Potencia tus Documentos de Google Drive con Chat IA y RAG de Qdrant

Chatbot RAG Potenciado por IA para Documentos de Google Drive

Este completo flujo de trabajo de n8n transforma tus documentos estáticos de Google Drive en una base de conocimientos dinámica e interactiva. Simplifica la ingestión de documentos, extrae metadatos de forma inteligente y habilita un potente chatbot RAG (Generación aumentada por Recuperación) potenciado por Google Gemini y Qdrant para obtener insights inmediatos y conscientes del contexto.

Características clave

• Ingesta automatizada de documentos de Google Drive: importa fácilmente documentos de carpetas específicas de Google Drive para su procesamiento.
• Extracción mejorada de metadatos con IA y Gemini: identifica y extrae automáticamente metadatos críticos usando Google Gemini para capacidades de búsqueda más ricas y precisas.
• Integración robusta con base de datos vectorial Qdrant: almacena y gestiona de forma segura los embeddings de documentos para búsquedas semánticas de alto rendimiento.
• Generación aumentada por recuperación (RAG) inteligente: ofrece respuestas altamente precisas y conscientes del contexto recuperando fragmentos documentales relevantes antes de generar respuestas.
• Eliminación de documentos con intervención humana: garantiza la integridad de los datos con un paso de aprobación basado en Telegram para eliminar registros de la base vectorial.
• Registro persistente del historial del chat: guarda automáticamente todas las interacciones del chatbot en un Google Doc para auditorías y referencia futura.

Cómo funciona

Este flujo de trabajo opera en dos fases principales: ingesta y almacenamiento de documentos en una base de datos vectorial Qdrant, y luego utiliza esa base para alimentar un chatbot RAG impulsado por IA.

Fase 1: Procesamiento y almacenamiento de documentos

El flujo de trabajo se inicia manualmente o mediante un webhook para una carpeta de Google Drive especificada. Identifica todos los IDs de archivos dentro de la carpeta y, tras una aprobación opcional con intervención humana vía Telegram para la eliminación de datos existentes, descarga cada documento. Posteriormente, se extrae el contenido de los documentos y se utiliza Google Gemini para extraer metadatos detallados (como temas generales, tópicos recurrentes, puntos problemáticos y palabras clave). El texto extraído se divide en fragmentos manejables mediante un divisor de tokens. Se generan embeddings de OpenAI para estos fragmentos, que se guardan junto con sus metadatos en tu almacén vectorial de Qdrant. Una notificación por Telegram confirma la finalización del proceso de inserción/actualización.

Fase 2: Interacción de chat con IA

Cuando se recibe un mensaje de chat, el flujo utiliza un modelo de chat de Google Gemini junto con una memoria tipo ventana para mantener el contexto de la conversación. Un agente de IA luego aprovecha una herramienta de almacén vectorial Qdrant para realizar búsquedas semánticas, recuperando los fragmentos de documentos más relevantes basándose en la consulta del usuario y los metadatos extraídos. El agente sintetiza esta información recuperada con sus propias capacidades para generar respuestas precisas e informativas. Finalmente, toda la interacción, incluyendo la entrada del usuario y la respuesta del IA, se registra en un Google Doc designado para seguimiento histórico.