N8N и Gemini Сделали RAG Агентов в РАЗЫ Лучше (File Search)
14:08

N8N и Gemini Сделали RAG Агентов в РАЗЫ Лучше (File Search)

ИИшенка | AI Automation 04.12.2025 5 327 просмотров 177 лайков обн. 18.02.2026
Поделиться Telegram VK Бот
Транскрипт Скачать .md
Анализ с AI
Описание видео
🚀 Pro-сообщество тут (там даже есть усиленная автоматизация из этого видео, которая умеет работать с метаданными и крутой Мастер-Класс по N8N): https://t.me/iishenka_pro_bot ⭐️ Бесплатные материалы из этого видео тут: https://t.me/+W1SnvvkcV6A3NWMy В этом видео я расскажу, как использовать File Search от Gemini, чтобы обрабатывать и векторизовать файлы для построения эффективного RAG Агента на их основе. Что особенного в этом видео? Мы не только изучим, как работает File Search, но и научимся внедрять его вызов и использование через API непосредственно в N8N автоматизациях. 🔥 Независимо от того, работаете ли вы с AI-агентами или только начинаете осваивать автоматизации в n8n, этот урок поможет вам овладеть процессом настройки ИИ для любых задач. ⏱ Таймкоды 00:00 – Google File Search: что это, зачем нужно и как работает с n8n 00:21 – Чем File Search отличается от классического RAG-пайплайна 00:47 – Как Google упрощает извлечение, разбиение и векторизацию документов 01:04 – Единый API вместо сложных пайплайнов 01:14 – Автоматическое извлечение и обработка любых форматов 01:22 – Почему сервис стал популярным: цена, отсутствие платы за хранение 01:36 – Поддерживаемые форматы и автоматическая векторизация 02:00 – Создание тестового файла на Google Drive 02:11 – Проверка документации Gemini File Search 02:22 – Создание File Search Store через API 02:40 – Получение и использование API ключа в Google AI Studio 02:57 – Создание стора: HTTP запрос, параметры, результат 03:29 – Проверка списка сторов методами GET 05:51 – Отслеживание новых файлов на Google Drive через n8n 06:29 – Получение ID файла и скачивание бинарника 07:00 – Загрузка файла в инфраструктуру Google через uploadFiles 07:32 – Импорт файла в File Search Store 08:21 – Выполнение импортного запроса и проверка результата 10:11 – Получение списка документов в File Search Store 10:46 – Проверка статуса загруженного документа 10:52 – Использование метода для запросов к File Search 11:03 – Пример запроса: модель, структура тела запроса 11:13 – Подключение Chat-ноды для пользовательского текста 11:49 – Передача чата в userPrompt и отправка запроса 12:10 – Тестовый вопрос про гражданские права 12:26 – Получение ответа с цитатами, чанками и источниками 12:55 – Работа с несколькими сторами, разделение данных 13:01 – Метаданные и фильтрация перед формированием контекста 13:11 – Когда File Search действительно полезен 13:16 – Быстрые RAG-агенты без сложных пайплайнов 💡 Не забудьте поставить лайк и подписаться, чтобы не пропустить новые уроки по n8n и AI-агентам. Давайте сделаем AI-автоматизации простыми! 🙌 Я — Илья Бовкунов, основатель и СЕО Sendforsign — это компания, занимающаяся AI-автоматизацией договоров и документооборота. В прошлом был Директором по продукту и продуктовому дизайну в международных AI-стартапах. Позвать в подкаст или предложить другое сотрудничество aiiszdes@gmail.com Не забудьте поставить лайк, подписаться и нажать на колокольчик, чтобы не пропустить новые видео об AI-агентах и автоматизациях!

