refactor: 将 n8n 工作流外部化并简化数据库 schema
- 移除 n8n-workflows 目录下的工作流配置文件 - 从 Project 模型移除 embedding 和 embeddingUpdatedAt 字段 - 添加 N8N_AI_SEARCH_WEBHOOK 环境变量配置 Co-Authored-By: Claude (glm-4.7) <noreply@anthropic.com>
This commit is contained in:
Claude
@@ -1,210 +0,0 @@
|
||||
# n8n 工作流导入指南
|
||||
|
||||
本指南将帮助您导入和配置 AI 智能搜索系统的两个 n8n 工作流。
|
||||
|
||||
## 前置条件
|
||||
|
||||
确保您已经完成：
|
||||
- [ ] n8n 实例已运行
|
||||
- [ ] 已配置 `OpenAI Embeddings` 凭证
|
||||
- [ ] 已配置 `Neon Database` 凭证
|
||||
- [ ] Neon 数据库已应用迁移（添加 embedding 字段）
|
||||
|
||||
---
|
||||
|
||||
## 工作流 1: Project Vectorization（项目向量化）
|
||||
|
||||
### 功能说明
|
||||
每 5 分钟自动执行一次，查询未向量化的项目，生成 OpenAI embeddings 并存储到数据库。
|
||||
|
||||
### 导入步骤
|
||||
|
||||
1. **导入工作流**
|
||||
- 打开 n8n 实例
|
||||
- 点击右上角 **+** → **Import from File**
|
||||
- 选择 `project-vectorization.json`
|
||||
- 点击 **Import**
|
||||
|
||||
2. **配置凭证**
|
||||
- 点击 **查询未向量化项目** 节点
|
||||
- 在 **Credentials** 下拉框中选择 `Neon Database`
|
||||
- 点击 **Save**
|
||||
|
||||
- 点击 **OpenAI Embeddings** 节点
|
||||
- 在 **Credentials** 下拉框中选择 `OpenAI Embeddings`
|
||||
- 点击 **Save**
|
||||
|
||||
- 点击 **更新 Embedding** 节点
|
||||
- 在 **Credentials** 下拉框中选择 `Neon Database`
|
||||
- 点击 **Save**
|
||||
|
||||
3. **测试工作流**
|
||||
- 点击工作流右上角 **Test Workflow**
|
||||
- 手动点击 **Cron** 节点的执行按钮
|
||||
- 查看每个节点的输出：
|
||||
- `查询未向量化项目` 应返回项目列表（或空数组）
|
||||
- `构造文本内容` 应添加 `textContent` 字段
|
||||
- `OpenAI Embeddings` 应返回向量数组
|
||||
- `更新 Embedding` 应成功更新数据库
|
||||
|
||||
4. **激活工作流**
|
||||
- 点击左上角 **Inactive** 开关，变为 **Active**
|
||||
- 工作流将每 5 分钟自动执行
|
||||
|
||||
### 节点说明
|
||||
|
||||
| 节点 | 功能 |
|
||||
|------|------|
|
||||
| Cron | 定时触发器（每 5 分钟） |
|
||||
| 查询未向量化项目 | 查询 embedding 为空的 ACTIVE 项目 |
|
||||
| 构造文本内容 | 合并项目字段生成用于向量化的文本 |
|
||||
| Split in Batches | 分批处理（每批 5 个，避免 API 限流） |
|
||||
| OpenAI Embeddings | 调用 OpenAI API 生成向量 |
|
||||
| 更新 Embedding | 将向量写入数据库 |
|
||||
|
||||
---
|
||||
|
||||
## 工作流 2: AI Semantic Search（AI 语义搜索）
|
||||
|
||||
### 功能说明
|
||||
接收 Webhook 请求，生成查询向量，执行向量相似度搜索，返回排序结果。
|
||||
|
||||
### 导入步骤
|
||||
|
||||
1. **导入工作流**
|
||||
- 打开 n8n 实例
|
||||
- 点击右上角 **+** → **Import from File**
|
||||
- 选择 `ai-semantic-search.json`
|
||||
- 点击 **Import**
|
||||
|
||||
2. **配置凭证**
|
||||
- 依次配置以下节点的凭证为 `OpenAI Embeddings`：
|
||||
- **生成查询向量** 节点
|
||||
|
||||
- 依次配置以下节点的凭证为 `Neon Database`：
|
||||
- **向量相似度搜索** 节点
|
||||
- **查询标签** 节点
|
||||
|
||||
3. **获取 Webhook URL**
|
||||
- 点击 **Webhook** 节点
|
||||
- 复制 **Production URL**（格式类似：`https://your-n8n.com/webhook/ai-search`）
|
||||
- 将此 URL 更新到 `.env.local` 的 `N8N_AI_SEARCH_WEBHOOK`
|
||||
|
||||
4. **测试工作流**
