n8n 內建 Qdrant Vector Store 節點，這代表你完全不用寫程式，就能把「文件 → 向量化 → 存入 Qdrant → AI 依資料回答」整條 RAG 流程拉出來。如果你的 n8n 也在 RoamerHost 上，兩台服務在同一個機房，內網延遲極低。
事前準備
- 一台 n8n（RoamerHost 或自架皆可）
- 一台 Qdrant：開通後記下端點與 API 金鑰
- 一把 embedding 模型的 API 金鑰（OpenAI 或其他）
1. 在 n8n 建立 Qdrant 憑證
n8n 左側 Credentials → 新增「Qdrant API」：Qdrant URL 填你的端點（https://qdr-xxxx.roamerhost.com），API Key 填控制台顯示的金鑰。存檔時 n8n 會自動測試連線。
2. 建立「文件入庫」流程
- 觸發：用 Form Trigger（手動上傳檔案）或 Google Drive Trigger（資料夾有新檔自動處理）
- Qdrant Vector Store 節點：模式選「Insert Documents」，collection 名稱自訂（例如
company-docs） - 掛上 Embeddings 子節點（例如 OpenAI Embeddings）與 Text Splitter 子節點（建議 chunk size 500–1000、overlap 50–100）
跑一次流程，文件就會被切段、向量化、寫進 Qdrant。
3. 建立「AI 問答」流程
- 觸發：Chat Trigger（n8n 內建聊天介面）或 Webhook（接你自己的網站、LINE、Telegram）
- AI Agent 節點：模型選你慣用的 LLM
- 在 Agent 的 Tools 掛上 Qdrant Vector Store（模式選「Retrieve Documents (As Tool)」，指向同一個 collection）
完成後問它公司相關的問題，Agent 會先到 Qdrant 撈相關段落再回答，答案有憑有據；問到資料裡沒有的東西，它會說不知道，而不是亂編。
常見問題
搜尋結果不準？先檢查入庫和查詢用的是不是同一個 embedding 模型——模型不同，座標系就不同，一定搜不準。其次調整 chunk size：段落切太大雜訊多，切太小語意不完整。
要更新文件怎麼辦？重跑一次入庫流程即可；若要避免重複，入庫前先用 Qdrant 節點的 delete 模式清掉舊資料，或在 payload 裡記錄文件版本。
想找人幫你做？
這些流程要是不想自己搭，或是規模大到需要有人一起規劃，浪花科技（RoamerHost 的母公司）承接企業流程自動化與 AI Agent 的委託開發：
