Chatbot RAG Xử lý Đa Định Dạng Tài Liệu (PDF, CSV, JSON) - Quy trình làm việc n8n

• Các nhóm kỹ thuật cần phân tích các loại tài liệu đa dạng (ví dụ: báo cáo CSV, dữ liệu XML, PDF) thông qua giao diện đàm thoại.


• Các nhà phát triển tìm kiếm các mẫu n8n mạnh mẽ để xây dựng các tác nhân AI phức tạp.


• Các doanh nghiệp yêu cầu một công cụ cơ sở kiến thức nội bộ linh hoạt được tích hợp vào giải pháp n8n.


• Người dùng muốn kết hợp sức mạnh của nhiều mô hình AI (OpenAI cho trò chuyện, Gemini cho embedding) trong một luồng công việc n8n duy nhất.

Luồng công việc n8n tinh vi này cung cấp phương pháp tiếp cận hai mặt để tương tác với tài liệu được hỗ trợ bởi AI. Đầu tiên, nó cung cấp cơ chế tiếp nhận chuyên dụng (một trigger n8n dạng biểu mẫu tiêu chuẩn) để tải các tài liệu kiến thức dài hạn vào kho vector trong bộ nhớ, thiết lập nền tảng RAG (Retrieval-Augmented Generation). Thứ hai, và độc đáo hơn, nó có giao diện trò chuyện chính (trigger n8n trò chuyện) cho phép người dùng đặt câu hỏi đồng thời tải lên nhiều định dạng tệp khác nhau (PDF, hình ảnh, CSV, JSON, XML, v.v.).

Tự động hóa sẽ tự động định tuyến tệp đã tải lên dựa trên loại MIME của nó, trích xuất nội dung liên quan trước khi đưa nó, cùng với lời nhắc của người dùng, vào Tác nhân AI. Điều này đảm bảo tác nhân xem xét cả cơ sở kiến thức tĩnh (thông qua công cụ RAG) và ngữ cảnh ngay lập tức do các tệp đã tải lên cung cấp, làm cho mẫu n8n này trở nên cực kỳ linh hoạt cho các truy vấn dữ liệu phức tạp.

Toàn bộ quy trình được khởi tạo bởi một trong hai node trigger của n8n.

Luồng Tải Tài Liệu (Thiết lập RAG):

1. Khi gửi biểu mẫu (On form submission) trigger n8n ghi lại các tài liệu (như PDF) được tải lên qua biểu mẫu web.


2. Tài liệu được chuyển qua Default Data Loader và Recursive Character Text Splitter để chuẩn bị cho việc tạo embedding.


3. node Embeddings Google Gemini tạo ra các biểu diễn vector của các đoạn tài liệu.


4. node Simple Vector Store của n8n chèn các vector này, thiết lập cơ sở kiến thức dài hạn được chatbot sử dụng.

Luồng Xử Lý Trò Chuyện và Tệp:

1. Điểm vào chính là trigger n8n Khi nhận tin nhắn trò chuyện (When chat message received), ghi lại các truy vấn của người dùng và các tệp đính kèm tùy chọn.


2. Một node Code của n8n kiểm tra dữ liệu tệp nhị phân.


3. Các node Split Out và Loop Over Items lặp qua từng tệp được tải lên.


4. node Switch của n8n phân tích loại MIME của tệp (ví dụ: image/jpeg, application/pdf, text/csv) và định tuyến mục đó đến pipeline trích xuất thích hợp (sử dụng kết hợp các node Convert to File và Extract from File dành riêng cho định dạng của n8n).


5. Văn bản và dữ liệu đã trích xuất được thu thập bởi node Aggregate.


6. Nội dung đã trích xuất và câu hỏi của người dùng được chuyển đến node AI Agent của n8n.


7. AI Agent sử dụng OpenAI Chat Model để tạo phản hồi, Window Buffer Memory để lưu lịch sử trò chuyện và Query Data Tool1 (sử dụng cơ sở kiến thức RAG được thiết lập bằng Gemini Embeddings) để hình thành câu trả lời toàn diện, có xem xét cả tài liệu đã tải lên và cơ sở kiến thức tĩnh.

Để triển khai luồng công việc n8n toàn diện này, hãy làm theo các bước sau:

1. Nhập mẫu n8n: Sao chép dữ liệu JSON được cung cấp và dán nó vào canvas n8n của bạn bằng chức năng 'Nhập từ JSON' (Import from JSON).


2. Thiết lập thông tin xác thực: Bạn sẽ cần cấu hình hai dịch vụ bên ngoài:

1. Kích hoạt Bộ tải RAG: Thực thi trigger n8n thứ cấp (On form submission) để hiển thị URL biểu mẫu công khai của nó. Tải lên các tài liệu ban đầu (ví dụ: PDF) để điền vào cơ sở kiến thức RAG.


2. Kích hoạt Chatbot: Thực thi trigger n8n chính (When chat message received) để truy cập URL giao diện chatbot. Giờ đây bạn có thể trò chuyện với tác nhân và tải lên các tệp mới tức thời.

Khi nhận tin nhắn trò chuyện (n8n trigger) (When chat message received): Điểm vào trò chuyện chính. Tính năng quan trọng là allowFileUploads: true, cho phép người dùng tải tài liệu lên trong khi trò chuyện.
Khi gửi biểu mẫu (n8n trigger) (On form submission): Chỉ được sử dụng để tải các tài liệu dài hạn vào kho vector. Được cấu hình để chấp nhận đầu vào tệp.
Chuyển mạch (n8n node) (Switch): Rất quan trọng để hỗ trợ đa định dạng. Nó đánh giá mimeType của tệp đến và định tuyến dữ liệu cụ thể để trích xuất (ví dụ: application/pdf, text/csv, image/).
Trích xuất từ Tệp (n8n nodes) (Extract from File): Một bộ các node n8n chuyên dụng được cấu hình với các hoạt động như pdf, fromJson, xml, xlsx, và rtf để xử lý việc trích xuất dữ liệu có cấu trúc và phi cấu trúc từ các tệp nhị phân.
Tác nhân AI (n8n node) (AI Agent): Trí thông minh cốt lõi, điều phối yêu cầu. Thông điệp hệ thống của nó hướng dẫn nó sử dụng nội dung tệp đã tải lên (extractedFile) và công cụ RAG để trả lời.
Mô hình Trò chuyện OpenAI (n8n node) (OpenAI Chat Model): Được sử dụng làm mô hình ngôn ngữ tạo sinh, được kết nối với Tác nhân AI.
Bộ nhớ đệm theo cửa sổ (n8n node) (Window Buffer Memory): Đảm bảo tính liên tục của phiên bằng cách theo dõi lịch sử trò chuyện sử dụng sessionId của người dùng được cung cấp bởi trigger n8n trò chuyện.

• Công cụ Truy vấn Dữ liệu1 (node Simple Vector Store n8n): Được cấu hình ở chế độ retrieve-as-tool. Đây là thành phần RAG cho phép Tác nhân AI truy vấn cơ sở kiến thức được tải trước, mở rộng đáng kể phạm vi mà luồng công việc n8n này có thể trả lời.