Procesar y Almacenar Documentos en Base de Datos Vectorial
Descripción del flujo de trabajo
Un flujo de trabajo automatizado que carga documentos desde FTP, los divide en fragmentos de texto, genera embeddings semánticos mediante OpenAI y los almacena en la base de datos vectorial Qdrant para búsqueda inteligente.
Cómo funciona
- 1.Activar el flujo manualmente o al llegar un archivo
- 2.Cargar documentos desde servidor FTP
- 3.Dividir textos en fragmentos de tamaño determinado
- 4.Generar embeddings semánticos con OpenAI
- 5.Guardar embeddings y metadatos en Qdrant
Casos de uso
- Crear motor de búsqueda semántica para repositorios de documentos
- Automatizar indexación de archivos desde FTP
- Implementar capa de recuperación para aplicaciones RAG
Requisitos
- Credenciales FTP válidas y permisos de lectura
- Clave API de OpenAI con acceso a embeddings
- Instancia Qdrant activa y accesible en red
- Compatibilidad con múltiples formatos de documento
Valor del servicio
Ideal como servicio de automatización inteligente que combina integraciones e inteligencia artificial para producir resultados listos para usar.
Aplicaciones utilizadas
Detalles
Cómo usar
- 1.Haz clic en "Descargar plantilla"
- 2.Abre tu panel de n8n
- 3.Ve a Workflows > Import from File
- 4.Selecciona el archivo descargado y configura las credenciales
Nodos utilizados (13)
Qdrant Vector Store
Vector Store Qdrant
When clicking ‘Test workflow’
Manual Trigger
Embeddings OpenAI
OpenAI
Default Data Loader
Document Default Data Loader
Character Text Splitter
Text Splitter Character Text Splitter
Sticky Note
Sticky Note
Sticky Note1
Sticky Note
Sticky Note2
Sticky Note
Sticky Note3
Sticky Note
List all the files
Ftp
Loop over one item
Split In Batches
Downloading item
Ftp
Sticky Note4
Sticky Note