Integracja Qdrant z n8n – prosty interfejs do bazy wektorowej

🔧 Wprowadzenie

Qdrant to wydajna baza danych wektorowych, doskonała do wyszukiwania semantycznego i tworzenia aplikacji AI. Jednak nie posiada natywnego interfejsu GUI – dlatego możemy połączyć ją z n8n, narzędziem automatyzującym przepływy danych bez potrzeby programowania.

🎯 Co osiągniemy?

Zbudujemy prosty flow w n8n do komunikacji z Qdrant
Wyślemy dane JSON do kolekcji wektorów przez HTTP
W przyszłości możemy dodać wektory z AI (np. OpenAI, embedding)

✅ Krok 1: Uruchom n8n

Upewnij się, że masz zainstalowane i działające n8n (np. jako kontener Docker lub przez aplikację w TrueNAS SCALE).

Wejdź do panelu n8n w przeglądarce i utwórz nowy workflow.

✅ Krok 2: Dodaj pierwszy node – HTTP Request

Kliknij + i wybierz HTTP Request
Ustaw metodę: POST
W URL wpisz:
http://adres-ip-serwera:6333/collections/example_collection/points
Ustaw Content Type: JSON
W sekcji „Body Parameters” wklej przykładowe dane:

{
  "points": [
    {
      "id": 1,
      "vector": [0.1, 0.2, 0.3, 0.4],
      "payload": {
        "title": "Ustawa o podatku",
        "content": "Podatek VAT wynosi 23%..."
      }
    }
  ]
}

✅ Krok 3: Uruchom i przetestuj

Kliknij „Execute Node”
Jeśli wszystko działa, otrzymasz odpowiedź JSON z ID punktu

📌 Uwaga: kolekcja musi istnieć!

Zanim wyślesz dane, stwórz kolekcję np. przez Swagger UI (/docs) lub osobny node typu POST:

{
  "name": "example_collection",
  "vectors": {
    "size": 4,
    "distance": "Cosine"
  }
}

Wyślij to pod: http://adres-ip:6333/collections

🧠 Co dalej możesz zrobić?

Dodawać dokumenty embedowane przez AI (OpenAI, HuggingFace)
Tworzyć własny interfejs formularza (np. w WordPress + Webhook → n8n → Qdrant)
Budować semantyczne wyszukiwarki, chatboty, agenty AI

📦 Zaawansowane funkcje Qdrant + n8n

Wyszukiwanie wektorowe (Vector Search)
Filtrowanie po metadanych (payload)
Eksport i backup kolekcji

📌 Podsumowanie

Połączyliśmy Qdrant z n8n przy pomocy HTTP Request
Dodaliśmy dane wektorowe z tytułem i treścią
Stworzyliśmy bazę gotową do użycia w AI i aplikacjach RAG

W kolejnych krokach możemy dodać konwersję tekstu na wektory (OpenAI Embeddings), podłączyć webhook z formularza WordPressa, lub stworzyć UI do wyszukiwania semantycznego. Który kierunek wybierasz?

Integracja Qdrant z n8n – prosty interfejs do bazy wektorowej