基于 RAG 的 n8n 智能问答机器人：LangChain 与向量数据库的实践

本项目是一个学术性质的AI作业实现，展示了如何使用检索增强生成（RAG）架构为n8n开源工作流自动化平台构建专业FAQ问答机器人。核心技术栈包括LangChain框架、ChromaDB向量数据库、sentence-transformers/all-MiniLM-L6-v2嵌入模型及Hugging Face托管LLM服务。项目通过结合信息检索与文本生成，实现了基于事实的准确回答，同时可追溯答案来源，避免模型幻觉。

检索增强生成（RAG）是将信息检索与文本生成结合的技术，解决传统问答系统要么依赖模型内部知识易产生幻觉、要么仅返回文档片段缺乏整合能力的问题。其优势包括回答准确（基于真实文档）、可处理训练数据外的新知识、答案可追溯、避免与文档不符内容。项目选择n8n作为目标产品，因其是流行的开源工作流自动化平台，在AI自动化、系统集成等领域应用广泛，适合作为RAG系统的知识库来源。

项目架构包含三个核心模块：

1. 数据集构建模块（build_dataset.py）：通过网络爬虫抓取n8n官方文档页面，提取文本内容并保存为CSV格式数据集，作为RAG流程的数据基础。
2. 向量嵌入与存储模块（ingest.py）：将长文档分割为适合检索的小片段；使用sentence-transformers/all-MiniLM-L6-v2模型生成文本向量；以ChromaDB（开源嵌入式向量数据库，无需额外基础设施）存储向量及对应文本片段。
3. 问答交互模块（chatbot.py）：用户提问时，系统将问题转为向量，在ChromaDB中检索最相似文档片段，结合问题构建提示词，调用Hugging Face托管LLM生成回答并返回答案及来源链接。 技术选型方面，LangChain框架负责文档加载分割、封装嵌入模型与向量存储、构建检索-生成执行链；all-MiniLM-L6-v2模型因体积小、推理快、开源适合学术场景被选作嵌入模型；Hugging Face托管推理服务降低硬件要求，只需访问令牌即可使用。

实现分为三个阶段：

1. 数据准备阶段：爬取n8n官方文档特定页面，提取问答内容整理为结构化CSV数据集，涵盖n8n基本介绍、AI工作流支持、AI Agent工具使用、常见问题等。
2. 向量数据库构建阶段：运行ingest.py，加载CSV数据集，用LangChain文本分割器切分文档，对每个片段生成向量并存入ChromaDB（仅需执行一次，除非知识库更新）。
3. 问答服务阶段：启动chatbot.py，用户输入自然语言问题（如"What is n8n?"），系统实时检索相关片段生成基于事实的回答；若无相关信息则返回兜底回复，避免虚假内容。

作为AI与自然语言处理学术作业，本项目涵盖多个重要概念与技术：语义搜索与向量检索（通过嵌入模型映射文本到语义空间）、RAG架构（检索与生成结合构建可靠问答系统）、LLM集成（调用托管LLM服务）、向量数据库应用（掌握ChromaDB使用）、Python AI开发生态（熟悉LangChain、Transformers等主流库）。

当前实现的局限性包括：知识覆盖有限（仅回答选定文档内容）、检索质量依赖分块策略、托管模型输出质量受服务状态影响。未来改进方向：扩展知识库覆盖更多n8n文档、尝试不同嵌入模型（如OpenAI text-embedding-3）、实现多轮对话支持、添加用户反馈机制优化检索效果。