agent-park/n8n-workflows

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：

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：

{
  "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：

# n8n AI Search Webhook
N8N_AI_SEARCH_WEBHOOK="https://your-n8n.com/webhook/ai-search"

然后重启开发服务器：

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：

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