3",
      "name": "Qdrant Vector Store",
      "type": "@n8n/n8n-nodes-langchain.vectorStoreQdrant",
      "position": [
        460,
        -460
      ],
      "parameters": {
        "mode": "insert",
        "options": {},
        "qdrantCollection": {
          "__rl": true,

Personnaliser ce workflow

Détail des nœuds n8n

• 01

  Qdrant Vector Store

  Ce noeud interagit avec le magasin de vecteurs Qdrant pour stocker ou récupérer des données vectorielles.

• 02

  When clicking ‘Test workflow’

  Ce noeud déclenche manuellement l'exécution du workflow lorsque l'utilisateur clique sur 'Test workflow'.

• 03

  Embeddings OpenAI

  Ce noeud génère des embeddings à partir de données textuelles en utilisant l'API OpenAI.

• 04

  Default Data Loader

  Ce noeud charge des documents par défaut en fonction des options et du type de données spécifiés.

• 05

  Character Text Splitter

  Ce noeud divise le texte en caractères selon le séparateur défini.

• 06

  Sticky Note

  Ce noeud crée une note autocollante avec des paramètres de couleur, de largeur, de hauteur et de contenu.

• 07

  Sticky Note1

  Ce noeud crée une note autocollante avec des paramètres de couleur, de hauteur et de contenu.

• 08

  Sticky Note2

  Ce noeud crée une note autocollante avec des paramètres de couleur, de largeur, de hauteur et de contenu.

• 09

  Sticky Note3

  Ce noeud crée une note autocollante avec des paramètres de couleur, de largeur, de hauteur et de contenu.

• 10

  List all the files

  Ce noeud liste tous les fichiers dans un chemin spécifié sur un serveur FTP.

• 11

  Loop over one item

  Ce noeud permet de traiter les éléments un par un en les divisant en lots.

• 12

  Downloading item

  Ce noeud télécharge un élément spécifique à partir d'un chemin sur un serveur FTP.

• 13

  Sticky Note4

  Ce noeud crée une note autocollante avec des paramètres de largeur, de hauteur et de contenu.