Ebben az útmutatóban részletesen megismerkedhetünk azzal, hogyan lehet egy RAG (Retrieval Augmented Generation) ügynököt építeni n8n-ben kezdők számára. A videó bemutatja, miként lehet nagy mennyiségű adatot – például PDF-eket, CSV-ket vagy szövegfájlokat – kezelni és kérdezhetővé tenni egy saját AI ügynök segítségével, anélkül hogy a hagyományos chatbotok korlátaiba ütköznénk.
Az előadó bemutatja, hogyan kerül a tanfolyami anyagokat tartalmazó szöveges adat egy Pinecone vektorbázisba, és miért érdemes egy ilyen adatbázist használni testreszabott lekérdezések esetén. Felmerül az a kérdés is, hogy a felhasználók miként kapcsolhatják be saját nagy adathalmazaikat az AI-alapú munkafolyamataikba, és hogyan tudja az ügynök releváns válaszokkal támogatni őket.
A gyakorlati lépések között szó esik a Google Drive mappák szervezéséről, jogosultságok beállításáról, valamint arról, miként lehet adatokat automatikusan előfeldolgozni és vektorbázisba tölteni n8n automatizáció segítségével. Az ismertető hangsúlyt fektet arra, hogy miként lehet különféle modulokat összekapcsolni (pl. Google Drive, Pinecone, OpenAI), és hogyan oszthatók fel az adatok kisebb „chunk”-okra az optimális kereshetőség érdekében.
További izgalmas témák kerülnek terítékre, például hogy a RAG ügynök miként teszi lehetővé a saját, akár zárt tananyag alapján történő, pontos válaszadást, valamint milyen további lehetőségek rejlenek a közösségi tanulásban és a folyamatos AI-fejlesztésben. A videó elgondolkodtat, hogy a vállalati vagy egyéni tudás hogyan válhat dinamikusan kereshetővé és hasznosíthatóvá mesterséges intelligencia segítségével.
