Indexer les fichiers Google Drive dans pgvector avec OpenAI
Une base de connaissances pour un assistant RAG doit suivre les documents rangés dans Google Drive. Ce workflow lit les fichiers, les découpe en morceaux, calcule leurs embeddings avec OpenAI et les écrit dans une table PostgreSQL pgvector. Il se lance selon une planification, et un déclencheur manuel permet de le tester à la demande. Vous aurez besoin d'un accès Google Drive, d'une clé OpenAI et d'une base PostgreSQL avec l'extension pgvector.
- Déclencheur
- Planifié (récurrent)
- Taille
- 14 nœuds
- Outils
- OpenAI, PostgreSQL (pgvector), Google Drive
Comment fonctionne ce workflow
- 1
Le Schedule Trigger lance le workflow selon la fréquence que vous choisissez, et le déclencheur manuel permet de le lancer à la main.
- 2
Le nœud Google Drive récupère les fichiers du dossier ciblé.
- 3
Loop Over Items passe les fichiers en revue par lots, et le Switch oriente chacun selon son type.
- 4
Extract from File lit le contenu, puis le Default Data Loader prépare les documents.
- 5
Le Recursive Character Text Splitter découpe les documents en morceaux.
- 6
Embeddings OpenAI calcule les vecteurs, et le PGVector Vector Store les écrit dans PostgreSQL.
Quand l'utiliser
- Alimenter un assistant interne qui répond à partir des procédures rangées dans un Drive partagé.
- Mettre à jour régulièrement la base vectorielle quand de nouveaux documents arrivent dans un dossier.
- Tester une base vectorielle sur un petit dossier avant de l'étendre à l'ensemble de vos documents.
À préparer avant l'import
- Un compte Google Drive, avec ses identifiants configurés dans n8n.
- Le dossier Google Drive contenant les documents à indexer.
- Une clé API OpenAI, enregistrée comme identifiant OpenAI dans n8n.
- Une base PostgreSQL avec l'extension pgvector, et ses identifiants dans n8n.
Bon à savoir
Commencez par le déclencheur manuel sur un petit dossier, vérifiez les morceaux écrits dans pgvector, puis réglez la fréquence du Schedule Trigger.
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 fonctionne sur n8n auto-hébergé comme sur n8n Cloud. Les nœuds IA demandent une version récente de n8n.
Autres templates : RAG & Base de Connaissances
- Interroger les documents Google Drive avec un agent IAUn agent IA répond aux questions à partir des documents d'un dossier Google Drive, indexés dans Pinecone.
- Chatbot RAG sur vos documents Google Drive avec Gemini et QdrantUn chatbot qui répond à partir de vos documents Google Drive, stockés dans Qdrant et interrogés avec Gemini.
- Classer les questions du chat puis interroger Qdrant avec GeminiUn chat RAG qui classe chaque question, adapte la recherche dans une collection Qdrant, puis répond en tenant compte des documents trouvés.
- Interroger ses PDF par Telegram avec Gemini et SupabaseEnvoyez un PDF à un bot Telegram, puis posez-lui des questions sur son contenu avec Gemini et Supabase.
- Stocker les pages Notion en vecteurs dans Supabase avec OpenAIStocke les pages d'une base Notion dans Supabase, sous forme de vecteurs calculés par OpenAI.
- Rechercher dans des vidéos YouTube avec RAG, Apify et QdrantRecherche dans les transcriptions des vidéos de la chaîne n8n et renvoie les passages horodatés qui répondent à une question.
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