Mindket

在回答里标出所引用文件名的 OpenAI 文件搜索

新上架第 1 版 · 更新于

概览

一个 n8n 工作流,根据你自己的 OpenAI 向量库回答聊天里的问题,并把每个来源文件的名字写进回答里,紧跟在它所支持的那一段后面。

在回答里标出所引用文件名的 OpenAI 文件搜索 是一款 n8n 工作流,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,或复制它的 JSON,再导入 n8n 画布。在 n8n 里启用之前,它不会运行。

速览

用在
  • n8n Cloud:在那里导入文件,打开它的聊天
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • OpenAI:存放你的文件的向量库
  • 别的应用:把 Chat Trigger 换成别的触发器

平台

连接 1 个应用

运行方式

触发

聊天消息

有人在 n8n 的聊天窗口里发一条消息,它就开始运行:

  • 对方输入的问题

动作

  1. 问题连同文件搜索工具和你的向量库一起发给 OpenAI 的 Responses API
  2. OpenAI 搜索文件,写出答案,并为每一段给出引用
  3. Code 节点把每个被引用文件的名字插进答案里它所在的位置
  4. 一个可选的节点把 Markdown 变成 HTML

结果

一条取自你的文件的聊天回答,每一段后面都标着它所依据的文件名

集成

开始之前要准备好这些。

OpenAI

语言模型和文件搜索

搜索向量库,写出答案,并说明每一段来自哪个文件。

需要一个 OpenAI API 密钥,以及一个存放着你的文件的向量库 ID

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
4 个步骤,由聊天消息启动
AI
没有步骤调用 AI 模型
登录
需要登录:OpenAI
API 密钥
文件里没有留下 API 密钥
步骤类型
Mindket 的检查器能读懂它全部 4 种步骤类型

以上内容读自工作流文件,并非实际运行的结果。

关于

它是什么

这个 n8n 工作流根据你自己的 OpenAI 向量库回答聊天里的问题,并标出每一段背后的文件。它把问题连同文件搜索工具一起发给 OpenAI 的 Responses API。然后一个 Code 节点把每个文件名写进回答里它的引用所在的位置。Mindket 的版本用这一次调用取代了 OpenAI 已停用的 Assistants API。运行它的是四个节点,旁边还有四张便签。

适合谁

把知识存在文档里、又想让聊天回答显示每句话出处的团队。如果你需要一个记得之前消息的聊天,或者没法把文件放进 OpenAI 的向量库,就别选它。

谁在用,怎么用
行业谁在用怎么用例子
法律律师助理对一组制度或合同文件提问一位律师助理问通知期是多久,在回答里看到标出的合同文件名。
客服客服团队根据帮助文档回答客户一位客服主管问退款规则,在每一点旁边看到标出的政策文件名。
研究分析师查询一个报告文件夹一位分析师问某份报告怎么说客户流失,看到每一句来自哪份报告。
教育课程团队根据课程笔记回答学生的问题一位学生问考试规则,看到标出的手册名。

你需要懂一点 n8n:导入文件、添加一个凭据,再粘贴一个向量库 ID。

用在哪里

任何能访问 OpenAI 的 n8n 都能运行它。回答显示在 n8n 自带的聊天窗口里。

  • n8n Cloud:在那里导入文件,打开它的聊天
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • OpenAI:存放你的文件的向量库
  • 别的应用:把 Chat Trigger 换成别的触发器

设置

点“下载”会把一个压缩包存到你的下载文件夹,里面有 workflow.json 和 Mindket 写的设置说明。设置需要一个凭据和一个向量库 ID。

先准备好这些
需要说明
n8nn8n Cloud 或你自己的服务器
OpenAI一个 API 密钥,以及一个存放着你的文件的向量库
向量库 ID这个向量库在 OpenAI 里的 ID
  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. 添加一个 OpenAI 凭据,在 Ask OpenAI with File Search 里选中它。
  3. 在这个节点的 JSON 请求体里,把 <YOUR_VECTOR_STORE_ID> 换成你的向量库 ID。
  4. 从 Chat Trigger 打开聊天,问一个你的文件能回答的问题。

如何使用

打开聊天,问关于你的文件的问题。回答里,每个被引用的段落后面都用斜体标着文件名。想要 HTML 的话,就打开 Markdown 节点。

想要不同的效果,改这里
要改的在哪里改
模型Ask OpenAI with File Search 请求体里的 model
OpenAI 用多少段落那个请求体里工具上的 max_num_results
每条标注的样子Insert File Names 里的文字
HTML 输出Optional Markdown to HTML

示例

一位客服主管把退款政策和配送指南放进一个向量库,把它的 ID 粘贴进请求体。一位客户问退款要多久。

OpenAI 搜索这两个文件,写出一段简短的回答。Code 节点在来自政策的那句话后面用斜体加上政策的文件名,在讲配送的那一行后面加上配送指南的名字。

新手与专家

新手:n8n 把工作流画成用线连起来的方框,每个方框是一个节点,只做一件事。这里一个方框问 OpenAI,一个方框整理回答。向量库就是 OpenAI 帮你做成可搜索的一组文件。先从两份简短的文件开始。

专家:这个工作流由一个 Chat Trigger、一次对 Responses API 的 HTTP Request 和一个 Code 节点组成。文件名来自回复里的引用,所以不需要第二次调用。

值得细看的地方
节点做什么要知道的
Ask OpenAI with File Search带着 file_search 工具和向量库发送问题它用 OpenAI 凭据类型,所以密钥由 n8n 添加
Insert File Names读取 output_text 部分,把每个文件名插到它的引用位置它从文字末尾往前插,所以前面的位置不会错
Optional Markdown to HTML把 Markdown 变成 HTML它默认关闭