Оглавление (30 сегментов)

  1. 0:00 Google File Search: что это, зачем нужно и как работает с n8n 61 сл.
  2. 0:21 Чем File Search отличается от классического RAG-пайплайна 74 сл.
  3. 0:47 Как Google упрощает извлечение, разбиение и векторизацию документов 38 сл.
  4. 1:04 Единый API вместо сложных пайплайнов 27 сл.
  5. 1:14 Автоматическое извлечение и обработка любых форматов 18 сл.
  6. 1:22 Почему сервис стал популярным: цена, отсутствие платы за хранение 39 сл.
  7. 1:36 Поддерживаемые форматы и автоматическая векторизация 64 сл.
  8. 2:00 Создание тестового файла на Google Drive 28 сл.
  9. 2:11 Проверка документации Gemini File Search 27 сл.
  10. 2:22 Создание File Search Store через API 60 сл.
  11. 2:40 Получение и использование API ключа в Google AI Studio 43 сл.
  12. 2:57 Создание стора: HTTP запрос, параметры, результат 81 сл.
  13. 3:29 Проверка списка сторов методами GET 401 сл.
  14. 5:51 Отслеживание новых файлов на Google Drive через n8n 117 сл.
  15. 6:29 Получение ID файла и скачивание бинарника 99 сл.
  16. 7:00 Загрузка файла в инфраструктуру Google через uploadFiles 90 сл.
  17. 7:32 Импорт файла в File Search Store 157 сл.
  18. 8:21 Выполнение импортного запроса и проверка результата 336 сл.
  19. 10:11 Получение списка документов в File Search Store 106 сл.
  20. 10:46 Проверка статуса загруженного документа 18 сл.
  21. 10:52 Использование метода для запросов к File Search 26 сл.
  22. 11:03 Пример запроса: модель, структура тела запроса 29 сл.
  23. 11:13 Подключение Chat-ноды для пользовательского текста 93 сл.
  24. 11:49 Передача чата в userPrompt и отправка запроса 62 сл.
  25. 12:10 Тестовый вопрос про гражданские права 35 сл.
  26. 12:26 Получение ответа с цитатами, чанками и источниками 85 сл.
  27. 12:55 Работа с несколькими сторами, разделение данных 13 сл.
  28. 13:01 Метаданные и фильтрация перед формированием контекста 26 сл.
  29. 13:11 Когда File Search действительно полезен 17 сл.
  30. 13:16 Быстрые RAG-агенты без сложных пайплайнов 142 сл.
0:00

Google File Search: что это, зачем нужно и как работает с n8n

Друзья, всем привет. Ну что, Google File Search уже некоторое время в наших новостных лентах и завоевал свою долю популярности. Поэтому мы сегодня с вами посмотрим, что это такое, может ли это всё работать вместе с N8? Если да, то каким образом это настраивается и какие здесь есть подводные камни? Я попытаюсь быть максимально объективным, честным, не буду приукрашивать ничего, поэтому
0:21

Чем File Search отличается от классического RAG-пайплайна

давайте разбираться, как это всё работает. Для чего созданы такие инструменты, как File search от Гугла? и каким образом они сравниваются с обычными подходами raг. Если вы давно подписаны на наш канал, то вы уже знаете, что, в принципе, весь пайплайн raг примерно выглядит таким образом. Мы сначала получаем файлы разные форматы, которые нам требуются для нашей работы. Каким-то образом извлекаем оттуда контент. После этого контент делим на чанки, на кусочки текста, которые будем
0:47

Как Google упрощает извлечение, разбиение и векторизацию документов

векторизовать. Обогащаем при необходимости эти чанки метаданными. Векторизуем и помещаем всё в нашу векторную базу данных. И после этого мы уже можем работать с этими данными, отдавать, допустим, их агенту, задавать какие-то вопросы и получать соответствующие ответы. Такие
1:04

Единый API вместо сложных пайплайнов

инструменты, как Файл search от Гугла, несколько упрощают этот подход. По сути, они предоставляют некоторый API, который в себе объединяет все внутренние процессы, которые мы обычно делаем
1:14

Автоматическое извлечение и обработка любых форматов

самостоятельно в одном простом интерфейсе. Таким образом, мы получаем возможность, допустим, отдать какой-нибудь файл вне зависимости от его
1:22