|
||||
- 点击工作流右上角 **Test Workflow**
|
||||
- 在 **Webhook** 节点中点击 **Listen for Test Event**
|
||||
- 使用以下命令测试：
|
||||
|
||||
```bash
|
||||
curl -X POST https://your-n8n.com/webhook/ai-search \
|
||||
-H "Content-Type: application/json" \
|
||||
-d '{"query":"视频生成工具","locale":"zh","limit":5}'
|
||||
```
|
||||
|
||||
- 预期响应：
|
||||
|
||||
```json
|
||||
{
|
||||
"results": [
|
||||
{
|
||||
"project": { /* 项目数据 */ },
|
||||
"similarity": 0.89,
|
||||
"matchReason": "相似度: 89%"
|
||||
}
|
||||
],
|
||||
"total": 5,
|
||||
"searchTime": 1234
|
||||
}
|
||||
```
|
||||
|
||||
5. **激活工作流**
|
||||
- 点击左上角 **Inactive** 开关，变为 **Active**
|
||||
|
||||
### 节点说明
|
||||
|
||||
| 节点 | 功能 |
|
||||
|------|------|
|
||||
| Webhook | 接收搜索请求（POST /webhook/ai-search） |
|
||||
| 生成查询向量 | 将查询文本转换为向量 |
|
||||
| 向量相似度搜索 | 使用 pgvector 执行余弦相似度搜索 |
|
||||
| 准备标签查询 | 准备项目 ID 列表 |
|
||||
| 查询标签 | 查询每个项目的标签 |
|
||||
| 合并标签 | 将标签合并到搜索结果 |
|
||||
| 格式化响应 | 生成最终的 JSON 响应 |
|
||||
|
||||
---
|
||||
|
||||
## 常见问题
|
||||
|
||||
### Q1: 节点连接错误？
|
||||
导入后如果节点连接线丢失，手动按以下顺序连接：
|
||||
|
||||
**工作流 1 连接顺序：**
|
||||
```
|
||||
Cron → 查询未向量化项目 → 构造文本内容 → Split in Batches → OpenAI Embeddings → 更新 Embedding → (循环回) Split in Batches
|
||||
```
|
||||
|
||||
**工作流 2 连接顺序：**
|
||||
```
|
||||
Webhook → 生成查询向量 → 向量相似度搜索 → 准备标签查询 → 查询标签 → 合并标签 → 格式化响应
|
||||
```
|
||||
|
||||
### Q2: 凭证选择框为空？
|
||||
- 确保已在 n8n 中创建了 `OpenAI Embeddings` 和 `Neon Database` 凭证
|
||||
- 如果凭证已创建但不可见，重新导入工作流
|
||||
|
||||
### Q3: OpenAI API 错误？
|
||||
- 检查 API Key 是否有效
|
||||
- 确认 API Key 有足够的配额
|
||||
- 检查网络连接
|
||||
|
||||
### Q4: 数据库连接错误？
|
||||
- 验证 Neon 数据库凭证配置正确
|
||||
- 检查数据库是否已应用迁移
|
||||
- 确认 pgvector 扩展已安装
|
||||
|
||||
---
|
||||
|
||||
## 更新环境变量
|
||||
|
||||
将获取的 Webhook URL 更新到项目的 `.env.local` 文件：
|
||||
|
||||
```bash
|
||||
# n8n AI Search Webhook
|
||||
N8N_AI_SEARCH_WEBHOOK="https://your-n8n.com/webhook/ai-search"
|
||||
```
|
||||
|
||||
然后重启开发服务器：
|
||||
|
||||
```bash
|
||||
pnpm dev
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 验证完整流程
|
||||
|
||||
1. **启动向量化**
|
||||
- 确保 Project Vectorization 工作流已激活
|
||||
- 等待 5 分钟或手动执行
|
||||
- 在 Neon SQL Editor 中检查：
|
||||
|
||||
```sql
|
||||
SELECT COUNT(*) FROM "projects" WHERE "embedding" IS NOT NULL;
|
||||
```
|
||||
|
||||
2. **测试 AI 搜索**
|
||||
- 访问 `http://localhost:3000/zh/projects`
|
||||
- 点击 ✨ 按钮切换到 AI 模式
|
||||
- 输入查询："帮我找能生成视频的 AI 工具"
|
||||
- 验证返回相关结果
|
||||
|
||||
---
|
||||
|
||||
## 完成后
|
||||
|
||||
所有工作流配置完成后，您的 AI 智能搜索系统就已就绪！
|
||||
|
||||
- 向量化工作流会在后台自动运行
|
||||
- AI 搜索 API 可供前端调用
|
||||
- 用户可以使用自然语言查询项目
|
||||
Reference in New Issue
Block a user