注意事项

OpenAI 的 Assistants API 已在 2026 年 8 月 26 日停用,所以这个版本调用 Responses API,也不会记住之前的消息。

  • 修复:OpenAI 的弃用页面(2026 年 11 月 12 日查阅)把 Responses API 和 Conversations API 列为替代。一次请求取代了原来的助手、对话线程和文件查询
  • 模型:原来的助手从 OpenAI 的控制台取模型。这个版本指定 gpt-5.6-terra,OpenAI 把它列为支持文件搜索
  • 记忆:原来给助手接了一个记忆节点,而这里每个问题都各自回答
  • 引用:OpenAI 的参考文档把每个引用的 index 写成它在文字里该放的位置,Code 节点信任它
  • 错误:Code 节点要求回复里有一条消息,所以 OpenAI 返回的错误会让运行停在这里
  • 你的数据:问题和你的文件里匹配的段落都会发给 OpenAI
  • 凭据:JSON 里没有任何凭据

README 和文件

README

在回答里标出所引用文件名的 OpenAI 文件搜索

一个 n8n 工作流,根据你自己的 OpenAI 向量库里的文件回答聊天里的问题,再把它用到的每个文件的名字写进回答里。回答来自 OpenAI 的 Responses API 和它的文件搜索工具。

包里有什么

  • workflow.json:n8n 导出的工作流,八个节点:四个会运行的和四张便签。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

  • 原来的工作流跑在 OpenAI 的 Assistants API 上。它调用一个助手,用一个请求读取这个助手的对话线程,再用另一个请求查每个被引用文件的名字。OpenAI 的弃用页面(2026 年 11 月 12 日查阅)写明,Assistants API 已在 2026 年 8 月 26 日停用,替代是 Responses API 和 Conversations API。这些节点现在已经无法运行。
  • Mindket 的版本直接请求 Responses API。Chat Trigger 连到 Ask OpenAI with File Search,这是一个 HTTP Request 节点,带着文件搜索工具和你的向量库发往 https://api.openai.com/v1/responses。Insert File Names 再把文件名写进回答里。
  • 那两次查询没有了,为它们服务的三个 Split Out 节点、Set 节点和 Aggregate 节点也一起没有了。OpenAI 的文件搜索指南写明,每条文件引用都带着文件的名字,所以不需要第二次请求。
  • 助手的 ID 没有了。向量库的 ID 在请求体里是 <YOUR_VECTOR_STORE_ID>。
  • 原来的助手从 OpenAI 的控制台取模型,文件里看不到。现在请求指定 gpt-5.6-terra,OpenAI 的模型页面把它列为在 Responses API 里支持文件搜索。
  • 旧的 Code 节点把回答里奇怪的标记文字换成文件名。Responses API 的引用会说明它在文字里的位置,所以新的 Code 节点直接把名字插到那个位置。
  • Window Buffer Memory 没有了,因为它是接给助手节点的。每个问题都各自回答。
  • 便签改成了每一步的简短说明。
  • 别的都没改。

开始之前

  • 一个 n8n,n8n Cloud 或自己的服务器都行。
  • 一个 OpenAI API 密钥。
  • 一个存放着你的文件的 OpenAI 向量库,以及它的 ID。OpenAI 的文件搜索指南讲了怎么建一个。

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. 添加一个 OpenAI 凭据,在 Ask OpenAI with File Search 里选中它。
  3. 在这个节点的 JSON 请求体里,把 <YOUR_VECTOR_STORE_ID> 换成你的向量库 ID,尖括号也要去掉。
  4. 从 Chat Trigger 打开聊天,问一个你的文件能回答的问题。

一次运行的过程

  1. Chat Trigger 把问题当作 chatInput 接收。
  2. Ask OpenAI with File Search 带着 file_search 工具和你的向量库发送问题。OpenAI 搜索文件,并写出回答。
  3. Insert File Names 读取回答的文字和它的文件引用。它在每个引用的位置用 Markdown 斜体加上文件名,同一处有两个文件时用逗号连起来。
  4. Optional Markdown to HTML 默认关闭。打开它,就能把 Markdown 变成 HTML。

改变风格

  • 模型:Ask OpenAI with File Search 的 JSON 请求体里的 model。
  • OpenAI 用多少段落:在请求体的工具里加上 max_num_results。OpenAI 的指南里列了它。
  • 标注的样子:Insert File Names 里的文字。
  • 想要 HTML 而不是 Markdown:打开 Optional Markdown to HTML。

注意事项

  • 每个问题都从头开始,因为请求里不带之前的消息。
  • OpenAI 的 API 参考文档(2026 年 11 月 12 日查阅)把引用的 index 定义为引用在输出文字里该放的位置。Code 节点信任它。
  • Code 节点要求回复里有一条消息。OpenAI 返回的错误里没有,所以运行会停在那里。
  • 问题和你的文件里匹配的段落会发给 OpenAI。
  • JSON 里没有任何凭据。
文件
NOTICE.md  634 B
README.md  4 KB
workflow.json  5 KB

3 个文件,共 10 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Huashu Design

alchaincyf · 技能

把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。

新上架29.4k

Guizang PPT Skill

op7418 · 技能

能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。

新上架29.8k

Claude Code Skills & Plugins

alirezarezvani · 技能

为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。

新上架29.8k

研究类的相似商品

查看研究类的全部商品

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。

新上架

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

新上架

ReFoCo

yuji-nozawa · 工具包

一篇研究论文的三种规模的预训练视觉 Transformer 检查点,论文研究如何训练注意力头去关注图像区域。适合提取图像特征和复现论文的研究人员。

新上架