Как Добавить в ИИ Агента 100 Файлов в RAG в n8n Без Кода Пошагово (Циклы, Rag, Telegram, Pinecone)

Привет. В прошлом видео мы посмотрели на агента, который обращается к нашему файлу, забирает из него текст, помещает свою векторную базу знаний и отвечает на наши вопросы, исходя из этих знаний. Сегодня мы посмотрим и построим вместе агента, который умеет работать с сотнями или тысячами файлов в цикле, для того, чтобы отвечать на наши совершенно разноплановые вопросы, которые вы можете в интегрировать в ваш бизнес для общения с совершенно разными контрагентами, которые могут участвовать в вашем бизнесе. Давайте представим, что мы какой-нибудь э-э маленький бизнес, скажем, а продавцы цветов, да, у нас

магазин по продаже цветов, и у нас есть агент, который может отвечать вообще на все вопросы аа про наш бизнес. Сейчас мы включим а наш тестовый режим и спросим. Привет. А я поставщик цветов и хотел бы пообщаться с кем-нибудь из ваших сотрудников. Это возможно? А если да, то с кем я мог бы пообщаться? Мы видим, как работает агент. Опять же, он идёт в нашу базу знаний, а достаёт оттуда какие-то знания и готовит нам ответ. Сейчас будет ответ. Так, интересно. Смотрите, здорово, что ты занимаешься цветами, да? Можно связаться с Анной Ивановой, Еленой Смирновой и Марией Кузнецовой. Ну, вообще говоря, неплохо, да? Так, а если из другой области мы зададим вопрос? А, привет. Хотел бы в среду купить цветочки. А какой график у вас работы? Включаем тестовый workflow. Опять же смотрим, как агент идёт в нашу базу знаний и готовит ответ. Привет. В среду наш магазин цветочной сказка работает с 9:00 до 20. Отличный день, да, и выдерживает прекрасный, а тон общения. Ну и, например, какой-нибудь третий вопрос тоже из совершенно другой сферы. Так, ну а вот пиончики. Пиончики мы очень любим. Скажи, а вообще, когда их можно купить? Если они у вас сейчас, расскажи, пожалуйста. Так, включаем тестовый workflлоу. Опять же видим, как, а, работает агент. Так, готовится ответ. Смотрим ответ. Привет. Пионы, это просто волшебные цветы, не правда ли? Да. Так, цена на пионо 250 руб. Да, заходите обязательно с понедельника по четверг с 9:00 до 8ми. И наши пионы доступны с мая до июня. Ну, интересно, да, откуда он это всё знает? А наш агент знает все эти вещи, а потому что мы отдали ему эту информацию. И, как мы видим, информация совершенно разнопланового характера, и агенту не составляет труда, а, к этой информации обращаться. У нас как у какого-то представителя бизнеса

да, есть какое-то количество файлов. Ну, скажем, там файлы, которые описывают наши графики работы, наших сотрудников, их а время работы. И мы эти файлы с вами, а, поместим в, а, какой-то диск. Ну, мы будем использовать Google Drive, да, и засунем эти файлы в определённую а табличку. Что будет происходить, да? Когда мы будем помещать файлы в Google Drive, мы организуем цикл. Цикл, который будет, а, пробегаться по всем файлам вне зависимости от их количества. И, а, всё, что он найдёт, он векторизует и поместит в векторную базу. А мы в прошлом видео с вами обсуждали, как работают векторные базы знаний. Обязательно сходите на это видео. Там есть тайм-коды, посмотрите, в чём их соль. Там простым языком всё объяснено. И что происходит дальше, когда а наш агент, да, хочет получить какие-либо знания, он обращается в векторный аа векторную базу знаний, и она ему возвращает некоторое количество чанков, которые прямо релевантны этому вопросу. Это очень дешёвый для нас процесс, и мы не должны каждый раз агента, э, просить прочитывать, например, все наши сотни файлов, да, чтобы попытаться сформировать ответ. А, и самое интересное, да, и самое важное, что этот процесс работает в полуавтоматическом режиме, да, то есть если мы поместим новый или, скажем так, изменим какой-то файл в нашей в нашем диске, да, то тогда а система автоматически определит, что этот файл появился, да, и, соответственно, ещё раз пробежится по этому циклу. и, соответственно, таким образом будет держать базу знаний в актуальном состоянии. Вот. А, ну давайте перейдём от слов к делу, да? У нас уже готов довольно широкий агент, но как всегда мы с вами сделаем всё с нуля, а для того, чтобы было максимально понятно, как работает эта вся система. Я только что м нажал Create Workflow. Мы с вами работаем в сервисе, который называется N8N Cloud. Для того, чтобы получить сюда доступ, да, мы идём на сайт N8io, а, нажимаем get started, и после этого мы получим 14 дней бесплатного использования. Опять же, в прошлом видео, в самом начале я объяснял, что это за сервис и как в него засайнапиться. Здесь всё очень-очень просто. Второй раз мы сейчас проходить не будем. В принципе, после этого мы, когда нажмём Create New Workflow, да, мы готовы приступать к созданию Workflow. Наш workflow будет состоять из двух частей. Первая часть - это помещение в цикле файлов в Google Drive, да? И потом вторая часть - это наш агент, который

