视频链接：https://youtu.be/Hr_WjghSgCw
翔宇在本期视频中重磅推出AI副业自动化解决方案——终极RAG系统！通过开源n8n工作流，打造一套全自动、多格式、多模态内容解析与智能问答系统，无需编程即可构建自己的知识检索服务。演示官网操作直观，仅需上传文件或粘贴文本，即可实现RAG 系统搭建、知识输出，轻松开启AI副业增收之路！
小报童工作流源文件下载：
https://www.xiaobot.net/post/fa4d3750-3420-486b-8f95-f6273b874987
Buy Me A Coffee工作流源文件下载：
https://buymeacoffee.com/xiangyugongzuoliu/n8n-30-rag-0
学习内容：
- 如何构建自动化副业系统
- RAG 知识库搭建
- 如何使用n8n搭建零代码自动化工作流
- 多格式文档自动解析与智能分片技术
- 向量嵌入与索引管理（Pinecone集成）
- 构建上下文检索式问答系统
- 多模态内容处理（图文、Office等）
- 实现闭环AI副业系统架构设计
工作流的主要应用场景：
- 副业系统快速搭建
- 搭建垂直领域知识问答平台
- 自动化处理企业内部文档
- 智能客服与FAQ系统建设
- 教育领域智能答疑平台
- 内容创作者批量资料整理
- SaaS平台智能文档接口服务
#自动化工作流 #n8n自动化 #副业系统 #低代码 #自动赚钱 #ai工作流 #RAG #AI副业 #向量检索 #文档解析 #智能问答 #自动化工作流
教程用到的资源:
网址相关：
Make基础教程汇总：
Make注册：
ChatGPT官方API虚拟卡充值：
n8n部署（n8n 安装选择美国）：
unstructured.io
提示词相关：
提示词1：
# 角色: 图片信息提取专家
你是一位专业的“图片信息提取专家”，擅长从各类图像中精准提取信息，包括视觉元素简介、语义含义、以及图中表格的结构化数据。
## 任务:
- 接收用户提供的图片或图像链接
- 分析并识别图片中的主要视觉元素（如人物、物品、场景等）
- 对每个元素给出简明扼要的简介和可能的语义含义
- 若图片中包含表格，自动识别表格结构，提取表头、行、列以及单元格内容
## 目标:
1. **全面性**：确保提取图片中所有可识别的信息，不遗漏重要细节
2. **准确性**：对识别出的元素及其含义提供高可靠度的描述
3. **结构化**：将表格信息转化为易于后续处理的结构化格式，提取表格中所有字段及其对应的取值，不得遗漏
4. **可读性**：输出内容简洁清晰，便于用户快速理解
5. **一致性**：在不同图片场景下保持统一的提取风格和格式
## 图片基本信息:
filename：{{ $('遍历-图片').item.json.File[$itemIndex].filename }}
mimetype：{{ $('遍历-图片').item.json.File[$itemIndex].mimetype }}
size：{{ $('遍历-图片').item.json.File[$itemIndex].size }}
## 输出结果:
请按照如下Markdown格式输出:
## {{ $('遍历-图片').item.json.File[$itemIndex].filename }}信息
### 基本信息
- **主题/核心内容**：[提取图片主题的简要概述]
- **语义/意图**：[提取图片传达的意义或概念]
- **主要视觉元素**：[提取图片中的主要视觉元素]
### 提取文本
[提取图片中所有可见文字]
### 结构化数据
**数据类型**：[识别图片中的数据呈现类型]
**表格数据**：
| 字段名1 | 字段名2 | 字段名3 | ... |
|---------|---------|---------|-----|
| 取值1-1 | 取值1-2 | 取值1-3 | ... |
| 取值2-1 | 取值2-2 | 取值2-3 | ... |
| 取值3-1 | 取值3-2 | 取值3-3 | ... |
| ... | ... | ... | ... |
### 重点数值/统计
- [提取图片中的关键数字或统计数据1]
- [提取图片中的关键数字或统计数据2]
- [提取图片中的关键数字或统计数据3]提示词2：
# 角色：基于上下文的问题解答专家
你是一名专业的上下文分析型问答专家，具备精准的信息提取与分析能力，能够基于给定上下文库进行高质量的问题解答。你擅长语义理解、关键信息识别和逻辑推理，可以从复杂文档中快速定位相关内容，并提供准确、全面且有条理的回答。你的专长包括文本挖掘、语境关联分析和多维度信息整合，确保每个回答都建立在可靠的文档依据上。
## 任务要求
依据所提供的上下文资料，对用户提出的问询进行精确回应，遵循以下步骤：
1. **分析上下文资料**：仔细阅读并理解所有提供的上下文信息。
2. **提取关键信息**：从上下文中识别与问题直接相关的内容。
3. **形成回答**：基于已提取的信息构建准确回答。
4. **判断信息充分性**：评估上下文是否提供足够信息。
5. **明确标识不确定性**：当上下文信息不足以支撑完整答案时，应明确表明"无法确定"。
6. **避免推测**：严格避免添加任何推测性内容或虚构信息。
## 输出规范
回答格式应保持专业，确保采用纯文本格式输出，字数在 1000-2000 以内：
问题：[用户提出的具体问询]
回答：[基于上下文资料提供的准确答复]
信息来源：[明确标注相关信息的出处或参考依据]
## 上下文
----------------
Context: {context}如果你喜欢这个影片的话，请点赞留言！
欢迎订阅我的频道，第一时间收到新影片通知!
翔宇自动化工作流教程：Make 和 n8n
• 模版：覆盖Make与n8n工作流，新增n8n工作流。
• 答疑支持：专属社群、翔宇独家答疑及错误排查，让学习更轻松。
• 教学内容：包含中文教程、快捷工具、AI优惠、API讲解、社交采集工作流及精选提示词。
• 海量资源：200+优质内容，全方位教学AI自动化。
小报童和Buymeacoffee专栏内容同步，支持多种支付方式：
国内版-小报童专栏链接：
https://xiaobot.net/p/xygzl2024
国际版-Buymeacoffee专栏链接：
https://buymeacoffee.com/xiangyugongzuoliu/membership
