Xây dựng quy trình hỏi đáp tài liệu bằng n8n với bước phê duyệt của con người và API tương thích OpenAI

Quyết định: nên đặt bước phê duyệt ở đâu?

Với quy trình hỏi đáp tài liệu, đừng thêm bước phê duyệt của con người chỉ vì có mô hình AI. Hãy đặt bước này ở nơi quy trình có thể truy cập tài liệu nhạy cảm hoặc xuất bản câu trả lời cần được xem xét.

Một thiết kế n8n hữu ích gồm các bước:

1. Nhận câu hỏi.
2. Yêu cầu AI Agent chuẩn bị yêu cầu tìm kiếm tài liệu.
3. Tạm dừng để xin phê duyệt trước khi chạy công cụ tìm kiếm nếu kho tài liệu nhạy cảm, câu hỏi có thể làm lộ nội dung bị hạn chế hoặc thao tác tìm kiếm phát sinh chi phí vận hành.
4. Truy xuất các đoạn văn kèm siêu dữ liệu nguồn.
5. Yêu cầu mô hình chỉ trả lời dựa trên những đoạn văn đó.
6. Trả lời kèm nguồn tham chiếu, hoặc chuyển bản nháp sang bước phê duyệt thứ hai trước khi xuất bản.

Cách này tách biệt ba quyết định thường bị nhầm lẫn: câu hỏi có được chấp nhận hay không, thao tác truy xuất có được phép hay không và câu trả lời do mô hình tạo ra đã sẵn sàng để gửi chưa.

n8n có tài liệu hướng dẫn tính năng xem xét của con người cho các công cụ cụ thể được kết nối với AI Agent. Khi bật tính năng xem xét, quy trình sẽ tạm dừng để người xem xét phê duyệt hoặc từ chối lời gọi công cụ được đề xuất. Xem tài liệu n8n về human-in-the-loop để biết hành vi được hỗ trợ và thông tin chi tiết về kênh phê duyệt.

Điều kiện tiên quyết

Bạn cần có:

• Quy trình n8n với AI Agent và kết nối mô hình.
• Nguồn tài liệu có thể tìm kiếm, chẳng hạn như vector store, cơ sở dữ liệu hoặc dịch vụ tìm kiếm nội bộ. Kết nối cụ thể tùy thuộc vào ứng dụng và không được xác định trong trang n8n được dẫn nguồn.
• Công cụ truy xuất trả về văn bản cùng siêu dữ liệu tài liệu.
• Kênh phê duyệt được cấu hình trong n8n. Tài liệu liệt kê Chat, Slack, Discord, Telegram, Microsoft Teams, Gmail, WhatsApp Business Cloud, Google Chat và Microsoft Outlook là các kênh hiện có.
• Quyền truy cập vào điểm cuối API tương thích OpenAI. OneMux cung cấp quyền truy cập vào các mô hình AI hàng đầu thông qua một API tương thích OpenAI; hãy tham khảo hướng dẫn bắt đầu nhanh của OneMux và tài liệu API để xem thông tin điểm cuối và xác thực hiện hành.

Khả năng tương thích phụ thuộc vào điều kiện cụ thể. Trước khi kết nối n8n, hãy xác nhận điểm cuối đã chọn hỗ trợ định dạng yêu cầu, mã định danh mô hình, phương thức xác thực, hành vi truyền dữ liệu theo luồng, gọi công cụ và các tham số mà node n8n hoặc HTTP request của bạn sử dụng. Bài viết này không khẳng định rằng một mô hình OneMux cụ thể hay cấu hình n8n nào đã được kiểm thử.

Cấu trúc quy trình n8n được đề xuất

Tạo quy trình gồm năm giai đoạn logic:

1. Tiếp nhận và chuẩn hóa câu hỏi

Dùng điểm vào n8n mà bạn chọn để nhận câu hỏi, sau đó chuẩn hóa thành một đối tượng nhỏ gồm câu hỏi của người dùng, ngữ cảnh người dùng hoặc không gian làm việc và bộ lọc phạm vi tài liệu tùy chọn.

Không đưa trực tiếp văn bản người dùng không giới hạn vào chỉ dẫn hệ thống. Hãy giữ câu hỏi dưới dạng dữ liệu và xác định riêng hành vi của agent. Nếu quy trình hỗ trợ ranh giới theo đơn vị thuê bao hoặc phòng ban, hãy truyền các ranh giới đó cho công cụ truy xuất dưới dạng trường được kiểm soát, thay vì để mô hình tự tạo ra chúng.

