RAG Pipeline教程：用n8n搭建知识库问答系统

n8n是什么

n8n是一个开源的工作流自动化工具。它跟Zapier差不多，但更geek一点——可以本地部署、能调任何API、有200+节点。

最关键的是：它最近加了AI节点，可以直接连LLM做RAG。

先装n8n

# Docker一键部署
docker run -it --rm \
  --name n8n \
  -p 5678:5678 \
  -v n8n_data:/home/node/.n8n \
  n8nio/n8n

打开 http://localhost:5678 就能看到界面了。

RAG分几步

一个RAG管道其实就4步：

1. 加载文档（PDF/网页/Markdown）
2. 切分成小块（Chunking）
3. 向量化存到数据库（Embedding）
4. 用户提问时搜索+生成（Retrieve + Generate）

n8n里怎么搭

第一步：加载文档

n8n的Read Binary Files节点读取本地文档，或者用HTTP Request节点从网页抓取。

第二步：Embedding

用OpenAI节点，选Embedding模型（text-embedding-3-small），把切好的文本块转成向量。

第三步：存到向量库

n8n支持Qdrant、Pinecone、Supabase等向量数据库。选Qdrant——开源、docker一键部署、有免费额度。

第四步：问答

用户提问 → Embedding转向量 → Qdrant搜索相似文档 → LLM根据文档生成回答。

实际效果

我用n8n给自己的技术博客搭了一个问答机器人。丢进去30篇Markdown文章，问它n8n怎么部署能给出准确步骤。虽然比不上ChatGPT直接问，但回答的是我自己的内容，不会瞎编外面的东西。

局限

n8n的RAG节点是2025年才加的，功能比LangChain少很多。复杂场景（多轮对话、混合检索、重排序）还是得写代码。但对于80%的场景——文档问答、客服知识库——n8n完全够用。