забирает из этой векторной базы знаний, а, файлы, вернее, а, релевантные кусочки информации и формирует ответ, исходя из них. А в этот раз мы, а, сделаем триггер ручной, да? То есть это история, когда мы сами отсюда прямо из сервиса можем снировать какое-то действие. По этому триггеру, да, когда мы нажмём на

workflow, мы бы хотели, чтобы а мы могли прочитать некоторый Google Drive, да, который сейчас содержит наши файлы. Для этого нам понадобится вве ввести Google Drive и, а, нажать, э, и выбрать action Search Files and Folders, да, что это такое? Это некоторый экшн, который позволяет сходить, э, наш драйв и помести и поискать какие-то м фолдеры на этом файле, на этом драйве. Вот. А здесь вам нужно будет создать Google Drive аккаунт, да? То есть у меня он уже есть. Вы нажмёте Create New Credential, и здесь есть инструкция, каким образом а создаются креды. Это не такой быстрый в а не такой быстрый процесс, как хотелось бы, поэтому сходите в предыдущее видео. Там я прямо посвятил минут пять или семь, в принципе, тому подключается Google Drive. Это достаточно сделать один раз. После этого ваши ассистенты, построенные в вашем аккаунте, будут обращаться к вашим данным, а, на диске. Вот у меня он уже есть. Я его выбрал. Нам нужно выбрать ресурс resурсфайлфolder, да? А и здесь мы пропускаем всё-всё-всё. Единственное, мы добавим один фил фильтр. Да, мы хотим найти фолдер. И так как у нас уже на Google Драйве есть папочка, мы сейчас посмотрим. Вот он говорит: "Dвайте тест". Да? То есть мы прямо выбираем эту папочку, и этого достаточно. Теперь мы пойдём с вами на а Google Drive, да, и посмотрим, а что же у нас там происходит. У нас на Google Драйве есть папочка в эти тесты, то есть мы её уже подтянули, да, только что видели. Соответственно, если мы сюда перейдём, мы здесь найдём файлы, которые

мы будем использовать для того, чтобы их а векторизовать и поместить в нашу векторную базу знаний, да? Здесь, например, есть у нас акции магазина, да? То есть какие-то вот вещи, э, которые нам важно указать, чтобы агент их знал, да? Режим работы магазина, да? То есть, помните, он нам отвечал очень точно, как когда мы в среду работаем, а, список сотрудников и их работы, то есть когда он подбирал нам сотрудников, с которыми поставщик может общаться, он это знает. Он знает, что Мария Кузнецова может помочь, да, с этими вопросами, потому что она как раз работает с поставщиками, да, ну и типы цветов и цены, соответственно, мы спросили про пионы, да, и мы видим, что пион, помните, да, 250 руб. стоит, и он его можно купить с мая по июнь. Вот. А, прекрасно. Сейчас мы с вами сделаем всё заново и поместим эти же, а, знания в векторную базу данных, э, прямо, чтобы всё было понятно и не оставалось никаких вопросов. Мы с вами настроили, да, то есть мы сейчас попробуем, а, сделать, а, тестировать, потестировать этот шаг. И смотрите, да, если мы туда нажмём table, то мы увидим, что из этой папочки, да, из которой мы указали в тест, мы нашли уже четыре файла. Вот их четыре айдишки, да? Вот их имена. Прекрасно, да? А и дальше наступает самый интересный момент. А что нам нужно делать с этими файлами? Нам, чтобы мм поместить их в нашу векторную базу знаний, нам нужно а получить их контент, контент этих файлов, да. Соответственно, нам нужно добавить ещё один метод из Google Драйва, да, и он называется, а, downloadфайл. Так как у нас уже будут айдишники с предыдущего этапа, да, нам сейчас не составит никакого труда скачать эти файлы. Так, здесь то же самое. Вы выберете ваш аккаунт from list, да? Только from list мы меняем на by ID, потому что у нас уже есть айдишники, да? И дальше, так как мы с предыдущего шага получили айдишники, мы просто сюда перекидываем, а, ID и попробуем запустить