2. Thêm công cụ tìm kiếm tài liệu

Kết nối công cụ tìm kiếm với AI Agent. Đầu vào của công cụ nên rõ ràng và có phạm vi hẹp, chẳng hạn:

{
  "query": "string",
  "document_scope": "string or controlled value",
  "max_results": "integer"
}

Kết quả tìm kiếm cần giữ lại đủ siêu dữ liệu để tạo trích dẫn hữu ích:

{
  "text": "Approved passage from the document",
  "title": "Document title",
  "url": "Document URL or stable identifier",
  "page": "Page number when available",
  "section": "Section heading when available",
  "chunk_id": "Stable passage identifier"
}

Các tên trường trên là một mẫu triển khai, không phải khẳng định về một lược đồ n8n bắt buộc. Hãy điều chỉnh theo connector hoặc dịch vụ bạn sử dụng. Điều quan trọng là khả năng truy xuất nguồn gốc: bộ tạo câu trả lời phải nhận được cả đoạn văn lẫn thông tin về xuất xứ của đoạn đó.

3. Đặt bước xem xét của con người quanh công cụ đã chọn

Mở bảng Tools của AI Agent, tìm mục Human review, chọn kênh phê duyệt rồi kết nối công cụ tìm kiếm tài liệu với bước xem xét đó. Cấu hình thông tin xác thực và cài đặt của kênh đã chọn trong n8n.

Thông báo gửi cho người xem xét có thể hiển thị hành động được đề xuất và các tham số của hành động đó. Tài liệu n8n mô tả các biến $tool.name và $tool.parameters dùng cho mục đích này. Một thông báo thực tế có thể là:

The AI wants to use {{ $tool.name }} with these parameters:
{{ JSON.stringify($tool.parameters, null, 2) }}

Approve only if the query and document scope are appropriate for this request.

Cách này hữu ích nhất khi người xem xét có thể nhận diện phạm vi rủi ro, chẳng hạn yêu cầu có vẻ như đang tìm kiếm tài liệu của nhóm khác. Với tài liệu công khai thông thường, yêu cầu phê duyệt mọi lượt tìm kiếm có thể gây phiền hà không cần thiết. Trong trường hợp đó, hãy để thao tác truy xuất diễn ra tự động và đặt bước phê duyệt trên một công cụ riêng dùng để xuất bản hoặc gửi câu trả lời cuối cùng.

4. Kết nối điểm cuối mô hình tương thích OpenAI

Cấu hình lớp mô hình bằng điểm cuối và thông tin xác thực do nhà cung cấp tài liệu. Với OneMux, hãy bắt đầu từ hướng dẫn bắt đầu nhanh của OneMux, chọn mô hình hỗ trợ các khả năng mà node n8n của bạn yêu cầu, rồi xác minh mã định danh mô hình và các tham số yêu cầu.

Cấu trúc yêu cầu chung có thể trông như sau, nhưng đây chỉ là ví dụ minh họa, không phải công thức OneMux đã được kiểm thử:

curl https://api.example-provider.invalid/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "YOUR_MODEL_ID",
    "messages": [
      {"role": "system", "content": "Answer only from supplied document passages."},
      {"role": "user", "content": "What does the document say about retention?"}
    ]
  }'

Thay URL, cách quản lý khóa và ID mô hình giữ chỗ bằng các giá trị trong tài liệu hiện hành của nhà cung cấp. Không để lộ thông tin xác thực trong bản xuất quy trình hoặc thông báo phê duyệt mà người dùng có thể xem. Nếu node mô hình của n8n yêu cầu tham số mà điểm cuối không hỗ trợ, hãy dùng cấu hình tương thích hoặc chỉ thiết kế dựa trên HTTP Request khi đáp ứng các yêu cầu về bảo mật và phân tích phản hồi.

5. Bắt buộc dẫn nguồn trong lời nhắc trả lời

Cung cấp cho mô hình các đoạn văn đã truy xuất trong một phần ngữ cảnh được phân định rõ ràng và yêu cầu trích dẫn mọi nhận định quan trọng. Ví dụ:

You answer questions about the supplied documents.

Rules:
- Use only the passages in DOCUMENT_CONTEXT.
- If the passages do not support an answer, say that the documents do not establish it.
- Do not create titles, URLs, page numbers, or quotations.
- Cite each factual answer using the supplied title and page, section, URL, or chunk ID.
- Distinguish a direct statement from an inference.

DOCUMENT_CONTEXT:
{{ JSON.stringify($json.documents) }}

QUESTION:
{{ $json.question }}

Cú pháp biểu thức chính xác tùy thuộc vào cách các node n8n đứng trước đó định dạng dữ liệu. Hãy xem lời nhắc này là một mẫu, không phải bản xuất quy trình có thể dùng ngay.

Thiết kế phê duyệt: truy xuất hay xuất bản

Có hai thời điểm phù hợp để yêu cầu phê duyệt:

Bạn cũng có thể dùng cả hai bước trong quy trình rủi ro cao. Tài liệu n8n cho biết bước xem xét có thể áp dụng cho tất cả công cụ được kết nối với AI Agent hoặc chỉ những công cụ được chọn, qua đó hỗ trợ thiết kế phê duyệt có chọn lọc này. Tài liệu cũng lưu ý rằng việc phê duyệt có thể diễn ra trên một kênh khác với kênh tương tác chính; ví dụ, có thể kết hợp cuộc trò chuyện dành cho người dùng với bước phê duyệt của người xem xét trên Slack.

