# 项目描述向量化

- Registry ID: `project-description-vectorization`
- n8n Workflow ID: `1AvejnM5n-WPApU1vFt9C`
- Status: `confirmed`
- 角色: 为项目生成 embedding，供语义检索工作流使用。

## 触发方式

- 定时触发
- 当前已核查行为：约每 `30` 分钟运行一次

## 数据来源

- `projects` 表中的活跃项目
- SiliconFlow Embeddings API
- 模型：`BAAI/bge-m3`

## 主流程

1. 选出 `embedding IS NULL` 或需要补算的活跃项目。
2. 读取项目的中英文名称、描述和正文。
3. 拼接向量化输入文本。
4. 调用 SiliconFlow Embeddings API 生成向量。
5. 直接写回 `projects.embedding` 和 `embeddingUpdatedAt`。

## 直接写入字段

- `projects.embedding`
- `projects.embeddingUpdatedAt`

## 与仓库的关系

这条流程直接维护数据库向量列，而不是通过仓库 API 写入。仓库侧主要消费点：

- [schema.prisma](D:/Code/AI/agent-park/prisma/schema.prisma)
- [migration.sql](D:/Code/AI/agent-park/prisma/migrations/20260126000000_add_project_embedding/migration.sql)
- [route.ts](D:/Code/AI/agent-park/src/app/api/search/ai/route.ts)

## 下游影响

- `RAG项目搜索`
- 语义搜索命中质量
- 以自然语言搜索项目的相关性

## 已确认要点

- 已通过 live n8n MCP 核查 workflow 元数据与职责。
- 当前实现是直连数据库维护向量列。
- 所以如果 AI 搜索结果变差，既要查 webhook 搜索流程，也要查这条补向量流程是否落后或失败。

## 维护要求

- 向量输入字段、模型、补算规则变化时，同步更新 [registry.json](D:/Code/AI/agent-park/docs/integrations/n8n/registry.json)。
- 如果后续 embedding 改成异步队列或应用内任务，需要把这里的数据库直写描述同步改掉。