этот шаг. Это может занять какое-то время. И смотрите, он нашёл четыре а элемента, да, у нас там и было четыре файла, и сформировал из них, э, бинарные данные, да, бинарные данные, запомните, что они именно бинарны, потому что нам это понадобится на следующих шагах. Как можем проверить, что, а, всё работает хорошо? Нам у нас уже есть возможность скачать м нашу наш файл и открыть его. Смотрите, вот, соответственно, мы весь контент получили из нашего Google Драйва, да? Что нам понадобится дальше? А дальше как раз, а, из-за того, что у нас может быть любое количество файлов, да, вы можете поэкспериментировать с 10, пятидесяю, сотнями, тысячами, нам нужно организовать цикл, потому что айдишек может быть много, и нам нужно в цикле помещать эти файлы в нашу векторную базу знаний. Это делается тоже не очень сложно. Есть такой элемент в N8N, как аop, то есть, да, по-английски а петля, да? То есть мы зацикливаем некоторые действия. Смотрите, мы уже получили здесь с предыдущего шага наши файлы, да, и бачй - это количество элементов, которые в одном цикле участвуют. В принципе, нам тут ничего не нужно больше менять. И оставим это пока как есть. А пока уберём вот эту зацикленность, да, то есть она нам не нужна. И что мы сделаем? На каждый шаг этой петли мы хотим в наш векторный векторную базу знаний в нашу, да, помещать а векторы, которые мы создали из конкретного файла в цикле, да. Мы видим, что четыре раза цикль цикл прошёл, соответственно, мы идём и добавляем нашу векторную базу знаний. Мы работаем в этом видео с Pcon. В прошлом видео мы работали тоже с PCON. Вот. Поэтому если что-то будет непонятно, там мы хорошо разбирали, как это работает. И здесь нам нужно выбрать action, добавить документы в vector store. Add documents to vector store. Так, соответственно, мы вставляем документы, да? Нам нужно сначала выбрать PconCon index. Если мы пойдём обратно в PINCON, да, мы логинимся, а, в это приложение, да, и здесь есть, э, ключи, да. Почему это важно? Потому что в прошлом видео мы опять же разбирали, что вам нужно будет нажать create IP ключ, да, и вставить его вот сюда в ваши криншанлы. Больше вам ничего не нужно, чтобы подконнектиться к ним. Но дальше есть два, так, скажем так, подмножества у Пийнкона, да, это индексы и внутри индексов ещё нейспейсы. По сути, вам достаточно создать один индекс, да, вот он у меня есть индекс, соответственно, мы его тут создали, да, и, соответственно, из листа мы его и выберем. Вот он наш IT индекс. А дальше adoption а Pinecon space. А мы хотим создать некоторые namespace отдельный, да, для нашего агента, чтобы впоследствии мы могли обращаться непосредственно к этомусу и не затрагивать другие другую информацию. У меня уже есть namesace, с помощью которого я делал для вас демо. Да, только что. Поэтому мы его сейчас уберём, чтобы частота эксперимента сохранялась, да, мы сейчас уберём его. Он назывался Flow Store, да? И после этого вернёмся обратно. И мы можем задать индекс, который а мы хотим создать для этой процедуры, да? То есть давайте как чуть иначе. Просто flowers будет, да? Нас устраивает. Аа вот что происходит дальше? Мы должны подключать embдинги, да, мы используем обычно Open AI. Это быстро и, в принципе, надёжно, да. Embeding 3 small, в принципе, хватает для большинства ваших задач. Э указали модельку, которая будет конвертировать текст в векторы. Вот. И, соответственно, документы. Откуда получаем мы документы? Да, тут есть некоторый умолчательный датаader, загрузчик документов. Мы его выбираем. Вот. Но здесь самое важное, помните, мы с вами получали файлы в качестве бинарников, да? Соответственно, нам тут нужен не Jon, а бинарники. Мы получаем бинарники. Вот. И дальше, в принципе, нас нас всё тут устраивает, больше нам ничего не нужно. А вот и, соответственно, последняя штука, которую мы добавляем - это а текст сплиitter. Каким образом текст делится на чанки? Мы опять же довольно подробно с вами проговаривали, что такое чанки. Каким образом нарезается текст на эти кусочки? Идите в прошлое видео, там буквально это опять же трёхминутное объяснение. Вот, э, там всё хорошенечко рассказано. Для нас сейчас важно выбрать Давайте в этот раз рекурсивный текстплиitр выберем. Он работает чуть-чуть иначе, как токентер, который мы использовали в прошлый раз. Рекурсивный текстптер, он пытается