Construcción de una API de preguntas y respuestas de documentos con PDF vectoriales y Webhooks

Intermedio

Este es unInternal Wiki, AI RAG, Multimodal AIflujo de automatización del dominio deautomatización que contiene 11 nodos.Utiliza principalmente nodos como If, Code, Webhook, PdfVector, RespondToWebhook. Construir un API de preguntas y respuestas de documentos usando PDF vectors y Webhooks

Requisitos previos
  • Punto final de HTTP Webhook (n8n generará automáticamente)
Vista previa del flujo de trabajo
Visualización de las conexiones entre nodos, con soporte para zoom y panorámica
Exportar flujo de trabajo
Copie la siguiente configuración JSON en n8n para importar y usar este flujo de trabajo
{
  "meta": {
    "instanceId": "placeholder"
  },
  "nodes": [
    {
      "id": "overview-note",
      "name": "API Resumen General",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        50,
        50
      ],
      "parameters": {
        "color": 5,
        "width": 350,
        "height": 160,
        "content": "## 🤖 Document Q&A API\n\nRESTful service for document intelligence:\n• **Webhook** endpoint accepts documents\n• **AI processes** questions in context\n• **Returns** JSON with answers & citations\n• **Sub-second** response times"
      },
      "typeVersion": 1
    },
    {
      "id": "request-note",
      "name": "Formato de Solicitud",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        450,
        450
      ],
      "parameters": {
        "width": 280,
        "height": 180,
        "content": "## 📥 API Request\n\n**POST** to `/document-qa`\n\nBody:\n```json\n{\n  \"question\": \"Your question\",\n  \"maxTokens\": 500,\n  \"file\": <binary>\n}\n```"
      },
      "typeVersion": 1
    },
    {
      "id": "process-note",
      "name": "Procesamiento de Preguntas y Respuestas",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        850,
        450
      ],
      "parameters": {
        "width": 260,
        "height": 160,
        "content": "## 🔍 AI Processing\n\nPDF Vector:\n• Parses document\n• Finds relevant sections\n• Generates answer\n• Includes citations\n\n💡 GPT-4 powered"
      },
      "typeVersion": 1
    },
    {
      "id": "response-note",
      "name": "Formato de Respuesta",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        1150,
        450
      ],
      "parameters": {
        "color": 6,
        "width": 260,
        "height": 180,
        "content": "## 📤 API Response\n\n```json\n{\n  \"success\": true,\n  \"answer\": \"...\",\n  \"sources\": [...],\n  \"confidence\": 0.95\n}\n```\n\n✅ Production ready!"
      },
      "typeVersion": 1
    },
    {
      "id": "webhook-trigger",
      "name": "Webhook",
      "type": "n8n-nodes-base.webhook",
      "notes": "API endpoint for document Q&A",
      "position": [
        250,
        300
      ],
      "webhookId": "doc-qa-webhook",
      "parameters": {
        "path": "doc-qa",
        "httpMethod": "POST"
      },
      "typeVersion": 1
    },
    {
      "id": "validate-request",
      "name": "Validar Solicitud",
      "type": "n8n-nodes-base.code",
      "notes": "Validate and prepare request",
      "position": [
        450,
        300
      ],
      "parameters": {
        "jsCode": "// Validate incoming request\nconst body = $input.first().json.body;\nconst errors = [];\n\nif (!body.documentUrl && !body.documentId) {\n  errors.push('Either documentUrl or documentId is required');\n}\nif (!body.question) {\n  errors.push('Question is required');\n}\n\n// Generate session ID if not provided\nconst sessionId = body.sessionId || `session-${Date.now()}`;\n\nreturn [{\n  json: {\n    ...body,\n    sessionId,\n    valid: errors.length === 0,\n    errors,\n    timestamp: new Date().toISOString()\n  }\n}];"
      },
      "typeVersion": 2
    },
    {
      "id": "check-valid",
      "name": "¿Solicitud Válida?",
      "type": "n8n-nodes-base.if",
      "position": [
        650,
        300
      ],
      "parameters": {
        "conditions": {
          "boolean": [
            {
              "value1": "={{ $json.valid }}",
              "value2": true
            }
          ]
        }
      },
      "typeVersion": 1
    },
    {
      "id": "pdfvector-ask",
      "name": "PDF Vector - Hacer Pregunta",
      "type": "n8n-nodes-pdfvector.pdfVector",
      "notes": "Get answer from document",
      "position": [
        850,
        250
      ],
      "parameters": {
        "url": "={{ $json.documentUrl }}",
        "prompt": "Answer the following question about this document or image: {{ $json.question }}",
        "resource": "document",
        "inputType": "url",
        "operation": "ask"
      },
      "typeVersion": 1
    },
    {
      "id": "format-success",
      "name": "Formatear Respuesta Exitosa",
      "type": "n8n-nodes-base.code",
      "notes": "Prepare successful response",
      "position": [
        1050,
        250
      ],
      "parameters": {
        "jsCode": "// Prepare successful response\nconst answer = $json.answer;\nconst request = $node['Validate Request'].json;\n\n// Calculate confidence score based on answer length and keywords\nlet confidence = 0.8; // Base confidence\nif (answer.length > 100) confidence += 0.1;\nif (answer.toLowerCase().includes('specifically') || answer.toLowerCase().includes('according to')) confidence += 0.1;\nconfidence = Math.min(confidence, 1.0);\n\nreturn [{\n  json: {\n    success: true,\n    data: {\n      answer,\n      confidence,\n      sessionId: request.sessionId,\n      documentUrl: request.documentUrl,\n      question: request.question\n    },\n    metadata: {\n      processedAt: new Date().toISOString(),\n      responseTime: Date.now() - new Date(request.timestamp).getTime(),\n      creditsUsed: 1\n    }\n  }\n}];"
      },
      "typeVersion": 2
    },
    {
      "id": "format-error",
      "name": "Formatear Respuesta de Error",
      "type": "n8n-nodes-base.code",
      "notes": "Prepare error response",
      "position": [
        850,
        350
      ],
      "parameters": {
        "jsCode": "// Prepare error response\nconst errors = $json.errors || ['An error occurred processing your request'];\n\nreturn [{\n  json: {\n    success: false,\n    errors,\n    message: 'Invalid request',\n    timestamp: new Date().toISOString()\n  }\n}];"
      },
      "typeVersion": 2
    },
    {
      "id": "webhook-response",
      "name": "Enviar Respuesta",
      "type": "n8n-nodes-base.respondToWebhook",
      "notes": "Send API response",
      "position": [
        1250,
        300
      ],
      "parameters": {
        "respondWith": "json",
        "responseBody": "={{ JSON.stringify($json) }}",
        "responseHeaders": {
          "entries": [
            {
              "name": "Content-Type",
              "value": "application/json"
            }
          ]
        }
      },
      "typeVersion": 1
    }
  ],
  "connections": {
    "webhook-trigger": {
      "main": [
        [
          {
            "node": "validate-request",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "check-valid": {
      "main": [
        [
          {
            "node": "pdfvector-ask",
            "type": "main",
            "index": 0
          }
        ],
        [
          {
            "node": "format-error",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "validate-request": {
      "main": [
        [
          {
            "node": "check-valid",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "format-error": {
      "main": [
        [
          {
            "node": "webhook-response",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "format-success": {
      "main": [
        [
          {
            "node": "webhook-response",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "pdfvector-ask": {
      "main": [
        [
          {
            "node": "format-success",
            "type": "main",
            "index": 0
          }
        ]
      ]
    }
  }
}
Preguntas frecuentes

