使用 n8n中的RAG技术，对公司数据运行LLM助手

某公司员工在 n8n 项目中使用了多个 LLM 助手，用于处理 AutoCAD Forge API 调用、解析、嵌入以及跨公司数据的 RAG 处理。

具体怎么做

在一家 n8n 项目中，评论者表示他们设置了多个 LLM 助手，这些助手负责处理 AutoCAD Forge API 调用，并通过解析、嵌入及 RAG 技术处理公司信息。他们认为该系统比 Python 项目更容易启动，但指出 LLM 有时会将请求导向错误的 Supabase，且经常需要人工处理修改后的工程图纸和所需的 SMP 方案。

做到了什么

在大部分工作中效果相当不错，但反馈显示情况不一：API 工作非常繁琐，信息在助手之间传播不畅，且用 n8n 构建 RAG/解析机制比用 Python 更困难。

上手要点

他们的主要缺点在于权衡：n8n 开始使用较为简单，但他们表示，通过 Python 脚本在几小时内就能完成部分 Forge API 工作。