Почему сервис стал популярным: цена, отсутствие платы за хранение

формата. API сам определяет формат, сам определяет, каким образом извлекается оттуда контент, сам же нарезает начанки, обогащает метаданными, и после этого мы уже можем работать с этими документами. Таким образом, что обычные монструозные пайплайны, которые мы обычно строим с
1:36

Поддерживаемые форматы и автоматическая векторизация

векторными базами данных, с даталоудерами и текстплиттерами заменяется по сути на одну две-три ноды, которые работают последовательно и вмещают в себя всю сложность. Поэтому сегодня мы с вами разбираемся в нюансах, как это всё работает. Обязательно подписывайтесь на канал, оставляйте комментарий, ставьте лайк и, конечно же, смотрите видео до конца. Будет очень интересно. Я только что создал себе папочку на Google Драйве, поместил туда
2:00

Создание тестового файла на Google Drive

довольно сложный файл. Это гражданский кодекс, где масса статей, подпунктов. Давайте сделаем так, чтобы, используя Google File Search и Gemini API, мы смогли викторизовать этот файл и начать
2:11

Проверка документации Gemini File Search

с ним работать через нашего агента. Для этого нам потребуется, естественно, открыть документацию Gemini API в разделе File Search. Давайте посмотрим, почему этот инструмент получил свою долю
2:22

Создание File Search Store через API

популярности. Во-первых, из-за очень доступной цены. Он позволяет на разных тарифах загружать разные размеры файлов, и Google не будет брать с вас совершенно никаких денег со хранения файлов. Подобные сервисы, ну, например, у PINCON есть такое, об этом, кстати, тоже есть видео на канале. Так вот, такие сервисы могут с вас брать деньги просто за хранение файлов, за общее использование
2:40

Получение и использование API ключа в Google AI Studio

диска. Google этого не делает. По сути, Google заявляет, что будет брать сво центов забединг модели, то есть за непосредственную векторизацию данных. И дальше, когда вы будете работать с уже векторизованными документами, вы будете оплачивать только стоимость вашей неронки. Второй приятный момент. Этот
2:57

Создание стора: HTTP запрос, параметры, результат

инструмент работает с огромным количеством форматов файлов. Соответственно, вы можете закидывать туда пдфки, доксы, джейсоны и массу других форматов. И всё это будет векторизовано без вашего непосредственного участия и ручного контроля. Итак, каким образом настраивается инструмент файл search от Гугла? В документации указано, что нам потребуется три базовых шага. Сначала мы создаём File search store. По сути, это пространство, где будут храниться наши векторизованные документы. Дальше мы аплодим файлы и импортируем в конкретный файл search. И всё. После этого мы уже
3:29

