![图片[1]-n8n智能体Agentic RAG(检索增强生成)系统的完整实现ai知识库-AI应用集](https://aiseek.oss-cn-shanghai.aliyuncs.com/2025/10/截屏2025-10-01-16.15.51-1024x577.png)
![图片[2]-n8n智能体Agentic RAG(检索增强生成)系统的完整实现ai知识库-AI应用集](https://aiseek.oss-cn-shanghai.aliyuncs.com/2025/10/截屏2025-10-01-16.14.52-1024x648.png)
此模板提供了 n8n 中Agentic RAG(检索增强生成)系统的完整实现,可以轻松扩展以适应您的特定用例和知识库。与仅执行简单查找的标准 RAG 不同,此代理可以推理您的知识库,自我改进检索,并根据具体问题在不同工具之间动态切换。
为什么选择 Agentic RAG?
标准 RAG 具有明显的局限性:
- 对数字/表格数据的分析不佳
- 由于文档分块而缺少上下文
- 无法跨文档连接信息
- 没有基于问题类型的动态工具选择
此模板的强大之处:
- 智能工具选择:根据问题在 RAG 查找、SQL 查询或完整文档检索之间切换
- 完整的文档上下文:需要时访问整个文档,而不仅仅是部分文档
- 精确的数值分析:使用 SQL 对电子表格/表格数据进行精确计算
- 跨文档洞察:连接整个知识库中的信息
- 多文件处理:在单个工作流循环中处理多个文档
- 高效存储:使用 Supabase 中的 JSONB 存储表格数据,无需为每个 CSV 创建新表
入门
- 首先运行表创建节点,在 Supabase 中设置数据库表
- 通过 Google Drive 上传您的文档(或换用其他文件存储解决方案)
- 代理将自动处理它们(分块文本,将表格数据存储在 Supabase 中)
- 开始提出利用代理的多种推理方法的问题
定制
此模板提供了坚实的基础,您可以通过以下方式进行扩展:
- 根据您的具体用例调整系统提示
- 添加文档元数据,例如摘要
- 实施更先进的 RAG 技术
- 针对更大的知识库进行优化
© 版权声明
文章版权归作者所有,未经允许请勿转载。
THE END
暂无评论内容