Este workflow implementa un chatbot de recuperación de información aumentada (RAG) que utiliza Google Drive como repositorio de documentos, Qdrant como almacén vectorial y los modelos de lenguaje Gemini y OpenAI. El flujo comienza con un trigger manual (‘Test workflow’) que inicia la búsqueda de archivos en una carpeta de Google Drive especificada. Se descargan los archivos, se extrae su contenido de texto y se crean embeddings usando el modelo ‘text-embeddings-3-large’ de OpenAI. Estos embeddings se almacenan en Qdrant. Cuando se recibe un mensaje de chat (a través de un trigger de chat), se genera un embedding del mensaje y se busca en Qdrant los documentos más relevantes. Un agente Langchain utiliza estos documentos y el modelo Gemini para generar una respuesta. La respuesta se envía al usuario y se actualiza el historial de chat en un documento de Google Docs. Se incluye manejo de errores y confirmación de acciones a través de Telegram. El workflow también permite borrar los puntos vectoriales en Qdrant para gestionar la memoria.
- Integración con Google Drive, Google Gemini, OpenAI y Qdrant.
- Uso de embeddings para búsqueda semántica eficiente.
- Implementación de un agente Langchain para la gestión del flujo de información.
- Actualización dinámica del historial de chat en Google Docs.
- Manejo de errores y notificaciones a través de Telegram.