Construiring RAG para movie recommendations usando Qdrant y AI
Descripción del flujo de trabajo
Un sistema de recomendaciones de películas potenciado por Recuperación Aumentada por Generación (RAG) que integra OpenAI con la base de datos vectorial Qdrant, proporcionando sugerencias personalizadas a través de un agente inteligente que aprende del contexto y la memoria de la conversación.
Cómo funciona
- 1.Cargar datos de películas desde GitHub y dividir contenido usando Token Splitter
- 2.Convertir segmentos de texto en incrustaciones vectoriales con OpenAI y almacenarlos en Qdrant
- 3.Recibir consultas de usuarios a través de Chat Trigger y enviarlas al agente de IA
- 4.Recuperar películas relevantes de Qdrant basándose en similitud vectorial
- 5.Generar recomendaciones personalizadas usando el modelo de lenguaje de OpenAI con memoria contextual
- 6.Publicar resultados en Twitter/X y responder a consultas de usuarios
Casos de uso
- Plataformas de transmisión que necesitan recomendaciones de películas inteligentes y personalizadas
- Sistemas de chatbot que responden preguntas sobre películas y sugieren títulos según preferencias
- Análisis automatizado de comentarios de usuarios en redes sociales para mejorar continuamente la calidad de recomendaciones
Requisitos
- Clave API de OpenAI para modelos de lenguaje y generación de incrustaciones
- Instancia de Qdrant configurada y lista para operaciones de almacenamiento y recuperación vectorial
Valor del servicio
Ideal como servicio de automatización inteligente que combina integraciones e inteligencia artificial para producir resultados listos para usar.
Aplicaciones utilizadas
Detalles
Cómo usar
- 1.Haz clic en "Descargar plantilla"
- 2.Abre tu panel de n8n
- 3.Ve a Workflows > Import from File
- 4.Selecciona el archivo descargado y configura las credenciales
Nodos utilizados (27)
When clicking ‘Test workflow’
Manual Trigger
GitHub
Github
Extract from File
Extract From File
Embeddings OpenAI
OpenAI
Default Data Loader
Document Default Data Loader
Token Splitter
Text Splitter Token Splitter
Qdrant Vector Store
Vector Store Qdrant
When chat message received
Chat Trigger
OpenAI Chat Model
OpenAI
Call n8n Workflow Tool
Tool Workflow
Window Buffer Memory
Memory Buffer Window
Execute Workflow Trigger
Execute Workflow Trigger
Merge
Merge
Split Out
Split Out
Split Out1
Split Out
Merge1
Merge
Aggregate
Aggregate
AI Agent
Agent
Embedding Recommendation Request with Open AI
HTTP Request
Embedding Anti-Recommendation Request with Open AI
HTTP Request
Extracting Embedding
Set
Extracting Embedding1
Set
Calling Qdrant Recommendation API
HTTP Request
Retrieving Recommended Movies Meta Data
HTTP Request
Selecting Fields Relevant for Agent
Set
Sticky Note
Sticky Note
Sticky Note1
Sticky Note