用 Qdrant 给问卷答案分组并由 AI 总结

用 Qdrant 给问卷答案分组并由 AI 总结

一个把问卷答案表变成洞察表的 n8n 工作流。它从 Google Sheets 读取每个答案，把每个答案连同它的问题和参与者作为向量存进 Qdrant。对每个问题，它用 K-means 方法把已存的答案分成几组相似的答案。然后一个 OpenAI 模型为每一组写出一条洞察和一个情绪倾向，每个结果作为一行加进一张新工作表。

包里有什么

• workflow.json：n8n 导出的工作流，30 个节点和 12 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

• Apply K-means Clustering Algorithm 原来是一个 Python 节点，它导入了 numpy 和 sklearn，并用 _input 读取输入。n8n 的代码节点文档（2026 年 11 月 12 日查阅）说 n8n 2.0 里已经移除了 Pyodide。取代它的原生 Python 没有 _input，默认也不能导入那些包。现在这个节点是 JavaScript，做同样的事：用固定的随机种子分成最多 10 组，输出也一样，每组有一个 id、一个 total 和 Qdrant 的 points。
• Has Clusters? 原来只检查分组列表不是空的。K-means 总会返回分组，所以即使每个答案都不一样，这个检查也会通过。Only Clusters With 3+ points 接着把所有组都丢掉。后面的节点收不到任何东西，运行就在那里停了。既没有写出一行，下一个问题也没有开始。现在这个检查统计有三个以上答案的组，没有这样一组的问题会得到它的 No Insight Found 一行。
• Find All Answers 原来把问题直接写进 JSON 文本里，所以带双引号的问题会把请求弄坏。现在请求体用 JSON.stringify 生成。
• Find All Answers 和 Get Payload of Points 原来调用的是 qdrant:6333，那是它们作者机器上一个 Docker 服务的名字。现在两者都从 Set Variables 里新增的 qdrantUrl 取地址，它的值是 YOUR_QDRANT_URL。
• OpenAI Chat Model 原来要的是 gpt-4o-mini。OpenAI 的弃用页面（2026 年 11 月 12 日查阅）把它列为 2027 年 1 月 14 日关停，替代是 gpt-6-luna。现在这个节点是 1.2 版，用的就是这个模型。
• Get Survey Results 原来指向它作者自己的表格。现在它是空的，由你从列表里选自己的表格。
• Export To Sheets 原来带着作者自己运行时留下的六个示例列名，里面有示例问卷的答案。它们都去掉了，这个节点现在像 Export To Sheets1 一样按字段名映射。
• Survey Insights Agent 的系统提示词里有两处拼写错误 "mildy"，已经改正。
• 12 张便签重写过，里面没有外部链接。原来的副本里有指向文档页面、示例表格和聊天服务器的链接。
• 所有凭据引用都去掉了，所以由你自己选。

开始之前

• 一个 n8n 实例，n8n Cloud 或你自己的服务器。
• 一个 Google 账号、一份问卷答案表格和一个 Google Sheets OAuth2 凭据。表格需要一个 Participant 列，每个问题列的表头里都要有一个问号。没有问号的列也会存进 Qdrant，但不会被分析。
• 一个你自己的 Qdrant 服务器或 Qdrant Cloud，以及它的地址和一个 API 密钥。
• 一个能用 text-embedding-3-small 和 gpt-6-luna 的 OpenAI API 密钥。

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. 保存这个工作流。Trigger Insights 是通过工作流的 ID 来调用它自己，从而启动第二部分的。
3. 添加 Google Sheets OAuth2 凭据。在 Get Survey Results、Get Sheet Details、Create Insights Sheet、Get Survey Headers、Export To Sheets 和 Export To Sheets1 里选中它。
4. 在 Get Survey Results 里，从列表中选你的表格和你的工作表。表格的标题会成为把这些答案联系在一起的问卷名称。
5. 添加 Qdrant 凭据，填地址和 API 密钥。在 Qdrant Vector Store、Find All Answers 和 Get Payload of Points 里选中它。
6. 在 Set Variables 里，把 YOUR_QDRANT_URL 换成同一个地址，末尾不要带斜杠。
7. 添加 OpenAI 凭据，在 Embeddings OpenAI 和 OpenAI Chat Model 里选中它。
8. 点一次 Test workflow。答案先被存起来，然后第二部分会自己开始，把洞察写进一张新工作表。

一次运行是怎样的

1. When clicking ‘Test workflow’ 开始运行，Get Survey Results 读取表格的每一行。
2. Convert to Question Answer Pairs 把每一行变成每个问题列各一对，并带上参与者，QA Pairs to List 把每一对变成一个条目。
3. Qdrant Vector Store 存下每个答案。Embeddings OpenAI 生成它的向量，Default Data Loader 把问题、参与者和问卷名称作为元数据附上。
4. Prep Values For Trigger 传下表格 ID 和工作表，Trigger Insights 启动第二部分。
5. Execute Workflow Trigger 接收它们。Get Sheet Details 读取表格的标题，Set Variables 汇集 Qdrant 地址、集合名、问卷名称和新工作表的名字。
6. Create Insights Sheet 新增工作表。Get Survey Headers 读取前两行，Extract Questions 保留带问号的表头，Questions to List 把每个问题变成一个条目。
7. For Each Question... 每次处理一个问题。Find All Answers 取出它已存的答案和它们的向量，最多 500 个。
8. Apply K-means Clustering Algorithm 把它们分成最多 10 组。
9. 当某一组有三个以上答案时，Has Clusters? 让运行继续。否则 Prep Values For Export 和 Export To Sheets1 写一行 No Insight Found。
10. Clusters To List 把每一组变成一个条目，Only Clusters With 3+ points 留下大的组。Get Payload of Points 取出每一组的答案，Survey Insights Agent 写出小结、洞察和情绪倾向。
11. Prep Output For Export 加上答案数量、参与者 ID 和原始答案，Export To Sheets 加上这一行。然后循环转到下一个问题。

改变风格

• 表格：Get Survey Results 里的文档和工作表。
• Qdrant 地址：Set Variables 里的 YOUR_QDRANT_URL。
• 集合：Set Variables 里的 collectionName 和 Qdrant Vector Store 里的集合。两处要保持一致。
• 新工作表的名字：Set Variables 里的 insightsSheetName。
• 分组的数量：Apply K-means Clustering Algorithm 里的 10。
• 最小的组：Has Clusters? 和 Only Clusters With 3+ points 里判断三个以上答案的条件。两处都要改。
• 模型写什么：Survey Insights Agent 里的系统提示词和示例。
• 模型：OpenAI Chat Model。

注意事项

• 每份问卷只运行一次。再运行一次会把同样的答案又存一遍，所以每个答案会被算两次。如果必须再运行，先清空 Qdrant 里的集合。
• 它需要很多答案。答案大约十个或更少时，几乎每一组都只有一个答案，这个问题会得到一行 No Insight Found。一个问题有几十个答案是个像样的起点。
• Find All Answers 对一个问题最多取 500 个答案，之后不会再翻页。
• Qdrant Vector Store 在第一次写入时会创建集合，所以你不用手动创建。
• 嵌入节点写明的是 text-embedding-3-small，它不在 OpenAI 的弃用页面上。
• 你的数据：每个答案都会发给 OpenAI 来生成向量，每个大组的答案会再发给 OpenAI 来写小结。答案和向量保存在你的 Qdrant 里。洞察和它们背后的答案会写进你的表格。如果你的问卷里有个人数据，要记住这一点。
• 小结来自一个模型。依赖某一条之前，先读几条那一组的原始答案。