N8n local test — сценарий n8n + методичка

Этот workflow автоматизирует ответы на вопросы пользователей через чат, используя внутренние документы из Google Drive как источник знаний. Ответы генерируются локально с помощью Ollama и LangChain, без передачи данных в облако. Система хранит контекст диалогов и автоматически обновляет базу знаний при добавлении или изменении файлов.

## Кому подойдёт
- Разработчики, создающие локальных AI-ассистентов без облачных зависимостей.
- Компании, требующие конфиденциальности данных и работающие с внутренней документацией.
- Специалисты по автоматизации, желающие интегрировать RAG-системы с Google Drive.
- IT-команды, внедряющие чат-боты с долгосрочной памятью и векторным поиском.

## Что делает автоматизация
- При получении сообщения в чате запускается LangChain-агент, использующий Ollama (llama3.2) для генерации ответов.
- Агент выполняет семантический поиск по векторной базе Qdrant, содержащей эмбеддинги из документов Google Drive.
- Контекст диалога сохраняется в PostgreSQL, обеспечивая многораундовые беседы.
- При создании или обновлении файла в указанной папке Google Drive он автоматически извлекается, разбивается на фрагменты и индексируется в Qdrant.
- Новые документы пополняют базу знаний без ручного вмешательства.

## Что входит в пакет
- Готовый workflow для n8n.
- Логика обработки чат-сообщений и триггеров Google Drive.
- Интеграции с Google Drive API, Qdrant, PostgreSQL и Ollama.
- Базовая текстовая инструкция по запуску и адаптации.

## Что нужно для запуска
- Доступ к Google Drive с правами на чтение файлов из целевых папок.
- Локальный или удалённый доступ к Ollama (с моделью llama3.2).
- Запущенные экземпляры Qdrant и PostgreSQL.
- Установленный n8n с возможностью подключения к внешним сервисам.

## Польза и эффекты
- Полный контроль над данными — никакие документы не покидают вашу инфраструктуру.
- Автоматическое обновление базы знаний при изменении документов.
- Поддержка контекстных диалогов за счёт хранения истории в PostgreSQL.
- Высокая точность ответов благодаря RAG и векторному поиску в Qdrant.
- Экономия времени на поддержку внутренних справочных систем.
- Возможность масштабирования под корпоративные задачи без привязки к SaaS LLM.

## Важное о формате продукта и поддержке
**Важно:** вы приобретаете именно готовый шаблон сценария автоматизации. Разворот под вашу инфраструктуру, интеграция с конкретными аккаунтами и сервисами, индивидуальная помощь в настройке, доработки под нестандартные стеки и любая консультационная поддержка оказываются отдельно и оплачиваются по индивидуальному тарифу. Для обсуждения доработок и индивидуальной помощи вы можете связаться через Telegram: @gleb923.