Проверка списка сторов методами GET

сразу можем слать запросы к нашим викторизованным документам. Я сразу скажу, что документация у File Search довольно неочевидная. Здесь мало примеров использования, но, в принципе, документация Гугла всегда этим славилась. Но тем не менее, давайте реализовывать последовательность, которую не представили. Итак, здесь есть кнопка API Reference. Здесь есть инструмент file search, File search store. И давайте найдём здесь метод, который позволяет создать наш первый файл store. Метод называется file search store create. И здесь указан URL, по которому мы должны отослать постзапрос и обязательно указать поле file- это имя самого файлстора, который мы будем создавать. Давайте забирать этот URL, возвращаться в наш N8N. Я нажимаю кнопочку плюс. Добавляю ноду HTTP request и открываю её. Так, сюда я вставляю URL, который мы только что забрали с документации, метод пост. И нам нужно будет добавить один параметр. Это тоже не всегда указано в документации Гугла, но все эти API запросы требуют поля ключ, в который мы должны вставить наш API от Gemini. Каким образом мы получаем этот API? Нам нужно пойти в Google AI Studio, то есть мы его так и ищем по названию, и создаём здесь аккаунт. Здесь будет кнопочка Dashboard, идём в неё. И здесь мы попадаем на вкладку API ключи. Нажимаем кнопку Создать API ключ, даём ему имя. И после этого наш API ключ создаётся. Вы можете нажать кнопочку "Копировать". И ваш API ключ уже готов. Мы забираем этот ключ, возвращаемся в Onву CM и вставляем в поле key. Также в header параметры мы добавим content type application JSON. И в соответствии с документацией мы должны будем ещё добавить тело запроса. Давайте выберем здесь обычный Jonп и прямо пропишем наш JSON. В документации написано, что мы должны задать display name. Давайте я напишу My Store test. Выполняем шаг и видим ответ от Google API, что наш store создан. Вот его display name, отображаемое имя, а вот его фактическое имя, которое мы будем впоследствии использовать, чтобы загружать в него документы. Если мы пошлём по этому же URL getзапрос, то мы получим список всех наших сторов. Давайте это сделаем. Для этого продублируем наш HTTP запрос. Поменяем метод пост на метод get. ключ останется тем же самым. И пошлём его. Вот мы получили список всех наших созданных сторов. Я уже для тестов создавал несколько. И вот он стор, который мы только что создали. Отлично. Шаг номер один в соответствии с документацией Гугла выполнен. Давайте теперь попробуем загрузить файл и поместить его в этот
5:51

Отслеживание новых файлов на Google Drive через n8n

стор. Загружать файл мы, конечно же, можем из разных мест. Мы это делали с вами на канале уже огромное количество раз. Вы можете его прокидывать из Телеграма, можете забирать из Google Драйва, из Яндексдиска. Давайте для простоты заберём его из Google Драйва. Делается это через ноду DRI. И здесь есть у нас два триггера. Давайте заберём один из них, откроем и зададим такие параметры. Я хочу каждую минуту проверять папку. Папку я выбираю из списка, который есть у меня на моём Google Драйве, и хочу отслеживать события File Created, то есть создание файла. Если файл создан, я хочу, чтобы он попадал к нам в NVCN. Мы с вами недавно загрузили файл, который называется GK, поэтому давайте попробуем
6:29

Получение ID файла и скачивание бинарника

выполнить ноду. И мы сразу видим, что файл обнаружился. И у этого файла есть название ГК и айдишка. Эта айдишка то, что нам нужно, чтобы скачать файл в бинарник, чтобы мы могли его получить в Nem. Для этого добавляем ещё одну ноду, которая называется скачать файл download из семейства Google Drive. Эта нода требует на вход айдишку файла. Мы её только что получили. JSON ID. Поэтому выполняем ноду и видим наш файл, который теперь есть в нашем N8. Давайте его скачаем, откроем. Да, видим, что это тот самый файл, который нам нужен. Теперь нам нужно добавить ещё один HTTP
7:00

Загрузка файла в инфраструктуру Google через uploadFiles

request. Здесь также надо будет послать запрос по очень похожему URL, только будет метод upload files. Также добавляем поле ключ. Ключ тот же самый, оставляем. Но теперь нам нужно будет в теле запроса отослать наш бинарник. Отмечаем флажок Send Body. И здесь выбираем в content type Nvement Binary File. И так как у нас уже предыдущая нода в поле дата вернула наш бинарник, здесь прописываем data. И таким образом бинарник шлём в наш Google Drive. Выполняем этот шаг и видим наш ответ. Наш файл помещён. Вот имя этого файла. У
7:32

Импорт файла в File Search Store

него статус активный, он загружен, и у него даже есть expiration date. Помните, в соответствии с документацией загрузка происходит за два этапа. Сначала мы аплодим файл в инфраструктуру Google, а после этого тот файл, который мы с вами загрузили по его имени, мы должны будем поместить в нужный файл search store, чтобы потом коммуницировать через нашего агента с этим стором и с этим файлом. Поэтому нам понадобится ещё одна нода, которая будет называться импортфайл. Чтобы понять, откуда она берётся, мы возвращаемся в документацию Google и видим, что здесь есть метод importй. Это постзапрос как раз вот по этому URL, который мы сейчас будем использовать. И здесь внутри нужно будет указать file search store name. А так как мы уже с вами создали File search store, мы сможем это имя использовать как раз в этом URL. И среди обязательных полей нужно будет указать тот самый файл name, который мы только что загрузили. Так, ну, вроде чуть-чуть попонятнее стало
8:21

