hotels/N8N_SETUP.md

🤖 НАСТРОЙКА AI AGENT В n8n ДЛЯ АУДИТА ОТЕЛЕЙ

📋 ФАЙЛЫ ДЛЯ НАСТРОЙКИ:

1. prompt.txt (21 KB) - Полный системный промпт
2. prompt_short.txt (2.1 KB) - Краткий промпт (если не влезет полный)
3. questions_17.txt (3 KB) - 17 вопросов в текстовом формате
4. questions_17.json (6.1 KB) - 17 вопросов в JSON формате

---

🔧 ПОШАГОВАЯ НАСТРОЙКА n8n:

ШАГ 1: Создай AI Agent Node

1. Добавь ноду "AI Agent"
2. Выбери модель: Ollama (или GPT-4o-mini)
3. В поле "System Message" вставь содержимое из prompt_short.txt

ШАГ 2: Подключи Vector Store

1. Добавь ноду "Postgres Vector Store"
2. Настрой подключение к БД:
   • Host: 147.45.189.234
   • Port: 5432
   • Database: default_db
   • User: gen_user
   • Password: 2~~9_^kVsU?2^S
3. Укажи таблицу: hotel_website_chunks
4. Колонка с эмбеддингами: embedding
5. Колонка с текстом: text

ШАГ 3: Создай Loop для 17 вопросов

1. Добавь ноду "Code" с содержимым из questions_17.json
2. Код для генерации 17 items:

const questions = $input.item.json.questions;
return questions.map(q => ({ json: q }));

3. Подключи к "Loop Over Items"

ШАГ 4: Настрой AI Agent в Loop

Для каждого вопроса:

1. AI Agent получает вопрос из {{ $json.question }}
2. AI Agent ищет в Vector Store
3. AI Agent возвращает ответ в формате:

   ✅ ДА, найдено.
   📄 Цитата: "..."
   🔗 URL: https://...
   📊 Детали: ...
   

ШАГ 5: Обработка ответов

Добавь ноду "Code" для парсинга ответов:

const answer = $input.item.json.output;

// Проверка на наличие информации
const isFound = answer.includes('✅ ДА') || answer.includes('найдено');
const isNotFound = answer.includes('❌ НЕТ') || answer.includes('не найдено');

// Извлечение цитаты
const quoteMatch = answer.match(/📄 Цитата: "(.+?)"/s);
const quote = quoteMatch ? quoteMatch[1] : '';

// Извлечение URL
const urlMatch = answer.match(/🔗 URL: (.+)/);
const url = urlMatch ? urlMatch[1].trim() : '';

// Оценка
let score = 0.0;
if (isFound && quote && url) {
  score = 1.0;
} else if (isFound && quote) {
  score = 0.5;
} else if (isNotFound) {
  score = 0.0;
} else {
  score = 0.2;
}

return {
  json: {
    criterion_id: $input.item.json.id,
    criterion_name: $input.item.json.name,
    question: $input.item.json.question,
    ai_answer: answer,
    score: score,
    quote: quote,
    url: url,
    is_found: isFound
  }
};

---

📊 СТРУКТУРА WORKFLOW:

┌─────────────────┐
│ Start           │
└────────┬────────┘
         │
         ▼
┌─────────────────────────────┐
│ Code: Load 17 Questions     │
│ (из questions_17.json)      │
└────────┬────────────────────┘
         │
         ▼
┌─────────────────────────────┐
│ Loop Over Items             │
│ (17 вопросов)               │
└────────┬────────────────────┘
         │
         ▼
┌─────────────────────────────┐
│ AI Agent                    │
│ + Postgres Vector Store     │
│ (ищет ответ в chunks)       │
└────────┬────────────────────┘
         │
         ▼
┌─────────────────────────────┐
│ Code: Parse Answer          │
│ (извлекает цитату, URL)     │
└────────┬────────────────────┘
         │
         ▼
┌─────────────────────────────┐
│ Aggregate Results           │
│ (собирает все 17 ответов)   │
└────────┬────────────────────┘
         │
         ▼
┌─────────────────────────────┐
│ PostgreSQL: Save Results    │
│ (сохраняет в БД)            │
└─────────────────────────────┘

---

🎯 КЛЮЧЕВЫЕ ПАРАМЕТРЫ:

AI Agent:

• Temperature: 0.1 (низкая, для точности)
• Max Tokens: 500 (достаточно для ответа)
• Top K: 5 (количество релевантных chunks)

Vector Store:

• Similarity Threshold: 0.7 (порог релевантности)
• Max Results: 5 (максимум результатов)

---

🚀 ЗАПУСК:

1. Импортируй workflow в n8n
2. Укажи hotel_id в начальной ноде
3. Запусти workflow
4. Получи 17 оценок по критериям
5. Сохрани результаты в БД

---

📈 ОЖИДАЕМЫЙ РЕЗУЛЬТАТ:

Для каждого из 17 критериев получишь:

• ✅ Оценка (0.0 - 1.0)
• 📄 Цитата из текста
• 🔗 URL страницы
• 📊 Детали (найденные значения)

---

⚠️ ВАЖНО:

• Критерий #6 "Роскомнадзор (реестр)" проверяется отдельно (не через AI Agent)
• Всего критериев: 18, но AI Agent проверяет только 17
• Итоговый балл: сумма всех 18 критериев (включая #6)

---

🔍 ОТЛАДКА:

Если AI Agent не находит информацию:

1. Проверь подключение к Vector Store
2. Проверь наличие эмбеддингов для отеля в hotel_website_chunks
3. Увеличь Top K до 10
4. Уменьши Similarity Threshold до 0.5
5. Проверь промпт - используй prompt_short.txt

---

📞 ПОДДЕРЖКА:

Если что-то не работает:

1. Проверь логи n8n
2. Проверь что Vector Store подключен
3. Проверь что у отеля есть chunks в БД
4. Проверь формат ответа AI Agent

Удачи! 🚀