¿Cómo usar este flujo de trabajo?

Copie el código de configuración JSON de arriba, cree un nuevo flujo de trabajo en su instancia de n8n y seleccione "Importar desde JSON", pegue la configuración y luego modifique la configuración de credenciales según sea necesario.

¿En qué escenarios es adecuado este flujo de trabajo?

Intermedio - Wiki interno, RAG de IA, IA Multimodal

¿Es de pago?

Este flujo de trabajo es completamente gratuito, puede importarlo y usarlo directamente. Sin embargo, tenga en cuenta que los servicios de terceros utilizados en el flujo de trabajo (como la API de OpenAI) pueden requerir un pago por su cuenta.

Flujos de trabajo relacionados recomendados

Revisión automática de literatura académica usando GPT-4 y búsqueda en múltiples bases de datos
Usar GPT-4 y búsqueda en múltiples bases de datos para automatizar la revisión de literatura académica
If
Set
Code
+
If
Set
Code
13 NodosPDF Vector
Extracción de documentos
Extracción y almacenamiento de datos de facturas mediante PDF Vector, Google Drive y base de datos
Extraer y almacenar datos de facturas con PDF Vector, Google Drive y una base de datos
If
Code
Slack
+
If
Code
Slack
26 NodosPDF Vector
Procesamiento de facturas
Generar resúmenes de tesis de investigación en múltiples formatos usando GPT-4 y PDF Vector
Usar GPT-4 y PDF Vector para generar resúmenes de artículos de investigación en múltiples formatos
Code
Open Ai
Webhook
+
Code
Open Ai
Webhook
9 NodosPDF Vector
Resumen de IA
Búsqueda académica en cinco bases de datos, con vectores PDF y múltiples exportaciones
Búsqueda de investigación académica en cinco bases de datos, con vectores PDF y exportaciones múltiples
Set
Code
Pdf Vector
+
Set
Code
Pdf Vector
9 NodosPDF Vector
RAG de IA
Construcción de una red de conocimiento académica con PDF vectoriales, GPT-4 y Neo4j
Construir un grafo de conocimiento académico a partir de artículos de investigación usando PDF vectors, GPT-4 y Neo4j
Code
Neo4j
Open Ai
+
Code
Neo4j
Open Ai
10 NodosPDF Vector
RAG de IA
Conversión por lotes de PDF a Markdown (Google Drive con análisis LLM)
Conversión masiva de PDF a Markdown utilizando Google Drive y un análisis impulsado por LLM
If
Set
Code
+
If
Set
Code
8 NodosPDF Vector
Creación de contenido
Información del flujo de trabajo
Nivel de dificultad
Intermedio
Número de nodos11
Categoría3
Tipos de nodos6
Descripción de la dificultad

Adecuado para usuarios con experiencia intermedia, flujos de trabajo de complejidad media con 6-15 nodos

Autor
PDF Vector

PDF Vector

@pdfvector

A fully featured PDF APIs for developers - Parse any PDF or Word document, extract structured data, and access millions of academic papers - all through simple APIs.

Enlaces externos
Ver en n8n.io

Compartir este flujo de trabajo

Categorías

Categorías: 34