Trợ lý lập trình AI học hỏi từ Kho mã nguồn GitHub - Quy trình làm việc n8n

• Lập trình viên và Nhóm DevOps: Những người cần câu trả lời nhanh, nhận biết ngữ cảnh về các codebase lớn.


• Biên tập viên kỹ thuật (Technical Writers): Những người tìm kiếm cách tự động để truy vấn các tệp tài liệu lưu trữ trên GitHub.


• Kỹ sư tự động hóa: Những người đang tìm kiếm các ví dụ nâng cao về việc sử dụng node AI Agent của n8n và các mẫu RAG.


• Người dùng khám phá các mẫu n8n: Đặc biệt là những người tập trung vào các tích hợp AI phức tạp.

Việc quản lý một lượng lớn mã nguồn hoặc tài liệu thường gây khó khăn trong việc tìm kiếm các chi tiết kỹ thuật cụ thể. Workflow n8n sáng tạo này giải quyết vấn đề đó bằng cách biến kho mã nguồn GitHub của bạn thành một cơ sở tri thức có thể tìm kiếm cho một AI Agent.

Mẫu n8n mạnh mẽ này tách quá trình thành hai giai đoạn chính: một luồng đồng bộ hóa (lập chỉ mục dữ liệu) và một luồng đàm thoại thời gian thực (trả lời câu hỏi). Nó minh họa cách n8n xử lý mượt mà dữ liệu nhị phân lớn, việc tách văn bản, tạo vector nhúng và lưu trữ vector, tất cả trong một workflow n8n mạch lạc duy nhất. Bằng cách sử dụng cấu hình node n8n này, các nhà phát triển có thể truy vấn codebase của họ một cách trò chuyện, giúp giảm đáng kể thời gian tìm kiếm và nâng cao năng suất.

Workflow n8n toàn diện này hoạt động qua hai giai đoạn riêng biệt:

Giai đoạn 1: Đồng bộ hóa Dữ liệu (Lập chỉ mục)

1. Khởi tạo Lập chỉ mục: Quá trình bắt đầu với trigger n8n Sync Data (một node Kích hoạt Thủ công).


2. Cấu hình: Node n8n Config xác định các tham số quan trọng như repoowner, reponame, và subpath trong kho mã nguồn GitHub.


3. Truy xuất Tệp: Node n8n List files của GitHub sử dụng các tham số này để xác định tất cả các tệp liên quan trong đường dẫn được chỉ định.


4. Tải xuống và Nạp: Node n8n Get File của HTTP Request tải xuống nội dung thực tế của từng tệp.


5. Tiền xử lý: Default Data Loader xử lý dữ liệu nhị phân, và Recursive Character Text Splitter cắt nội dung thành các đoạn nhỏ hơn, dễ quản lý (với độ chồng lấp 100 ký tự) phù hợp để tạo vector nhúng.


6. Vector nhúng và Lưu trữ: Node n8n Embeddings OpenAI tính toán các vector nhúng cho các đoạn này. Cuối cùng, node n8n Simple Vector Store1 chèn dữ liệu vector vào cơ sở tri thức trong bộ nhớ với khóa là source-code.

Giai đoạn 2: AI Agent Đàm thoại

1. Bắt đầu Trò chuyện: Workflow được kích hoạt bởi trigger n8n When chat message received khi người dùng đặt câu hỏi.


2. Kích hoạt AI Agent: Node n8n AI Agent cốt lõi nhận truy vấn và tận dụng OpenAI Chat Model1 để suy luận.


3. Bộ nhớ và Ngữ cảnh: Node n8n Window Buffer Memory duy trì lịch sử cuộc trò chuyện.


4. Tra cứu RAG: Agent sử dụng node n8n Vector Store Tool chuyên dụng, có tên là projectsource_tool, để thực hiện tìm kiếm sự tương đồng (top K=5) trên cơ sở tri thức đã được lập chỉ mục (Simple Vector Store). Bước truy xuất này rất quan trọng để neo giữ ngữ cảnh.


5. Tạo phản hồi: Agent nhận các đoạn ngữ cảnh liên quan từ kho mã nguồn và tạo ra câu trả lời kỹ thuật chính xác cho câu hỏi của người dùng, hoàn thành workflow n8n phức tạp.

Để triển khai workflow n8n mạnh mẽ này bằng các mẫu n8n này, hãy làm theo các bước sau:

1. Nhập JSON: Sao chép dữ liệu JSON được cung cấp và nhập nó vào instance n8n của bạn thông qua mục Workflows (Nhập từ JSON).


2. Thiết lập Thông tin xác thực: Đảm bảo bạn đã cấu hình các thông tin xác thực cần thiết:

1. Cấu hình Tham số: Mở node n8n Config và cập nhật các tham số theo kho mã nguồn của bạn:

1. Đồng bộ hóa Ban đầu: Chạy trigger n8n Sync Data một lần để điền Cơ sở Vector bằng nội dung GitHub của bạn trước khi sử dụng chat agent.

Sync Data (Kích hoạt Thủ công): Trigger n8n khởi đầu cho phần lập chỉ mục của workflow n8n, dùng để làm mới cơ sở tri thức theo cách thủ công.
Config (Set): Một node n8n nền tảng được dùng để thiết lập động các biến môi trường (repoowner, reponame, subpath) được sử dụng xuyên suốt luồng lập chỉ mục.
List files (GitHub): Node n8n này truy xuất danh sách các tệp từ đường dẫn kho mã nguồn GitHub đã cấu hình, cung cấp chi tiết tệp cần thiết cho việc tải xuống.
Get File (HTTP Request): Tải xuống nội dung thực tế của các tệp bằng cách sử dụng downloadurl được cung cấp bởi node GitHub n8n, chuẩn bị dữ liệu để tạo vector nhúng.
Recursive Character Text Splitter: Một node n8n tiền xử lý RAG chính giúp tách các tệp lớn thành các đoạn nhỏ hơn một cách hiệu quả, tối ưu hóa chúng cho việc nhúng và tìm kiếm vector. Được cấu hình với độ chồng lấp đoạn là 100.
Embeddings OpenAI / Embeddings OpenAI1: Hai phiên bản của node n8n này, chịu trách nhiệm chuyển đổi các đoạn văn bản và các truy vấn đến thành các vector số có số chiều cao bằng cách sử dụng dịch vụ OpenAI.
Simple Vector Store / Simple Vector Store1 (Vector Store In Memory): Các node n8n này duy trì cơ sở tri thức RAG bằng cách sử dụng khóa source-code. Một node được đặt ở chế độ insert (để lập chỉ mục) và node kia được đặt ở chế độ default (để truy xuất tìm kiếm).
When chat message received (Chat Trigger): Trigger n8n khởi tạo cho phía AI Agent, lắng nghe các tương tác của người dùng trên giao diện trò chuyện của n8n.
AI Agent (LangChain Agent): Bộ não chính của workflow n8n. Được cấu hình với một thông điệp hệ thống hướng dẫn nó sử dụng projectsourcetool cho các câu hỏi kỹ thuật dựa trên mã nguồn.
Vector Store Tool: Một node n8n xác định cách AI Agent tương tác với cơ sở tri thức, được cấu hình cụ thể để truy xuất 5 đoạn tài liệu liên quan nhất (topK=5).