基于 Qdrant 和 OpenAI 的电影推荐聊天机器人

基于 Qdrant 和 OpenAI 的电影推荐聊天机器人

一个 n8n 工作流，是一个电影推荐聊天机器人。一部分把一份电影 CSV 载入 Qdrant 集合，并给每条简介做一个 OpenAI 嵌入向量。另一部分是一个聊天窗口，由一个 AI Agent 把请求变成一个喜欢的例子和一个不喜欢的例子，再向一个工具要最接近的三部电影。

包里有什么

• workflow.json：n8n 导出的工作流，二十五个干活的节点和两张便签。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 CSV 是用一个 GitHub 节点从作者自己的仓库读的。Mindket 的版本改用一个 HTTP Request 节点 Download movies CSV，里面是要你填的 <YOUR_CSV_URL>。
• 两个 Qdrant 请求原来调用的是作者自己的集群。现在它们以 <YOUR_QDRANT_URL> 开头。
• 原来载入的集合叫 imdb，搜索的却是 imdb_1000_open_ai。现在两处都用 movies。
• 上映年份读的是一个载入时从没写过的字段，所以返回的是空的。Selecting Fields Relevant for Agent 现在读 movie_release_date。
• 两个嵌入请求里原来带着一个以明文写的多余 Authorization 头。现在去掉了，由 OpenAI 凭据来完成签名。
• 两个 Qdrant 请求体现在都用 JSON.stringify 生成，所以向量不会被错误地拼成文字。
• Call n8n Workflow Tool 现在用 $workflow.id 找到它自己所在的工作流，不用再改 id。
• 智能体的模型是 gpt-5.6-terra，取代了 gpt-4o-mini。见“需要知道的”。
• 固定的示例数据去掉了，两张便签重写了。

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 Qdrant 地址和一个 API 密钥。云端集群或你自己的服务器都可以。
• 一份放在某个网址上的电影 CSV，有 Movie Name、Year of Release 和 Description 三列。

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，并在 Embeddings OpenAI、OpenAI Chat Model、Embedding Recommendation Request with Open AI 和 Embedding Anti-Recommendation Request with Open AI 里选上它。
3. 添加一个 Qdrant 凭据，并在 Qdrant Vector Store、Calling Qdrant Recommendation API 和 Retrieving Recommended Movies Meta Data 里选上它。
4. 在这两个 HTTP Request 节点里，把 <YOUR_QDRANT_URL> 换成你的 Qdrant 地址，例如 https://your-cluster.cloud.qdrant.io:6333。
5. 在 Download movies CSV 里，把 <YOUR_CSV_URL> 换成你那份 CSV 的地址。
6. 保存工作流，点手动触发上的 Test workflow，等它跑完。第一次运行时会创建 movies 集合。
7. 打开聊天，请它推荐一部电影。

一次运行是怎么走的

载入，从手动触发开始：

1. Download movies CSV 取回文件，Extract from File 把每一行变成一个条目。
2. Default Data Loader 给每条简介做一个文档，并把片名、年份和简介留作元数据。
3. Embeddings OpenAI 把每个文档变成向量，Qdrant Vector Store 把它存进 movies 集合。

聊天，从聊天触发开始：

1. When chat message received 把消息交给 AI Agent，它带着窗口记忆和一条系统消息。
2. 智能体带着一个喜欢的简介和一个不喜欢的简介去调用 Call n8n Workflow Tool。
3. 在同一个工作流里，Execute Workflow Trigger 收到它们，两个嵌入请求把它们变成向量。
4. Calling Qdrant Recommendation API 请求三个最佳匹配，Retrieving Recommended Movies Meta Data 取回它们的详情。
5. Merge1 按 id 把分数和详情合在一起，Aggregate 把它们打成一包，智能体再写出回复。

想要不同的效果，改这里

• CSV：Download movies CSV 里的地址，以及 Default Data Loader 里的列名。
• 集合名：Qdrant Vector Store 和两个 Qdrant 地址。
• 返回几部电影：Calling Qdrant Recommendation API 里的 limit，以及系统消息。
• 智能体的口吻：AI Agent 里的 System Message。
• 告诉工具什么：Call n8n Workflow Tool 里的描述和输入结构。

需要知道的

• OpenAI 的弃用页面（2026 年 11 月 12 日读取）写着 gpt-4o-mini 将在 2027 年 1 月 14 日停用，替代品是 gpt-6-luna。gpt-6-luna 的页面说，Chat Completions 只有在关闭推理强度时才支持它的函数调用，所以智能体用 gpt-5.6-terra。嵌入模型 text-embedding-3-small 不在那个页面上。
• 如果请求里没有提到不喜欢什么，智能体就得自己编一个，因为工具两样都要。
• 载入只跑一次。载入两遍会把每部电影再存一遍，用新的 id，之后同一部电影可能在推荐里出现两次。
• 智能体的窗口记忆放在 n8n 自己的内存里，闲置一小时就会被清掉，也不适合队列模式。
• 每一轮聊天会用到一次智能体调用和两次嵌入，载入时每行还要做一次嵌入。
• 你的请求会发给 OpenAI，电影简介会发给 OpenAI 和 Qdrant。