n8n 教學 (五)：讓 AI 參考向量資料庫回答 (RAG)

發布日期：2025年5月

最終章：打造您的第一個 RAG 應用

歡迎來到 n8n 教學系列的最終篇！在前面的章節中，我們學會了如何將資料存入向量資料庫。現在，我們要來學習如何「利用」這些資料。本章將引導您建立一個完整的 RAG (Retrieval-Augmented Generation) 工作流，讓 AI 能夠根據您提出的問題，從 Supabase 中檢索最相關的資訊，並生成精準的回答。

步驟一：設定聊天觸發器

首先，建立一個新的工作流，並選擇以聊天訊息作為觸發方式。

  1. 建立一個新工作流，命名為 n8nChatWithAI。
  2. 選擇觸發器時，點選 "On chat message"。這會讓工作流在您透過聊天介面傳送訊息時啟動。
選擇聊天觸發器
圖 1: 選擇 "On chat message" 作為起點

步驟二：加入問答鏈 (Q&A Chain)

接下來，我們加入一個核心元件 "Question and Answer Chain"，它會幫我們整合後續的語言模型和向量資料庫。

  1. 在觸發器後新增節點，搜尋 "question" 並選擇 "Question and Answer Chain"。
  2. 點擊 "Add Option" 並選擇 "System Prompt Template"，讓我們可以客製化 AI 的指令。
  3. 啟用 "Expression" 並貼上以下提示詞，為 AI 設定角色和任務： 
    你是專業藥劑師，專長是台灣健保給付規範相關領域。
閱讀 Vector Store 的健保規範資料庫，了解台灣健保的相關規範，並以專業藥劑師的角度親切地回答使用者問題。
一律用繁體中文回應，但英文專有名詞則保留原文。

Context: {context}
加入 Q&A Chain
圖 2: 新增 Question and Answer Chain 節點
設定系統提示詞
圖 3: 客製化系統提示詞以指導 AI

步驟三：設定大型語言模型 (LLM)

現在，我們要為 Q&A Chain 指定一個大腦，也就是我們選用的語言模型。

  1. 點擊 Q&A Chain 節點左下的 "鬚鬚"。
  2. 選擇 "Google Gemini Chat Model"。
  3. 選擇或建立您的 Gemini 憑證，並將 Model 選為 models/gemini-2.5-flash (或您偏好的模型)。
選擇語言模型
圖 4: 選擇 Google Gemini 作為語言模型
設定模型版本
圖 5: 選擇指定的模型版本

步驟四：設定向量資料庫檢索器

這是 RAG 的核心：設定如何從我們的 Supabase 向量資料庫中檢索資訊。

  1. 點擊 Q&A Chain 節點右下的 "鬚鬚"，選擇 "Vector Store Retriever"。
  2. 在跳出的視窗中，繼續點擊紅點上的 "+"，選擇 "Supabase Vector Store"。
  3. 設定 Supabase 連線:
    • 選擇您的 Supabase 憑證。
    • "Table Name" 選擇 nhi_drug_768。
    • "Query Name" 改為 match_nhi_drug_768。
  4. 設定 Embedding 模型:
    • 在 Supabase Vector Store 節點下方的 "鬚鬚" 點擊 "+"。
    • 選擇 "Embeddings Google Gemini"。
    • 選擇您的 Gemini 憑證，並將 Model 設為 models/text-embedding-004。
選擇向量檢索器
圖 6: 選擇 Vector Store Retriever
選擇 Supabase Vector Store
圖 7: 將檢索器指向 Supabase
設定 Supabase 表格與函式
圖 8: 設定要查詢的表格與函式
設定 Embedding 模型
圖 9: 設定用於查詢的 Embedding 模型

步驟五：開始聊天與驗證

所有節點都設定完畢！現在可以開始與您的 AI 聊天了。

  1. 點擊畫面下方的橘色按鈕 "Open chat"。
  2. 在聊天視窗中，輸入您想詢問的健保用藥問題，例如：「Doxorubicin 有什麼健保使用限制?」
  3. AI 會接收您的問題，轉換為向量後至 Supabase 搜尋，最後將搜尋結果與您的問題結合，生成最終回覆。
  4. 您可以比對 AI 的回答與 Supabase 資料庫中的原文，確認其準確性。
開始聊天
圖 10: 在聊天視窗中提出問題
AI 回覆
圖 11: AI 根據向量資料庫的內容生成回答
驗證資料
圖 12: 在 Supabase 中比對原始資料，驗證正確性

系列總結與展望

恭喜您完成了整個 n8n 教學系列！您已經從零開始，成功地建立了一個功能完整的 RAG 應用。回顧整個系列，我們學會了：

  • 環境建置： 在本地安裝 n8n。
  • 資料庫設定： 建立 Supabase 向量資料庫。
  • API 申請： 取得 Gemini API Key。
  • 資料寫入： 建立工作流將文件轉換為向量並存入資料庫。
  • 資料檢索與生成 (RAG)： 建立工作流，讓 AI 根據私有資料回答問題。

您現在所掌握的技能，是打造各種強大 AI 自動化應用的基礎。您可以嘗試替換不同的資料來源 (如 Notion、網頁爬蟲)、探索更複雜的 Prompt Engineering 技巧，或將結果輸出到不同的地方 (如 Email、Slack)。自動化的世界充滿無限可能，期待您創造出更多精彩的應用！

返回 n8n 教學列表