n8n Embedding & Q&A Workflow

This n8n workflow automates the process of downloading a PDF from Google Drive, generating multilingual embeddings using Cohere, and storing them in a Supabase vector store. It also features a chat-based question-and-answer system powered by xAI's Grok model.

Description

The workflow downloads "Química - Raymond Chang - 12va Edición.pdf" from Google Drive, splits the text into chunks, generates embeddings with the embed-multilingual-v2.0 model from Cohere, and stores them in a Supabase vector database. A chat trigger enables question-answering using the grok-2-1212 model from xAI, retrieving relevant context from the vector store.

Features

• Downloads files from Google Drive.
• Generates embeddings with Cohere (embed-multilingual-v2.0).
• Stores embeddings in Supabase vector store.
• Chat-based Q&A with xAI (grok-2-1212).
• Configurable chunk size for text splitting (default: 3000).

Prerequisites

• n8n instance with required nodes installed.
• Credentials for:
  • Google Drive OAuth2 API.
  • Cohere API.
  • Supabase API.
  • xAI API (Grok).

Setup

1. Import the workflow JSON into your n8n instance.
2. Configure the credentials for Google Drive, Cohere, Supabase, and xAI in the respective nodes.
3. Adjust the Token Splitter chunk size if needed (default: 3000).
4. Activate the workflow and test it using the "Test workflow" trigger or chat input.

Usage

• Trigger manually to process the PDF and store embeddings.
• Use the chat interface to ask questions based on the document content.

Flujo de Trabajo de Embedding y Q&A con n8n

Este flujo de trabajo de n8n automatiza la descarga de un PDF desde Google Drive, la generación de embeddings multilingües con Cohere y su almacenamiento en un almacén vectorial de Supabase. También incluye un sistema de preguntas y respuestas basado en chat, impulsado por el modelo Grok de xAI.

Descripción

El flujo descarga "Química - Raymond Chang - 12va Edición.pdf" desde Google Drive, divide el texto en fragmentos, genera embeddings con el modelo embed-multilingual-v2.0 de Cohere y los almacena en una base de datos vectorial de Supabase. Un desencadenador de chat permite responder preguntas usando el modelo grok-2-1212 de xAI, recuperando contexto relevante del almacén vectorial.

Características

• Descarga archivos desde Google Drive.
• Genera embeddings con Cohere (embed-multilingual-v2.0).
• Almacena embeddings en un vector store de Supabase.
• Sistema de Q&A por chat con xAI (grok-2-1212).
• Tamaño de fragmentos configurable (predeterminado: 3000).

Requisitos Previos

• Instancia de n8n con los nodos necesarios instalados.
• Credenciales para:
  • Google Drive OAuth2 API.
  • Cohere API.
  • Supabase API.
  • xAI API (Grok).

Configuración

1. Importa el JSON del flujo de trabajo en tu instancia de n8n.
2. Configura las credenciales para Google Drive, Cohere, Supabase y xAI en los nodos correspondientes.
3. Ajusta el tamaño de fragmentos en el Token Splitter si es necesario (predeterminado: 3000).
4. Activa el flujo y pruébalo con el desencadenador "Test workflow" o la entrada de chat.

Uso

• Activa manualmente para procesar el PDF y almacenar embeddings.
• Usa la interfaz de chat para hacer preguntas basadas en el contenido del documento.

Licencia

Licencia MIT - siéntete libre de usar, modificar y distribuir.