Загружаем платформу…
Тема 9 — Создание ИИ Агента, который отвечает на основе векторизованных данных
Доступ к полному просмотру и файлам открыт только для активных участников ИИшенка Pro.
Финальный урок мастер-класса по n8n: две готовые части автоматизации — векторизацию данных и Telegram-бота — собирают в RAG-агента, который отвечает по документам из Google Drive. За 10 минут агент учится находить нужные куски текста в Pinecone и отвечать на их основе.
Чему научишься
- Забирать файлы из конкретной папки Google Drive нодами Search и Download
- Настраивать Data Loader на бинарный файл и подбирать размер чанков при векторизации
- Проверять загруженные в Pinecone записи и их количество
- Подключать к агенту n8n инструмент Pinecone Vector Store и модель эмбеддингов, задавать число возвращаемых чанков
- Прописывать в system message требование искать контекст в векторной базе перед ответом и проверять результат вопросом через Telegram
Тайм-коды
- 00:00Что уже собрано и зачем нужен RAG-агент
- 01:40Меняем векторизацию: текст берём из Google Drive
- 02:30Поиск папки и файла в Google Drive
- 03:20Скачивание файла нодой Download
- 04:00Data Loader для бинарного файла и размер чанков
- 04:50Проверка векторов в Pinecone
- 05:20Добавляем агенту инструмент Vector Store
- 06:40Модель эмбеддингов для векторного поиска
- 07:35System message: сначала контекст, потом ответ
- 08:20Тест в Telegram: вопрос про акцию «Цветы под елку»
- 09:30Как посмотреть найденные чанки и итоги
Проверяем доступ...