用 n8n + OpenAI + Slack 将笔记转为 RAG 抽认卡

输入学习笔记 → 分块嵌入检索 → LLM 生成问答卡片 → 人工审核后发送至 Slack

给谁

需要把大量学习笔记快速整理成可复习抽认卡的学习者或知识工作者

你会得到

笔记经分块、向量检索、LLM 生成后，输出带 SM-2 间隔重复参数的审核后抽认卡组

你需要

n8n · slack

步骤

1. 配置凭证与基础参数

   在 n8n 中添加 OpenAI 凭证（用于嵌入与聊天补全）和 Slack API 凭证（需 chat:write 权限）。打开 Set - Config 节点，确认 embeddingApiUrl、embeddingModel、chunkSizeChars、chunkOverlapChars、retrievalTopK、similarityThreshold、flashcardCount、defaultTopic、notifyChannel 等字段符合需求。若使用 Webhook 触发，复制 webhook URL 并配置外部系统向该地址 POST 包含 notesText 的数据。

2. 触发、分块并等待主题输入

   通过 Webhook - Notes Submitted 接收笔记，或使用 Manual Trigger - Test Run 手动测试。JS - Chunk Notes & Prepare Embedding Requests 节点将笔记按段落/句子递归分块，保留重叠窗口与 Markdown 标题元数据，输出 chunks 数组。随后 Wait - For Topic/Scope Selection 暂停执行，等待你输入想生成抽认卡的主题或范围。

3. 批量嵌入、MMR 检索与卡片生成

   HTTP Request - Get Embeddings 节点向 OpenAI 发送单次批量请求，获取主题查询与所有分块的嵌入向量。JS - Vector Similarity Search & Context Assembly 计算余弦相似度，过滤阈值后运行 Maximal Marginal Relevance（MMR）循环，选出相关且不冗余的 top-K 分块并拼接为检索上下文。AI - Generate Flashcards from Context 节点调用 OpenAI 聊天模型，基于检索上下文生成 JSON 格式的问答卡片。

   运行提示词 · 来源原文。AI - Generate Flashcards from Context 节点的 text 参数（n8n LLM Chain 节点提示词字段）

   复制提示词

   =You are a study-flashcard writer. Using ONLY the retrieved context below (do not invent facts not present in it), write {{ $('JS - Vector Similarity Search & Context Assembly').item.json.flashcardCount }} high-quality flashcards on the topic: "{{ $('JS - Vector Similarity Search & Context Assembly').item.json.topic }}".
   
   Retrieved context:
   {{ $('JS - Vector Similarity Search & Context Assembly').item.json.retrievedContext }}
   
   Each card should test one clear, specific fact or concept (avoid vague or compound questions). Vary difficulty across the deck. Return ONLY a JSON array (no markdown fences, no commentary), each element an object with keys: question, answer, tags (array of short keyword strings), difficulty ('easy'|'medium'|'hard'), sourceHeading (the heading of the source passage it came from, or null).

4. 验证、人工审核与导出

   JS - Parse, Validate, Dedupe & Assign SM-2 Scheduling 节点安全解析 LLM 返回的 JSON，丢弃缺少 question/answer 的卡片，用 Jaccard 相似度去重，并为每张卡片初始化 SM-2 间隔重复参数（easinessFactor=2.5, intervalDays=0, repetitions=0, nextReviewDate=今天）。Wait - For Flashcard Review & Edits 暂停供人工审核编辑；IF - Review Approved 判断是否通过。通过后进入 Wait - For Export Confirmation 再次确认，IF - Export Approved 为真时由 Slack - Send Flashcard Deck 发送卡片组到指定频道，否则标记为 discarded。

   运行提示词 · 来源原文。Slack - Send Flashcard Deck 节点的 text 参数（Slack 消息内容字段）

   复制提示词

   =🗂️ *Flashcard Deck: {{ $json.topic }}*
   
   *Cards:* {{ $json.flashcardCount }} (deduped {{ $json.duplicatesRemoved }}, dropped {{ $json.invalidCardsDropped }} invalid)
   
   {{ $json.flashcards.map((c, i) => (i+1) + '. Q: ' + c.question + '\n   A: ' + c.answer + '  [' + c.difficulty + ']').join('\n\n') }}

你是一个 n8n 工作流搭建助手。用户想要复现「笔记 → RAG 抽认卡 → Slack」模板。请先确认用户已具备：1) n8n 实例访问权限；2) OpenAI API 密钥；3) Slack bot token（chat:write）。然后引导用户从 n8n.io/workflows/18210 导入模板，检查 Set - Config 中的默认值，按步骤配置凭证，并建议先用 Manual Trigger 测试完整流程。