сохранить некоторый контекст. он не обрезает, э, предложение посередине, то есть он пытается найти точку предложения для того, чтобы мы были уверены, что в чанках содержится аа ну законченная мысль или законченное предложение. Поэтому выбем выберем его чан сделаем 600 и чанковый overlap. Мы это обсуждали в прошлом видео, да, наслоение чанков друг на друга. Аа выбираем 50. В принципе, здесь всё достаточно. И самое главное, после того, когда мы пошли по этому циклу, поместили наш первый файл в нашу векторную базу знаний, нам нужно замкнуть его обратно. Всё. То есть мы замкнули и а после этого, сколько бы раз ни было, не встретились у нас файлы, да, или айдишки файлов в нашем проекте, да, каждый раз цикл должен его провести для чистоты эксперимента, да, сейчас мы можем запустить этот workflow, посмотреть, как он работает. Запускаем. Видим. Сейчас мы читаем, а, файлы из Google Драйва, получаем айдишки, скачиваем их. Вот. И смотрим, сколько раз. 1 2 3 4. Отлично. Всё. То есть пятый раз. Пятый - это уже выход. А у нас цикл прошёл четыре раза. На пятый вышел. Соответственно, что мы можем теперь сделать? Мы можем, а, вернуться в нашу базу знаний и посмотреть, содержится ли у нас новый namespace, который называется Flowers, да, и который содержит чанки с нашей информацией, да, видим, что появился. Это прекрасно. Соответственно, мы уже почти готовы, а, чтобы, а, подключить нашего агента для работы с этой базой знаний каждый раз, да? То есть мы можем запускать этот агент, когда у нас новый, а, новое количество файлов в нашем Google Драйве. И каждый раз будем апдейтить нашего агента. Теперь давайте создадим самого агента, да? То есть эта процедура очень похожая на то, что было в прошлом а видео, поэтому мы не будем с вами прямо с нуля всё создавать, да? Мы сделаем с вами а такую историю. Мы задублицируем этот Tab, да, для того, чтобы его ещё раз открыть. И NN, да, кстати, давайте его сохраним этот. Никогда не забывайте сохранять проект, потому что бывает теряется. И здесь в а новом табе, да, мы откроем наш старый проект. Он назывался чат. Да, и

мы же можем не переписывать всё с нуля. Например, у нас уже есть готовый workflow, который позволяет подключить Telegram, обработать голосовое сообщение или текстовое и передать его в агента. Поэтому мы берём, забираем отсюда всё, да, и вставляем. Смотрите, у нас вставился целый кусок агента, который, в принципе, может быть использован в наше использован в нашем новом проекте. Это ли не прекрасно? Да. Но дальше нам, конечно, всё придётся сделать вручную. Благо, осталось не очень много. Так, мы добавляем нашего агента. Для этого нажимаем плюсик. А, набираем агент, да? Эт, вот наш агент. Так. И здесь нам нужно определить, да, откуда мы получаем информацию с вами. Мы нажимаем define below. Вот. И здесь нам нужно, а, вписать то, что мы, а, получаем из нашего предыдущего шага. Мы получаем оттуда JonX, да, это expressionш некоторый. Вот он у нас сейчас undefined, потому что мы ни разу ещё не прогнали наш Telegram, и он ещё не получил его на вход. Но так как мы ориентируемся, да, на то, что мы строили в прошлый раз, вот он наш агент. Вот у нас мы помним, что у нас Jon - это был входящий параметр в нашего агента. Так, отлично. Jonx. Дальше а нам нужно подключить к этому агенту наш векторный стор, да, тот же самый, но теперь на чтение. Это делается довольно просто. Мы нажимаем Tool, да, и здесь мы помним, что у нас наш PINCON он Pcon Vector Store. Вот он. Но теперь мы уже получаем документы, да, ретривим, а аккаунт тот же самый, потому что база та же самая, аккаунт тот же самый и креды те же самые. Мы их забрали, получили. Давайте его как-то назовём, потому что это инструмент, который а-а агент использует в зависимости от необходимости, соответственно. А, скажем так, пускай он так бы называется Vector Store. И скажем, например, этоктор Store, а Vectктор Store, да, где ты можешь найти, а, всю пользовательскую информацию или всю информацию, а, о нашем бизнесе. Так, соответственно, да, что мы тут выбираем? А, сам индекс, да, соответственно, сам индекс, из которого мы, а, забираем, а, информацию, да. Соответственно, лимитчетыре - это как раз количество чанков, которые агент будет забирать из нашего векторстора. И здесь не забудьте обязательно добавить э Pincoin namespace. Этот namespace должен быть прямо точно таким же, как мы создали, потому что он именно в него будет обращаться, да. Нас интересует namespace. А Flowers, да, Flowers. Так, отлично. Что у нас тут ещё не хватает? Нам не хватает самой модельки, с помощью которой мы осуществляем поиск, да? То есть используем ту же самую Open AI а модель. Вот GPT4 Mini. Отлично. Нам достаточно такого. На что мы ещё хотим? Мы хотим добавить, э, ответ в Telegram. Да. Для этого мы идём в наш предыдущий, мм, в наш предыдущий проект. Опять же, этот

