和你放在 Google Drive 里的公司文档聊天

和你放在 Google Drive 里的公司文档聊天

一个根据公司文档回答问题的 n8n 工作流。一条流程盯着一个 Google Drive 文件夹，把每个新增或修改的文件存进 Pinecone 索引，向量由 Gemini 生成。另一条流程从 n8n 的聊天窗口接收问题，智能体根据最接近的片段作答。

包里有什么

• workflow.json：n8n 导出的工作流，18 个节点。十五个在运行：两个 Drive 触发器和一个下载步骤；带加载器、文本切分器和嵌入的 Pinecone 存储；聊天触发器，以及带记忆、聊天模型和文档工具的智能体；还有工具自己的 Pinecone 搜索、嵌入和聊天模型。三个是便签。里面没有任何凭据。
• README.md：这份设置说明，压缩包里的是英文版。

我们相对原来的副本改了什么

• 两个 Embeddings Google Gemini 节点原来用 models/text-embedding-004。Google 的弃用页面（2026 年 11 月 12 日查阅）显示这个模型已在 2026 年 1 月 14 日关停，并给出 gemini-embedding-2。这个模型在一次请求里有几个输入时会返回一个合并的向量，Mindket 没运行过，不想依赖这一点。两个节点现在都用 models/gemini-embedding-001，它只处理文字，也是这个节点自己的默认值，默认返回 3072 个数值。
• 两个 Google Gemini Chat Model 节点原来用 models/gemini-2.0-flash-exp。Google 的页面上已经没有这个名字了，gemini-2.0-flash 这一系列也在 2026 年 6 月 1 日关停。两个节点现在都用 models/gemini-3.8-flash，Google 的模型页把它列为稳定版。
• 凭据关联已删除。两个 Drive 触发器里的文件夹是空的，由你来选，因为原来指向的是原作者自己的文件夹。
• 三张便签重写过，设置那张现在写明了索引的大小。
• 文件的名称是我们起的。
• 别的都没改。智能体的规则、文档工具、切分器和加载器都照原文件。

Mindket 对照 n8n 的源码和 Google 的页面读过这份副本，没有在真实的 n8n 上运行。

开始之前

• 一个 n8n 实例，n8n Cloud 或自己的服务器都行。
• 一个有 Drive 的 Google 账号，和一个放文档的文件夹。
• 一个给 Gemini 凭据用的 Google AI Studio API 密钥。
• 一个 Pinecone 账号和一个 API 密钥。

设置

1. 在 Pinecone 里建一个名为 company-files 的索引，3072 维，余弦度量，并复制一个 API 密钥。
2. 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File，选中 workflow.json。
3. 添加一个 Google Drive 凭据、一个填着你 AI Studio 密钥的 Google Gemini (PaLM) 凭据和一个 Pinecone 凭据。在需要它们的节点里选中。
4. 在 Google Drive File Created 和 Google Drive File Updated 里，选放着你文档的那个文件夹。
5. 在两个 Pinecone 节点里，选 company-files 索引。
6. 发布工作流，往文件夹里加一份文档，等一分钟。
7. 在 n8n 里打开聊天，问一个问题。

一次运行的过程

填充索引：

1. Google Drive File Created 和 Google Drive File Updated 每分钟检查一次文件夹。两个都把文件交给 Download File From Google Drive，它按文件原名下载。
2. Pinecone Vector Store 以插入模式存储文件。Default Data Loader 读取下载的文件，Recursive Character Text Splitter 把它切成约 1000 个字符、相互重叠 100 个字符的片段，Embeddings Google Gemini 把每个片段变成向量。

回答问题：

1. When chat message received 把你的问题交给 AI Agent，它带着 Window Buffer Memory 和 Google Gemini Chat Model。
2. 智能体的系统消息让它成为一个乐于助人的人事助手，回答关于公司制度的问题。凡是出自文档的内容，它必须用 company_documents_tool，文档里没有答案时，要用一句固定的话说明。
3. Vector Store Tool 通过 Pinecone Vector Store (Retrieval) 和 Embeddings Google Gemini (retrieval) 搜索，返回最接近的片段，再让 Google Gemini Chat Model (retrieval) 根据它们写出答案。

想改的地方

• 助手的角色和规则：AI Agent 里的系统消息。
• 怎样向智能体描述文档工具：Vector Store Tool。
• 一个片段的大小：Recursive Character Text Splitter。
• 文件夹：两个 Drive 触发器。
• 模型：两个 Gemini 聊天节点和两个嵌入节点。换了嵌入模型，就按它的大小建一个新索引，再重新填一遍。

要知道的

• 如果索引的向量大小和第 1 步里的不一样，它不会接收这些向量。
• 修改过的文件会被再加一次。Pinecone 节点的 Clear Namespace 选项是关着的，所以这个文件旧的片段会和新的片段一起留着。
• 加载器读 PDF、Word、文本、CSV、JSON 和 EPub。Google 文档会被下载成 Word 文件。Google 表格和幻灯片会变成加载器读不了的 Excel 和 PowerPoint 文件。
• 触发器对你发布工作流之后新增或修改的文件起作用，所以文档要在那之后再加。
• 聊天记忆把最近五次交互放在 n8n 进程里，重启就会清空。
• 两个嵌入节点必须用同一个模型，否则搜索找不到有用的东西。这份副本里它们是一样的。
• 数据去向：你文件的文字和你的问题会发给 Google 和 Pinecone。能打开聊天窗口的人，都能读到取自文件夹里每个文件的答案。
• 费用：Gemini 的调用由 Google 计费，索引由 Pinecone 计费，各按你的套餐。