n8nで文書検索AIを組むときは、文書の取り込み、関連箇所の検索、根拠付きの回答を別のworkflowとして考えます。資料を更新したのに古い回答が残る問題も、どの段階のデータかを分けると追いやすくなります。
取り込みでは、本文に識別情報を添える
文書を読み、必要なまとまりへ分け、EmbeddingとともにVector Storeへ登録します。各まとまりに元文書のID、版、見出し、公開範囲を添えます。関連箇所だけを後で取り出しても、どこから来たか分かるためです。
{
"document_id": "manual-001",
"revision": "v2",
"section": "返品の受付",
"source_url": "https://example.com/manual",
"visibility": "internal",
"text": "説明用の文書本文"
}
これはmetadataの設計例です。公開URLがない社内文書なら、表示できる文書IDや保管場所を使います。検索される文章と、表示可能な根拠情報を合わせて管理します。
検索だけを試してから、回答をつなぐ
質問に対して、どのまとまりが検索されるかを先に確認します。必要な文書が検索結果へ入っていない状態で回答プロンプトを直しても、根拠不足は解消しません。
n8nではDocument Loader、Text Splitter、Embeddings、Retrieverなどの役割を分けて組みます。対応する部品は公式のVector Store解説で確認できます。
| 確認する質問 | 検索で見るもの |
|---|---|
| 文書に答えがある質問 | 正しい版の該当箇所が出るか |
| 言い方が違う質問 | 意味の近い必要箇所へ届くか |
| 文書にない質問 | 無関係な結果から答えを作っていないか |
回答は、検索した根拠と対応させる
AIへは検索結果だけで答える範囲を決め、答えられない場合の出力も用意します。表示する根拠は、AIが自由に作ったURLではなく、検索結果のmetadataから選びます。
文書へのアクセス権も検索時に確認します。誰でも質問できる画面から社内資料が検索される構成では、回答だけでなく根拠の見出しや抜粋も公開範囲を広げます。
更新と削除を、取り込みと同じ設計へ入れる
文書を削除・非公開化したら検索対象から外し、同じ文書の旧版を残すかも決めます。Embeddingモデルや分割方法を変えた場合は、保存済みデータとの互換性を確認して再取り込みの範囲を決めてください。
まず小さな試験文書と、答えが分かる質問を用意します。WordPress全体からの収集はサイトのRAG化へ、回答と引用の照合はRAGの出典表示へ分担します。