Выполнение импортного запроса и проверка результата

поэтому возвращаемся в N8N. Вставляем сюда наш URL, который мы только что забрали из документации. А для того, чтобы понять, какое имя у нашего файла search стора, давайте вернёмся в ноду, которая называется get stores. И раз она у нас возвращает список всех наших сторов, давайте посмотрим, какие у нас есть. Вот наш, который мы только что создавали. Ну а вот его имя. То есть мы должны прямо забрать это имя и использовать его в ноде для импорта. Вот мы прямо вставляем сюда имя нашего стора и дальше после двоеточия указываем импортфайл. Так, отлично. Ключ мы сохраняем и в соответствии с документацией мы должны указать файл name. Поэтому прямо прокидываем файл name, который мы получили на предыдущем этапе. Давайте выполним этот шаг и посмотрим, каким образом всё это работает. Мы видим, как сейчас забираются файл из Google Драйва, аплодится в инфраструктуру Гугла и сейчас импортируется. Давайте откроем эту ноду. Видим, что файл у нас заимпортировался и файл name был взят из нофай. Так, ну, кажется, всё. Наш файл готов. Друзья, как всегда, все автоматизации, которые мы с вами строим у нас на YouTube канале, я в конце видео скачиваю и помещаю в нашу бесплатную Telegramгруппу. Ссылка на неё будет у нас в описании к этому видео. А усложнённые вариации автоматизации, например, в этой автоматизации с этим инструментом можно очень гибко работать с методными, но это, конечно же, требует дополнительной сноровки. Так вот, такие усложнённые вещи мы часто разбираем в нашей прогруппе. Там масса проматериалов очень глубоких про автоматизацию, искусственный интеллект. И в том числе там недавно вышел NV CMN мастер-класс. Это сделано для того, чтобы, если вы только начинаете осваивать автоматизации NVCEN, то этот мастер-класс позволит вам влиться буквально за несколько часов в основные методы NVM и основы, а потом уже развивать и углублять свои знания с помощью проматериалов. Поэтому обязательно проверяйте нашу прогруппу, ссылка на неё тоже будет в описании. Заскакивайте там просто огонь. Но мы продолжаем с нашей автоматизацией. Если мы вернёмся в документацию а файл серча, то тут будет ещё одна вкладка, которая
10:11

Получение списка документов в File Search Store

называется документы. И здесь видно, что есть специальный метод, который позволяет посмотреть все документы, которые загружены в тот или иной файл search store. Вот с помощью такого API endпоинта. Давайте прямо его заберём, вернёмся в N8 MAN, добавим ещё одну HTTP ноду и прокинем сюда тот самый URL, который нам нужен. И не забудем указать File search store name, в который мы только что загружали документ. Давайте попробуем выполнить этот шаг и посмотреть, какие же документы у нас есть в нашем сторе. Отлично. Здесь есть несколько документов. И вот на последнем месте у нас тот самый документ, который мы только что загрузили. И у него статус
10:46

Проверка статуса загруженного документа

проставлен acв. Это значит, что, по сути, он уже готов для работы. Каким же образом осуществляется коммуникация с
10:52

Использование метода для запросов к File Search

этими документами? Возвращаемся в документацию. Ищем примеры использования этого API endпоинта. Отлично. И здесь мы прямо видим пример курл запроса, который позволяет что-то спросить, указав file
11:03

Пример запроса: модель, структура тела запроса

search store name и получить какой-то ответ от нашего инструмента. Мы совершенно не мудрствовая лукаво, забираем этот URL и вставляем в наш NV CMAN. Возвращаемся в NV Cman, вставляем
11:13

