n8n工作流自动化平台的实操：利用本地嵌入模型，完成文件内容的向量化及入库

1.成果展示

1.1n8n的工作流

 牵涉节点：FTP、Code、Milvus Vector Store、Embeddings OpenAI、Default Data Loader、Recursive Character Text Splitter

12.向量库的结果

 

2.实操过程

2.1发布本地嵌入模型服务

将bge-m3嵌入模型，发布成满足open api接口规范的服务，必须包括(v1/embeddings和v1/models）这两个接口，具体实现详见https://platform.openai.com/docs/api-reference/embeddings/create，如下图：

2.2在milvus服务创建test_n8n集合

2.2.1创建test_n8n集合，如下图： 

注：

1.必须勾选启用动态schema，否则后面会报错。 

2.维度需要和前面发布的嵌入模型维度一致。bge-m3的维度是1024。

 2.2.2创建索引，如下图： 

注：度量类型必须是L2，否则后面会报错，因为Milvus Vector Store默认是L2，如何设置成其他，还望有缘人告知。

2.3节点说明

2.3.1FTP节点：

 

Operation选择Download
Path设置为/1.txt（1.txt是提前上传的文件）。 

2.3.2code节点：

解决中文乱码问题，具体操作详见《中文乱码》

2.3.3Milvus Vector Store节点：

operation Mode:选择Insert Documents
Milvus Collection:test_n8n(对应前面创建的集合）
其他采用默认设置 

2.3.4Embeddings OpenAI节点：

 图中1对应v1/models返回的模型名称，图中2对应v1/embeddings返回的内容（向量化）

2.3.5Default Data Loader节点：

注红框1、2，其他默认就行 

2.3.6Recursive Character Text Splitter节点：

默认设置就可以