在聊天里向 Google Drive 里的 PDF 提问

在聊天里向 Google Drive 里的 PDF 提问

一个能让你和 PDF 聊天的 n8n 工作流。运行一次，它从 Google Drive 读取一份 PDF 并存进 Pinecone。之后你在 n8n 的聊天窗口里提问，OpenAI 模型根据 PDF 中匹配的几段来回答。

包里有什么

• workflow.json：n8n 导出的工作流，16 个节点，其中三个是便签。里面没有任何凭据。两张便签是把节点圈在一起的彩色底框，一张是简短的试用步骤。
• 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

• Google Drive、OpenAI 和 Pinecone 节点原来关联着作者 n8n 里的凭据。这些关联已删掉，请选你自己的。
• Google Drive 原来忽略 Set Google Drive file URL 里的链接，总是下载手工选好的一个文件。现在它读取那个节点里的链接，而链接是一个占位符 <GOOGLE_DRIVE_FILE_ID>，请换成你自己的。
• OpenAI Chat Model 原来没有设模型，所以用 n8n 的默认值 gpt-5-mini。现在设成 gpt-5.6-terra。
• 两个向量节点原来没有设模型，所以用 text-embedding-ada-002。现在设成 text-embedding-3-small。它生成的向量大小相同，都是 1536，所以索引的设置不用变。
• 试用便签里多了一步，说明 Drive 链接。
• Chat Trigger 的 webhook id 已删掉，导入文件时 n8n 会生成新的。
• 别的都没改。

开始之前

• 一个 n8n 实例，n8n Cloud 或自己的服务器都行。
• 一个 OpenAI API 密钥。
• 一个能打开你的 PDF 的 Google 账号，通过 n8n 的 Google 登录关联。
• 一个 Pinecone 账号、一个 API 密钥，以及一个 1536 维的索引。

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 OpenAI Chat Model、Embeddings OpenAI 和 Embeddings OpenAI2 里选中它。
3. 添加一个 Google Drive OAuth2 凭据，在 Google Drive 里选中它。
4. 在 Set Google Drive file URL 里，把整个值换成你的 PDF 的分享链接。在 Drive 里打开这份 PDF，选 Share，复制链接。
5. 在 Pinecone 里建一个 1536 维的索引。在 n8n 里添加一个 Pinecone 凭据，然后在 Insert into Pinecone vector store 和 Read Pinecone Vector Store 里选中这个凭据和这个索引。两个节点必须用同一个索引。
6. 点 Execute workflow 把 PDF 载入索引。到 Pinecone 里确认索引里现在有记录了。
7. 从画布底部的按钮打开聊天，问一个关于这份 PDF 的问题。

一次运行的过程

载入，手动启动：

1. When clicking 'Test Workflow' button 启动运行，Set Google Drive file URL 把链接存在一个叫 file_url 的字段里。
2. Google Drive 下载那个链接指向的文件。
3. Insert into Pinecone vector store 通过 Default Data Loader 以二进制数据的方式读取文件。Recursive Character Text Splitter 把文字切成每段 3000 个字符、重叠 200 的小段。Embeddings OpenAI 把每段转成向量。
4. 插入节点的 Clear Namespace 开着，所以每次载入都会先清空命名空间，再写入新的各段。

提问，从聊天启动：

1. When clicking 'Chat' button below 把你的消息交给 Question and Answer Chain。
2. Vector Store Retriever 向 Read Pinecone Vector Store 要最接近的几段。Embeddings OpenAI2 会先把你的问题转成向量。检索器返回四段，这是 n8n 的默认值。
3. Question and Answer Chain 把这几段和你的问题交给 OpenAI Chat Model，并把它的回答返回到聊天里。

改变风格

• 载入哪份 PDF：Set Google Drive file URL 里的链接。
• 每段有多大：Recursive Character Text Splitter 里的分段大小和重叠。改完后要重新载入。
• 模型能看到几段：Vector Store Retriever 的 Limit 字段。
• 模型：OpenAI Chat Model 的模型字段。
• 模型拿到的指令：Question and Answer Chain 的选项。

注意事项

• Clear Namespace：它开着，而且没有设命名空间。每次载入都会先清空索引的默认命名空间再写入。请用一个没有别的内容的索引，或者在两个 Pinecone 节点里都设一个命名空间。
• 模型：OpenAI 的弃用页面（2026 年 11 月 12 日查阅）把 gpt-5-mini 列为 2026 年 12 月 11 日关停，替代模型是 gpt-5.6-terra。这条链没有工具，所以 Mindket 的副本用 gpt-5.6-terra。该页面没有列出 text-embedding-ada-002。新的向量模型生成的向量不能和旧模型的混用，所以如果你的索引里已有旧模型生成的向量，请重新载入 PDF。
• 一次一份 PDF：每次载入都会替换之前那份。要保留多份 PDF，请给每份用一个命名空间。
• 回答：模型根据拿到的几段作答，所以问到这几段之外的内容，可能得到一个很弱的回答。凡是重要的内容都要对照 PDF 核对。
• 你的数据：PDF 的文字会发给 OpenAI 和 Pinecone，每个问题会发给 OpenAI。
• 没运行过：这里没有对 Google、OpenAI 或 Pinecone 运行过任何东西。这些说明来自 n8n 的源码和各厂商的页面（2026 年 11 月 12 日查阅）。