N8N Nodes: Embeddings Local API

Community node для n8n, позволяющий использовать локальные embedding модели вместо облачных провайдеров.

🚀 Описание

Эта нода позволяет интегрировать собственные embedding модели, запущенные локально, в ваши n8n workflow. Вместо использования платных API (OpenAI, Cohere, etc.) вы можете использовать свои модели для генерации векторных представлений текста.

✨ Возможности

• Локальная обработка: Данные не покидают вашу инфраструктуру
• Экономия: Нет затрат на API calls к внешним сервисам
• Гибкость: Поддержка любых моделей через HTTP API
• Производительность: Оптимизированные локальные модели
• Безопасность: Полный контроль над данными

📦 Установка

Через npm (рекомендуется)

npm install @n8n-community/n8n-nodes-embeddings-local-api

Локальная установка

# Скачайте репозиторий
git clone https://github.com/your-repo/n8n-nodes-embeddings-local-api.git
cd n8n-nodes-embeddings-local-api

# Установите зависимости
npm install

# Соберите
npm run build

# Установите в n8n
cd /path/to/n8n
npm install /path/to/n8n-nodes-embeddings-local-api

🔧 Настройка

1. Запуск локального embedding API

Используйте предоставленный embedding API:

cd embedding-api
pip install -r requirements.txt
python app.py

API будет доступен по адресу: http://localhost:8080

2. Настройка ноды в n8n

1. Добавьте ноду "Embeddings Local API" в workflow
2. Укажите Base URL: http://localhost:8080
3. Настройте параметры (опционально):
   • Normalize: true
   • Batch Size: 32

3. Подключение к Vector Store

Embeddings Local API → Postgres PGVector Store

📚 Использование

Базовый пример

{
  "nodes": [
    {
      "name": "Local Embeddings",
      "type": "@n8n-community/n8n-nodes-embeddings-local-api.embeddingsLocalAPI",
      "parameters": {
        "baseURL": "http://localhost:8080",
        "options": {
          "normalize": true,
          "batchSize": 32
        }
      }
    }
  ]
}

С Vector Store

{
  "nodes": [
    {
      "name": "Document Input",
      "type": "n8n-nodes-base.manualTrigger"
    },
    {
      "name": "Local Embeddings",
      "type": "@n8n-community/n8n-nodes-embeddings-local-api.embeddingsLocalAPI",
      "parameters": {
        "baseURL": "http://localhost:8080"
      }
    },
    {
      "name": "Vector Store",
      "type": "n8n-nodes-langchain.vectorStorePGVector",
      "parameters": {
        "mode": "insert",
        "tableName": "documents"
      }
    }
  ],
  "connections": {
    "Document Input": { "main": [[{ "node": "Local Embeddings" }]] },
    "Local Embeddings": { "ai_embedding": [[{ "node": "Vector Store" }]] }
  }
}

🔌 API спецификация

Endpoint: POST /embed

Запрос:

{
  "input": "Текст для векторизации",
  "normalize": true
}

Ответ:

{
  "embeddings": [[0.123, 0.456, ...]],
  "count": 1,
  "dimensions": 312,
  "processing_time": 0.234,
  "cached": false
}

Batch обработка

{
  "input": ["Текст 1", "Текст 2", "Текст 3"],
  "normalize": true
}

⚙️ Параметры

Параметр	Тип	По умолчанию	Описание
Base URL	string	http://localhost:8080	URL API сервера
Normalize Embeddings	boolean	true	Нормализация векторов
Batch Size	number	32	Размер пакета

🐛 Устранение неполадок

"Connection refused"

# Проверьте статус API
curl http://localhost:8080/health

# Проверьте порт
netstat -tlnp | grep :8080

"Invalid response format"

• Убедитесь, что API возвращает правильный JSON
• Проверьте логи embedding сервера

"Timeout"

• Увеличьте timeout в настройках n8n
• Проверьте производительность API

🔒 Безопасность

• Используйте HTTPS в продакшене
• Ограничьте доступ к API endpoint
• Регулярно обновляйте зависимости
• Мониторьте логи доступа

📊 Производительность

• Модель: RuBERT-tiny2
• Размерность: 312 измерений
• Время обработки: ~0.2-0.5 сек на текст
• Batch processing: До 1000 текстов за раз

🤝 Совместимость

• n8n: >= 1.0.0
• Node.js: >= 18.0.0
• Python: >= 3.8 (для API сервера)

📄 Лицензия

MIT License - см. файл LICENSE для деталей.

🆘 Поддержка

• 📧 Email: your.email@example.com
• 🐛 Issues: GitHub Issues
• 📖 Docs: Полная документация

---

Примечание: Эта нода не заменяет встроенные embedding ноды n8n, а дополняет их, предоставляя возможность использования локальных моделей.