Подключение Chat-ноды для пользовательского текста

этот URL. Как вы видите, здесь уже прямо в URL прописана модель, которая будет использоваться для коммуникации с вашими документами. Здесь проставлено Gemini Flash. Давайте оставим как есть пока. И дальше нужно будет указать нам тело запроса. Тело запроса мы также видим вот здесь. Забираем его целиком. Возвращаемся в нашвумен и вставляем. Проверяем, что всё прокинулось правильно. Здесь обязательно должна быть часть с текстовым запросом userprompt. И дальше обязательно указан файл search storeame, с которым будет происходить вся коммуникация. Давайте сделаем такую вещь. Я добавлю чат-ноду. И если мы попробуем здесь что-нибудь сказать
11:49

Передача чата в userPrompt и отправка запроса

допустим, привет, мы видим, что эта нода отдаёт в поле чаш текст, который мы только что ввели. Отлично. Давайте этим воспользуемся и вставим динамический в боде как раз чат. То есть, по сути, у нас это будет userprompt. И дальше в file мы указываем имя нашего стора, который будет использоваться для коммуникации. Давайте посмотрим какой-нибудь каверзный вопрос. Ну, допустим, меня интересуют основания
12:10

Тестовый вопрос про гражданские права

возникновения гражданских прав и обязанностей. Возвращаюсь в наш NVM и говорю: "Расскажи про основание возникновения гражданских прав и обязанностей. Отправляй этот запрос. видим, что наша нода используется, и нам очень быстро, буквально за 3,5 секунды
12:26

Получение ответа с цитатами, чанками и источниками

приходит ответ. Гражданские права и обязанности могут возникать из различных оснований, предусмотренных законом и иными правовыми актами. Как мы видим, ответ реально базируется на тексте, очень близко к нему, но нас больше всего интересует сама методология. Мы видим конкретные кусочки, цитаты, из которых был создан наш ответ, указан конечный файл search и очень много чанков, которые использовались. Здесь довольно гибко можно работать с самим File Search stor, то есть их можно создавать любое количество и в каждый из них загружать какие-то определённые наборы файлов и
12:55

Работа с несколькими сторами, разделение данных

данных. И также всё это можно обогащать метаданными. К каждому файлу могут быть
13:01

Метаданные и фильтрация перед формированием контекста

добавлены кастомные метаданные, и по ним будет происходить предварительная фильтрация до того, как будет сформирован контекст для ответа у вашего агента. По моим ощущениям, особенно если
13:11

Когда File Search действительно полезен

вы давно смотрите наш канал, такой подход вам понадобится только, если вы хотите очень быстро создавать раг
13:16

Быстрые RAG-агенты без сложных пайплайнов

агентов. не хотите абсолютно заморачиваться с векторизацией, с векторными базами данных, с хранениями и метаданными. Поэтому такие инструменты позволяют вам очень быстро векторизовать данные и потом коммуницировать с ними буквально через одну-две ноды. И второй момент, этот инструмент очень хорошо работает с огромными файлами, но это уже, конечно же, на платных тарифах. Если у вас действительно большие файлы, то этот инструмент очень хорошо их пережёвывает, никогда не падает, и вы таким образом можете, в принципе, векторизовать ваши исторические данные. Ну а на этом мы будем завершать наше видео. Обязательно пробуйте этот инструмент. Эту автоматизацию забирайте у нас в бесплатной Telegram-группе. А если вас интересует развитие в сфере искусственного интеллекта, и конкретно это усложнённая автоматизация, где есть работа с методными, создание методанных и последующая фильтрация по этим методанным, то такие вещи забирайте в нашей прогруппе. А на этом всё. Хорошего вам дня. Пока.

Ещё от ИИшенка | AI Automation

Ctrl+V

Экстракт Знаний в Telegram

Транскрипты, идеи, методички — всё самое полезное из лучших YouTube-каналов.

Подписаться