Découper des documents en notes de stage avec Mistral AI et Qdrant
Un dossier local est surveillé, et chaque nouveau fichier déposé est importé, découpé puis envoyé dans la base vectorielle Qdrant. Des agents Mistral AI interrogent ensuite ce contenu pour rédiger un guide d'étude, un briefing et une chronologie. Les notes sont écrites dans le dossier, à côté du fichier d'origine, ce qui convient à qui révise un cours ou prépare une formation.
- Déclencheur
- Nouveau fichier local
- Taille
- 35 nœuds
- Outils
- Fichiers locaux, Mistral AI, Qdrant
Comment fonctionne ce workflow
- 1
Local File Trigger détecte la création d'un nouveau fichier dans le dossier surveillé.
- 2
Extract From File lit le contenu du fichier, puis Recursive Character Text Splitter le découpe en morceaux.
- 3
Embeddings Mistral Cloud calcule les vecteurs, et Qdrant Vector Store les écrit dans Qdrant.
- 4
Loop Over Items parcourt la liste des modèles de notes : guide d'étude, briefing et chronologie.
- 5
Question and Answer Chain, relié à Mistral Cloud Chat Model, pose des questions au contenu indexé et rédige la note à partir des réponses.
- 6
Convert to File transforme le texte généré en fichier, et Read/Write Files from Disk l'enregistre dans le dossier.
Quand l'utiliser
- Réviser un cours à partir d'un long document de référence.
- Préparer une formation à partir de supports existants.
- Obtenir la chronologie d'un dossier documentaire.
À préparer avant l'import
- Un compte Mistral AI et une clé API, à enregistrer comme identifiants Mistral Cloud dans n8n.
- Une instance Qdrant accessible depuis n8n, avec son URL et sa clé d'accès.
- Un dossier local que n8n peut lire et dans lequel il peut écrire.
- Le chemin du dossier surveillé renseigné dans le nœud Local File Trigger.
Bon à savoir
Commencez par changer le chemin du dossier surveillé dans Local File Trigger. Pour ajouter un type de note, complétez la liste des modèles lue par Loop Over Items, à côté de Study guide, Briefing document et Timeline.
Installer ce template dans n8n
- Téléchargez le fichier JSON avec le bouton en haut de la page.
- Dans n8n, ouvrez le menu d'un workflow vide, choisissez « Import from File » et sélectionnez le fichier.
- Reliez vos propres identifiants à chaque nœud qui en demande un, lancez un test, puis activez le workflow.
Ce template demande n8n auto-hébergé : Local File Trigger, Read Write File ne fonctionnent pas sur n8n Cloud. Les nœuds IA demandent une version récente de n8n.
Autres templates : RAG & Base de Connaissances
- Répondre sur WhatsApp à partir de documents Google DriveUn chatbot WhatsApp qui répond à partir de documents Google Drive indexés dans Qdrant, avec OpenAI.
- Indexer des fichiers JSON depuis FTP dans QdrantLit des fichiers JSON sur un serveur FTP, calcule leurs embeddings OpenAI et les écrit dans une collection Qdrant.
- Interroger l'API GitHub en chat avec RAG, Pinecone et OpenAIUn chatbot qui répond aux questions sur l'API GitHub à partir de sa spécification OpenAPI, indexée dans Pinecone.
- Interroger ses e-mails sur Telegram avec un agent RAGUn agent IA répond à vos questions sur vos e-mails, à partir d'une base vectorisée et d'une base SQL, depuis Telegram ou le chat de n8n.
- Interroger des PDF Google Drive avec un agent RAG MilvusUn agent de chat qui répond à partir de vos PDF Google Drive, indexés dans une base vectorielle Milvus.
- Recommander des recettes HelloFresh par chat avec Qdrant et MistralRecommande des recettes HelloFresh de la semaine selon vos goûts, depuis un chat, à partir d'une base vectorielle Qdrant.
Vous voulez ce workflow branché sur vos outils ?
Ce template est un point de départ. Nous l'adaptons à vos règles, à vos comptes et à votre hébergement, puis nous le maintenons.
Voir notre accompagnement n8n