文件插入與檢索系統
AI 驅動
25 個節點
進階
高品質、即插即用的 n8n 自動化流程，快速提升工作效率。
核心解決方案
- 省下大量手動作業時間
自動化日常繁瑣工作，將心力專注於更高價值的任務。
- 降低人為錯誤率
工作流程標準化，確保資料準確無誤地在不同平台間同步。
- 24/7 全天候運作
即使在休息時間，自動化流程也會持續為你提供服務。
- 極速部署與整合
無需自行開發，匯入 JSON 檔案並填寫 API Key 即可完成設定。
整合的應用程式
h
htmlO
OpenAIv
vectorStoreMilvus設定教學
預估設定時間：20-25 分鐘
你需要準備
OpenAI Milvus 向量資料庫
1
部署 Milvus 資料庫
參考官方文件使用 Docker Compose 安裝 Milvus。在 n8n 憑證中填入伺服器 IP 與 Port。
2
初始化資料爬取
執行「Fetch Essay List」區塊，這會自動抓取 Paul Graham 的文章並將其切片、向量化後存入 Milvus。
3
配置檢索設定
在「Milvus Vector Store in retrieval」節點中，確認 Collection 名稱與上一步驟一致。
購買後解鎖完整設定教學
包含 3 個設定步驟 + 1 個 API 設定指南 + 常見問題排除
1. 匯入模板至 n8n。2. 確保您的 Milvus 伺服器已啟動並可連線。3. 連結 OpenAI 憑證至 Embedding 與 Chat 節點。
1
部署 Milvus 資料庫 Milvus Vector Store
參考官方文件使用 Docker Compose 安裝 Milvus。在 n8n 憑證中填入伺服器 IP 與 Port。
2
初始化資料爬取 Fetch Essay List
執行「Fetch Essay List」區塊，這會自動抓取 Paul Graham 的文章並將其切片、向量化後存入 Milvus。
3
配置檢索設定 Milvus Vector Store in retrieval
在「Milvus Vector Store in retrieval」節點中，確認 Collection 名稱與上一步驟一致。
API 設定指南
OpenAI 設定教學
載入中...
測試方法
執行整個流程後，在對話視窗中輸入關於 Paul Graham 文章的問題。系統應會從 Milvus 檢索相關片段並給出帶有引用來源的回答。
啟用自動化
對於資料加載部分可手動執行；對於問答部分，建議增加一個「Chat Trigger」節點以便透過網頁介面互動。
常見問題排除
向量維度不匹配
確保 OpenAI Embedding 模型選擇的是 text-embedding-ada-002，且 Milvus 集合建立時定義的維度為 1536。
爬蟲節點報錯
檢查目標網站是否可連線，若網址失效，需更新「Fetch Essay List」節點中的 URL。
Lifetime Pass 內容導覽
一次解鎖全站模板
此頁提供模板用途、教學與整合資訊；購買入口統一由 Lifetime Pass 提供。
即時下載 JSON 檔案
完整中文設定教學
包含 LINE / Telegram 設定指南
終身功能更新
安全付款 · PAYUNi 金流