给 ElevenLabs 智能体用的语音 RAG 聊天机器人

给 ElevenLabs 智能体用的语音 RAG 聊天机器人

一个用你自己的文档回答语音智能体提问的 n8n 工作流。一部分把 Google Drive 文件夹里的文件载入 Qdrant 集合。另一部分是 webhook。ElevenLabs 智能体把来电者的问题发给它，一个 OpenAI 智能体在 Qdrant 里查找答案，ElevenLabs 再把返回的内容说出来。

包里有什么

• workflow.json：n8n 导出的工作流，18 个节点和五张便签。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

• Create collection 原来向 /collections/<name> 发 POST，请求体是 {"filter": {}}，那是点过滤条件。Qdrant 创建集合用的是 PUT 加 vectors 设置。这个节点现在发送 PUT，向量维度 1536，距离为 Cosine，它的 On Error 设置是 Continue，所以集合已经存在时，第二次运行不会停下。
• Window Buffer Memory 原来没有会话设置。它的默认值读取 webhook 调用里没有的 sessionId 字段，所以智能体会停在“No session ID found”。现在它使用固定键 voice-rag-chat。
• 地址占位符现在是 YOUR_QDRANT_URL、YOUR_COLLECTION 和 YOUR_FOLDER_ID。原来的副本把它们写成 QDRANTURL、COLLECTION 和一个带等号的示例文件夹名。
• 五张便签重写过。最后一张里的挂件代码使用 ElevenLabs 现在给出的脚本地址。
• 原来的副本导出时没有任何凭据，这份说明也是这样预期的，并且工作流是关着的。

开始之前

• 一个有公网地址的 n8n 实例，n8n Cloud 或你自己的服务器都行，这样 ElevenLabs 才能访问 webhook。
• 一个 OpenAI API 密钥。它用于两个聊天模型和向量嵌入。
• 一个 Qdrant 实例，它的地址和它的 API 密钥。
• 一个 Google 账号，一个放着你文档的 Drive 文件夹，以及一个 Google Drive OAuth2 凭据。
• 一个 ElevenLabs 账号，里面有能调用 webhook 工具的智能体。

设置

1. 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File，选中 workflow.json。
2. 添加 OpenAI 凭据，在 OpenAI、OpenAI Chat Model、Embeddings OpenAI 和 Embeddings OpenAI1 里选中它。
3. 添加带你的地址和密钥的 Qdrant 凭据，在 Qdrant Vector Store 和 Qdrant Vector Store1 里选中它。在这两个节点里，把 YOUR_COLLECTION 换成你的集合名称。
4. 添加一个 HTTP Header Auth 凭据，请求头名称是 api-key，值是你的 Qdrant 密钥。在 Create collection 和 Refresh collection 里选中它。在这两个节点里，把 YOUR_QDRANT_URL 换成你的 Qdrant 主机（如果它用端口，也带上端口），把 YOUR_COLLECTION 换成同一个集合名称。
5. 添加 Google Drive OAuth2 凭据，在 Get folder 和 Download Files 里选中它。在 Get folder 里，把 YOUR_FOLDER_ID 换成你文件夹的 ID，也就是它网址的最后一部分。
6. 点一次 Test workflow。集合会被创建、清空，并用文件夹里的内容填满。到 Qdrant 里确认它里面有数据点。
7. 保存，点 Publish。复制 Listen 的正式地址，它以 test_voice_message_elevenlabs 结尾。
8. 在 ElevenLabs 里创建一个智能体，给它一条开场白和一段系统提示词，让它每个问题都调用你的工具。添加一个 Webhook 工具，方法选 POST，地址填正式地址。再加一个名为 question 的请求体参数，字符串类型，由模型根据对话填入它的值。
9. 在 ElevenLabs 里测试智能体。然后按最后一张便签里的方式，把挂件加到你的网站上。

一次运行是怎样的

载入文档从 When clicking ‘Test workflow’ 开始：

1. Create collection 在 Qdrant 里创建集合。Refresh collection 随后发送一个带空过滤条件的删除请求，删掉所有数据点，让每次加载都从空集合开始。
2. Get folder 列出直接放在你文件夹里的文件，最多 50 个。Download Files 逐个下载，并把 Google 文档转成纯文本。
3. Qdrant Vector Store1 把它们存起来。Default Data Loader 读取每个文件的二进制数据，按文件类型选择加载器。Token Splitter 把文字切成 300 个 token 一段，相邻两段重叠 30 个。Embeddings OpenAI1 把每一段变成向量。

回答问题从 webhook 开始：

1. Listen 在路径 test_voice_message_elevenlabs 上接收 POST，并等 Respond to ElevenLabs 来回答。
2. AI Agent 把请求里的 body.question 当作它的消息。OpenAI 是它的聊天模型，Window Buffer Memory 保留最近五轮对话。
3. 智能体可以调用名为 company 的 Vector Store Tool。Qdrant Vector Store 用 Embeddings OpenAI 处理问题，找出最接近的四段，OpenAI Chat Model 根据它们写出回答。
4. Respond to ElevenLabs 把第一项作为 JSON 发回，{"output": "..."}，ElevenLabs 智能体把它说出来。

改变风格

• 智能体可以说什么：给 AI Agent 加一条系统消息，并在 ElevenLabs 智能体自己的提示词里告诉它怎么做。
• 智能体何时去搜索：Vector Store Tool 的名称和描述。描述是用意大利语写的，所以把你的内容用你文档的语言写在那里。
• 分段：Token Splitter 里的 300 和 30。
• 每次回答用几段：Vector Store Tool 的 Limit，默认是 4。
• 聊天模型：OpenAI 和 OpenAI Chat Model。文件里没有设置模型，所以 n8n 填入它自己的默认值。
• 嵌入模型：Embeddings OpenAI 和 Embeddings OpenAI1。两者保持一致，并把 Create collection 里的向量维度改成与之匹配。

注意事项

• 两个 OpenAI 聊天节点在文件里都没有写模型名，所以 n8n 填入 gpt-5-mini。OpenAI 的弃用页面（2026 年 11 月 12 日查阅）把它列为 2026 年 12 月 11 日关停，替代是 gpt-5.6-terra。在那之前请在两个节点里选另一个模型。向量嵌入的默认值 text-embedding-3-small 没有列在那个页面上。
• Qdrant 的 API 页面没有说明删除请求里的空过滤条件匹配什么。Refresh collection 期望所有数据点都被删掉，所以加载之后请查看数据点数量。
• 向量维度 1536 与 text-embedding-3-small 一致。换一个嵌入模型要用它自己的维度和一个新集合。
• 每次点 Test workflow 都会清空集合，并把每个文件重新做一遍嵌入，OpenAI 每次都会对嵌入计费。
• Get folder 只读取直接放在文件夹里的文件，不读子文件夹。
• 每个调用方共用一段对话，因为记忆键是固定的。聊天记录存在 n8n 进程里，n8n 会在一小时没人用之后丢掉它。
• webhook 没有认证。任何拿到地址的人都能用你的 OpenAI 密钥提问。请打开 webhook 的认证，并在 ElevenLabs 工具里发送同样的请求头。
• 测试地址只在 n8n 正在监听时有效，所以 ElevenLabs 工具要用正式地址。
• ElevenLabs 只对公开且关闭认证的智能体显示挂件。
• 你的文档发给 OpenAI 做嵌入，并存进 Qdrant。每个问题都发给 OpenAI。