проект старый, да, вернее, предыдущий, вы можете найти в Telegram-канале, который будет в описании в комментариях. И новый проект, который мы строим сейчас, тоже ищите там же. Соответственно, я вам сейчас покажу, а каким образом вы с ними работаете. Вы потом, когда берёте эти два проекта из Telegram-канала, вы заходите сюда, в любой проек проект, создаёте новый, желательно, да, и прямо нажимаете import from file. Вы нажимаете и выбираете Jon, да, который файлики, которые вы скачаете из Telegram-канала. Соответственно, загружаете, работайте, ваше удовольствие, копипастите из проекта в проект, всё это будет работать. А, соответственно, да, здесь мы хотим забрать наш Telegram-ответ, да. Потому что зачем нам его перепридумывать? Мы в прошлый раз всё с вами прекрасно сделали, всё подключили. Вот подключили. И, соответственно, мы хотим сюда завести две веточки, да, если мы что-то голосом сказали и что-то а написали, да, и осталось ещё один нюанс. нам нужно, а, прописать промпт для самого агента, да? Соответственно, нас интересует история, каким образом мы, а, подскажем агенту, что делать с, а, входящим промтом, да? Для этого мы идём, а, нажимаем adoption и system message, да, то есть некоторое системное сообщение для агента, а, которое которую он будет использовать. Соответственно, мы ему хотим сказать, что каждый раз, когда ты получаешь вопрос от пользователя, пожалуйста, иди в инструмент, который называется Vector Store, да, потому что мы его назвали Vector Store. И в этом инструменте ищи дополнительную информацию для себя. Единственное, мы с вами же забыли добавить сюда имбединги, да? Соответственно, добавили. Всё, отлично. Наш инструмент называется Vector Store. Соответственно, мы говорим каждый раз, когда ты получаешь ответ от пользователя, вернее, вопрос, а от пользователя, пожалуйста, используй актор Store, да, а Tool, а чтобы получить больше, а, информации про наш бизнес. Прекрасно. Нам больше, в принципе, ничего и не нужно, да? Нам осталось, на самом деле, с вами только протестировать наш бот. Да. Для этого что мы можем сделать? Мы с вами можем прямо пойти в обратно в Google Drive, да, и прямо какой-нибудь специфический вопрос подобрать и посмотреть, насколько он хорошо работает. Ну, например, типы цветов, да? Спросим: "Так, я бы хотел розу Красную, да? Э, расскажи, например, что-нибудь про Розукрасную, если бы я её хотел купить. Да, мы запомнили, что она стоит 150 руб. Она у неё длина 60 см. Поэтому самый интересный а момент, да, мы а включаем тестовый флоу, говорим тестируем. То есть он сейчас ожидает а наш вход, да? То есть пока триггер будет инициализирован, пытаемся его инициализировать вместе. А, привет. А вот роза красные, они у вас есть? Да, я бы хотел купить. Расскажи, расскажи про них что-нибудь. Так, смотрим. Пошёл ответ, вернее, пошёл вопрос. Всё, где-то что-то сломалось, да? М, смотрим, что, а, что у нас не получилось. Ну, конечно же, у нас не получилось, э, потому что мы не вписали переменную, да, знак доллара мы вписали. Вот теперь он, а получит на вход конкретный текст. Так, ну, соответственно, мы не имеем права не попробовать ещё раз. Привет. Э, меня вот розы красные интересуют. Расскажи, есть ли они у вас, что, что с ними? Так, смотрим, как отрабатывает. О, прошёл, пошёл векторный, а, векторную базу знаний формирует. Смотрите, розы красные, информация о них название 150 руб. за штуку, что совершенная правда, и длина у них 60 см. То есть максимально точно, максимально квалифицированно ответил. Так, как я и обещал. А сейчас весь этот проект, который мы с вами сделали, я возьму сделаю экспорт и отправлю в наш Telegram-канал. А адрес к Telegram-каналу будет в описании, поэтому обязательно подписывайтесь на сам YouTube канал, идите в Telegram-канал и забирайте ваш шаблон и делайте автоматизацию для вашего бизнеса. Yeah.