n8n and Zilliz Cloud Integration

n8n é uma poderosa plataforma de automação de fluxos de trabalho de código aberto que permite conectar vários aplicativos, serviços e APIs para criar fluxos de trabalho automatizados sem programação. Com sua interface visual baseada em nós, o n8n permite que os usuários criem processos de automação complexos simplesmente conectando nós que representam diferentes serviços ou ações. Ele pode ser auto-hospedado, é altamente extensível e oferece suporte a licenciamento fair-code e empresarial.

Ao integrar o Zilliz Cloud(Milvus totalmente gerenciado) com o n8n, você pode levar o poder da busca vetorial de alto desempenho e da IA para seus fluxos de trabalho de automação.

Integrar o Zilliz Cloud (Milvus gerenciado) com o n8n elimina a complexidade de criar fluxos de trabalho com IA do zero. Você pode configurar busca semântica, pipelines RAG e agentes inteligentes em minutos — sem escrever nenhum código. Com o Zilliz Cloud cuidando da infraestrutura do banco de dados vetorial, você pode se concentrar em criar, não em manter. E como tudo roda dentro do editor visual de fluxos de trabalho do n8n, toda a sua stack de IA permanece em um só lugar, fácil de gerenciar e escalar.

O nó Milvus Vector Store atua como a ponte entre o n8n e o Zilliz Cloud. Quando um fluxo de trabalho é executado, o nó se conecta à sua instância do Zilliz Cloud e lida com todas as operações vetoriais—inserindo documentos, consultando por similaridade semântica e retornando resultados relevantes—diretamente dentro do pipeline do fluxo de trabalho.

Dependendo do seu caso de uso, o nó pode ser configurado em quatro modos de operação: Get Many, Insert Documents, Retrieve Documents (for chains) e Retrieve Documents (for AI agents). Isso o torna flexível o suficiente para servir como um armazenamento de dados independente, um recuperador conectado a uma cadeia de perguntas e respostas, ou uma ferramenta de conhecimento em tempo real conectada diretamente a um agente de IA.

Opções adicionais, como filtragem de metadados e gerenciamento de coleções, dão a você controle refinado sobre como os dados são armazenados e recuperados no Zilliz Cloud.

O nó Milvus Vector Store oferece suporte a quatro padrões de uso. Escolha aquele que se adapta ao seu fluxo de trabalho.

Padrão 1: Inserir e Recuperar Documentos (Nó Regular)

Use o Milvus Vector Store como um nó independente em um fluxo de trabalho regular — sem envolvimento de agente de IA.

• Defina o modo de operação como Insert Documents para armazenar conteúdo em uma coleção do Milvus.
• Defina o modo de operação como Get Many para recuperar documentos com base na similaridade semântica com um prompt de consulta.
• Opcionalmente, habilite Clear Collection antes da inserção para remover os dados existentes primeiro.
• Use Metadata Filter no modo Get Many para restringir os resultados por campos de metadados personalizados (múltiplos filtros aplicam lógica AND).

Este padrão é ideal para criar pipelines de documentos que armazenam e recuperam conteúdo para respostas citadas baseadas em chat.

Padrão 2: Conectar Diretamente a um Agente de IA como uma Ferramenta

Conecte o Milvus Vector Store diretamente ao conector de ferramentas de um agente de IA para que o agente possa consultar o armazenamento vetorial autonomamente ao responder perguntas.

Fluxo de conexão:

AI Agent (conector de ferramentas) → Milvus Vector Store

• No nó Milvus Vector Store, defina o modo de operação como Retrieve Documents (As Tool for AI Agent).
• Conecte o nó ao conector de ferramentas do seu nó AI Agent.
• O agente decidirá quando consultar o Milvus com base na pergunta do usuário, usando-o como um recurso de conhecimento dinâmico.

Este padrão funciona bem quando você quer que o agente de IA tenha acesso flexível e sob demanda a uma base de conhecimento.

Padrão 3: Usar um Retriever com uma Cadeia de Perguntas e Respostas

Combine o Milvus Vector Store com um Vector Store Retriever e uma Question and Answer Chain para criar um sistema estruturado de perguntas e respostas.

Fluxo de conexão:

Question and Answer Chain (conector Retriever) → Vector Store Retriever (conector Vector Store) → Milvus Vector Store

• Defina o modo de operação do Milvus Vector Store como Retrieve Documents (As Vector Store for Chain/Tool).
• Conecte-o ao conector Vector Store do nó Vector Store Retriever.
• Conecte o Retriever ao conector Retriever do nó Question and Answer Chain.
• A cadeia buscará automaticamente os documentos mais relevantes do Milvus para responder à entrada do usuário.

Este padrão é melhor para perguntas e respostas estruturadas sobre documentos quando você quer uma recuperação precisa antes de gerar uma resposta.

Padrão 4: Usar a Ferramenta Vector Store Question Answer

Em vez de conectar o Milvus diretamente como uma ferramenta, envolva-o com um nó Vector Store Question Answer Tool. Esta ferramenta resume o conteúdo recuperado antes de passá-lo ao agente.

Fluxo de conexão:

AI Agent (conector de ferramentas) → Vector Store Question Answer Tool (conector Vector Store) → Milvus Vector Store

• Defina o modo de operação do Milvus Vector Store como Retrieve Documents (As Vector Store for Chain/Tool).
• Conecte-o ao conector Vector Store do nó Vector Store Question Answer Tool.
• Conecte o QA Tool ao conector de ferramentas do AI Agent.
• A ferramenta lida com a recuperação e o resumo automaticamente, dando ao agente uma resposta mais limpa e condensada para trabalhar.

Este padrão é útil quando você quer que o agente receba uma resposta resumida da base de conhecimento, em vez de fragmentos brutos de documentos.

• Guia de Integração Milvus × n8n
• Crie um sistema de QA de documentos com RAG usando Milvus, Cohere e OpenAI para Google Drive
• Configurações do nó Milvus - Solicitações de Recursos
• Documentação da Integração n8n Milvus
• Descobri Este Repositório N8N Que Realmente Aumentou em 10x Minha Eficiência de Automação de Fluxos de Trabalho
• https://zilliz.com/product/integrations