n8n and Zilliz Cloud Integration
Integrate Zilliz Cloud with n8n to build AI-powered workflows with semantic search, RAG, and agents using a visual no-code automation builder.
Используйте эту интеграцию бесплатноЧто такое n8n
n8n — это мощная open-source платформа автоматизации рабочих процессов, которая позволяет объединять различные приложения, сервисы и API для создания автоматизированных рабочих процессов без программирования. Благодаря визуальному интерфейсу на основе узлов n8n позволяет пользователям создавать сложные процессы автоматизации, просто соединяя узлы, представляющие различные сервисы или действия. Она может быть развернута самостоятельно, обладает высокой расширяемостью и поддерживает как fair-code, так и корпоративное лицензирование.
Интегрируя Zilliz Cloud(полностью управляемый Milvus) с n8n, вы можете добавить мощные возможности высокопроизводительного векторного поиска и ИИ в свои рабочие процессы автоматизации.
Преимущества интеграции n8n + Zilliz Cloud
Интеграция Zilliz Cloud (управляемого Milvus) с n8n устраняет сложность создания рабочих процессов на базе ИИ с нуля. Вы можете настроить семантический поиск, RAG-конвейеры и интеллектуальных агентов за считанные минуты — без написания кода. Поскольку Zilliz Cloud берет на себя инфраструктуру векторной базы данных, вы можете сосредоточиться на разработке, а не на обслуживании. А поскольку всё работает внутри визуального редактора рабочих процессов n8n, весь ваш ИИ-стек остается в одном месте, простом для управления и масштабирования.
Как работает интеграция
Узел Milvus Vector Store выступает мостом между n8n и Zilliz Cloud. При запуске рабочего процесса узел подключается к вашему экземпляру Zilliz Cloud и выполняет все векторные операции — вставку документов, запросы по семантическому сходству и возврат релевантных результатов — непосредственно внутри конвейера рабочего процесса.
В зависимости от вашего сценария использования узел можно настроить в четырех режимах работы: Get Many, Insert Documents, Retrieve Documents (for chains) и Retrieve Documents (for AI agents). Это делает его достаточно гибким, чтобы использоваться как автономное хранилище данных, ретривер, подключенный к цепочке вопросов и ответов, или живой инструмент знаний, подключенный напрямую к AI-агенту.
Дополнительные параметры, такие как фильтрация метаданных и управление коллекциями, дают вам точный контроль над тем, как данные хранятся и извлекаются в Zilliz Cloud.
Шаг за шагом: настройка узла векторного хранилища Milvus в n8n
Узел Milvus Vector Store поддерживает четыре сценария использования. Выберите тот, который подходит вашему рабочему процессу.
Сценарий 1: Вставка и получение документов (обычный узел)
Используйте Milvus Vector Store как самостоятельный узел в обычном рабочем процессе — без участия AI Agent.
- Установите режим операции Insert Documents, чтобы сохранить контент в коллекцию Milvus.
- Установите режим операции Get Many, чтобы получать документы на основе семантической близости к запросу.
- При необходимости включите Clear Collection перед вставкой, чтобы сначала удалить существующие данные.
- Используйте Metadata Filter в режиме Get Many, чтобы сузить результаты по пользовательским полям метаданных (несколько фильтров применяют логику AND).
Этот сценарий идеально подходит для создания документных конвейеров, которые сохраняют и извлекают контент для цитируемых ответов в чатах.
Сценарий 2: Подключение напрямую к AI Agent как инструмент
Подключите Milvus Vector Store напрямую к коннектору инструментов AI Agent, чтобы агент мог автономно запрашивать векторное хранилище при ответах на вопросы.
Поток подключения:
AI Agent (коннектор инструментов) → Milvus Vector Store
- В узле Milvus Vector Store установите режим операции Retrieve Documents (As Tool for AI Agent).
- Подключите узел к коннектору инструментов вашего узла AI Agent.
- Агент будет решать, когда запрашивать Milvus на основе вопроса пользователя, используя его как динамический ресурс знаний.
Этот сценарий хорошо подходит, если вы хотите, чтобы AI Agent имел гибкий доступ к базе знаний по требованию.
Сценарий 3: Использование ретривера с цепочкой вопросов и ответов
Объедините Milvus Vector Store с Vector Store Retriever и Question and Answer Chain, чтобы создать структурированную систему вопросов и ответов.
Поток подключения:
Question and Answer Chain (коннектор Retriever) → Vector Store Retriever (коннектор Vector Store) → Milvus Vector Store
- Установите режим операции Milvus Vector Store на Retrieve Documents (As Vector Store for Chain/Tool).
- Подключите его к коннектору Vector Store узла Vector Store Retriever.
- Подключите Retriever к коннектору Retriever узла Question and Answer Chain.
- Цепочка автоматически получит наиболее релевантные документы из Milvus, чтобы ответить на ввод пользователя.
Этот сценарий лучше всего подходит для структурированных вопросов и ответов по документам, когда требуется точное извлечение перед генерацией ответа.
Сценарий 4: Использование Vector Store Question Answer Tool
Вместо подключения Milvus напрямую как инструмента оберните его узлом Vector Store Question Answer Tool. Этот инструмент суммирует извлеченный контент перед передачей агенту.
Поток подключения:
AI Agent (коннектор инструментов) → Vector Store Question Answer Tool (коннектор Vector Store) → Milvus Vector Store
- Установите режим операции Milvus Vector Store на Retrieve Documents (As Vector Store for Chain/Tool).
- Подключите его к коннектору Vector Store узла Vector Store Question Answer Tool.
- Подключите QA Tool к коннектору инструментов AI Agent.
- Инструмент автоматически выполняет извлечение и суммирование, предоставляя агенту более чистый, сжатый ответ для работы.
Этот сценарий полезен, если вы хотите, чтобы агент получал из базы знаний суммированный ответ, а не необработанные фрагменты документов.
Узнать больше
- Руководство по интеграции Milvus × n8n
- Создайте систему вопросов и ответов по документам с RAG, используя Milvus, Cohere и OpenAI для Google Drive
- Настройки узла Milvus - Запросы функций
- Документация по интеграции n8n Milvus
- Я обнаружил этот репозиторий N8N, который действительно повысил эффективность автоматизации моих рабочих процессов в 10 раз
- https://zilliz.com/product/integrations