← На главнуюДокументация
← К разделам

Интеграция Qoqon RAG с n8n (Postgres PGVector Store и HTTP Request)

Интеграция Qoqon RAG с n8n — использование векторной базы Qoqon в качестве RAG-памяти для AI-агентов. Подробное руководство — на странице Интеграция с n8n. Здесь краткий обзор двух способов.

Два способа подключения

Postgres PGVector Store (рекомендуется) — прямое подключение к БД. Эмбеддинги генерируются в n8n. Агент автоматически обращается к базе как инструменту.

HTTP Request — REST API, эмбеддинги на стороне Qoqon. Подходит когда нужен один источник без настройки моделей.

Подготовка

  1. Создайте RAG-коллекцию, выберите папку или файлы, нажмите «Векторизовать»
  2. Создайте API-ключ в API настройках
  3. Получите ID коллекции: GET /api/v1/rag/collections с заголовком Authorization: Bearer <ключ>

Способ 1: Postgres PGVector Store

В RAG-память откройте коллекцию → кнопка «n8n» → «Создать подключение». Скопируйте Host, Port, Database, User, Password и Table Name (viewName).

В n8n:

  • Создайте credential Postgres (n8n 2.0) с этими данными
  • Добавьте ноду Postgres PGVector Store, Operation: Retrieve Documents (As Tool for AI Agent)
  • Table Name — из Qoqon. Use Collection — выключить
  • Column Names (Options): content, embedding, id, metadata
  • Embeddings — модель должна совпадать с Qoqon (например, text-embedding-3-small)

Chat Model — можно использовать Qoqon API Маркетплейс (Base URL: https://qoqon.ru/api/v1/marketplace, API Key: QoQon_LLM_xxx).

Способ 2: HTTP Request

Нода HTTP Request:

  • Method: GET
  • URL: https://qoqon.ru/api/v1/files/search
  • Query: q — запрос, collectionId — ID коллекции
  • Auth: Header Authorization: Bearer <ключ>

Ответ содержит results[].chunkText — релевантные фрагменты. Соберите их в контекст и передайте в промпт LLM.

Требования

Тариф с RAG-память. Для PGVector Store — дополнительно функция «Подключение к n8n».