Lời nhắc hệ thống và cách xử lý khi bị từ chối

Cho agent biết những công cụ nào cần phê duyệt và việc bị từ chối có nghĩa là gì. Nếu người xem xét từ chối tìm kiếm, agent không nên thử lại cùng một lời gọi bằng cách diễn đạt khác hoặc tuyên bố đã tìm thấy bằng chứng. Agent nên giải thích rằng yêu cầu tra cứu chưa được phê duyệt và đưa ra phương án thay thế hẹp hơn, được phép thực hiện nếu có.

Một chính sách ngắn gọn:

The document_search tool requires human approval. If it is denied, do not call it again for the same request. Tell the user that the lookup was not approved. Never answer from memory when document evidence is required.

Điều này phù hợp với hướng dẫn được n8n tài liệu hóa: cần nêu hành vi của công cụ và bước xem xét của con người trong lời nhắc hệ thống để agent xử lý thích hợp khi lời gọi bị từ chối.

Khắc phục sự cố và giới hạn

Yêu cầu phê duyệt thiếu ngữ cảnh hữu ích

Kiểm tra xem đầu vào công cụ có dùng các trường cụ thể hay không, đồng thời bảo đảm thông báo xem xét có $tool.name và $tool.parameters. Tránh giấu phạm vi quan trọng bên trong một chuỗi khó đọc.

Thiếu trích dẫn

Kiểm tra đầu ra truy xuất trước khi chuyển cho mô hình. Nếu node ánh xạ làm mất tiêu đề, URL, trang, mục hoặc mã định danh đoạn văn, mô hình không thể tái tạo chúng một cách đáng tin cậy. Đồng thời, hãy hướng dẫn mô hình từ chối đưa ra nhận định thiếu căn cứ.

Điểm cuối từ chối yêu cầu

Xác minh URL cơ sở, tiêu đề xác thực, ID mô hình, khả năng gọi công cụ, giới hạn ngữ cảnh và tên tham số. Tương thích OpenAI không có nghĩa là giống hệt: cần kiểm tra khả năng tương thích với cả định dạng yêu cầu của n8n lẫn API được nhà cung cấp tài liệu.

Bị từ chối khiến phản hồi trở nên gượng gạo

Thêm chính sách xử lý khi bị từ chối vào lời nhắc hệ thống rồi kiểm thử cả luồng phê duyệt lẫn từ chối. n8n tài liệu hóa phê duyệt và hủy bỏ như hai kết quả riêng biệt; quy trình của bạn cần xử lý cả hai thay vì mặc định rằng công cụ luôn chạy.

Quy trình chạy quá chậm

Dùng phê duyệt có chọn lọc thay vì yêu cầu phê duyệt mọi lượt tìm kiếm rủi ro thấp. Chỉ giữ bước phê duyệt cho thao tác truy xuất nhạy cảm hoặc xuất bản, đồng thời đo lường tác động vận hành trong môi trường của bạn. Không nên mặc định về tốc độ mô hình, chất lượng truy xuất hoặc thời gian chờ phê duyệt nếu chưa kiểm thử.

Lập kế hoạch chi phí và vận hành

Trong trường hợp này, OneMux là một lựa chọn để truy cập mô hình, không phải giải pháp thay thế cho các chức năng kiểm soát quy trình của n8n. Hãy xem giá OneMux hiện hành trước khi chọn mô hình, đồng thời tính đến lượng sử dụng đầu vào và đầu ra, khối lượng truy xuất, các lần thử phê duyệt lặp lại và mọi chi phí của dịch vụ tìm kiếm tài liệu. Mức giá áp dụng tùy thuộc vào mô hình được chọn và điều khoản hiện hành được công bố; bài viết này không đưa ra đơn giá hay cam kết tiết kiệm.

Để theo dõi chi phí và tìm hiểu bối cảnh lựa chọn mô hình, hãy xem danh mục mô hình OneMux. Chỉ chọn mô hình dựa trên các khả năng mà quy trình thực sự cần, đặc biệt là đầu ra có cấu trúc hoặc gọi công cụ.

Kết luận

Một quy trình hỏi đáp tài liệu n8n vững chắc không chỉ là một agent được kết nối với mô hình. Đó là một chuỗi có kiểm soát: truy xuất các đoạn văn được phép truy cập, giữ lại siêu dữ liệu, yêu cầu xem xét tại ranh giới công cụ phù hợp và tạo câu trả lời chỉ trích dẫn bằng chứng mà mô hình nhận được.

Dùng n8n để điều phối và phê duyệt của con người; đồng thời cân nhắc OneMux như một lựa chọn thực tế để truy cập mô hình tương thích OpenAI khi điểm cuối và tham số được tài liệu hóa phù hợp với thiết kế của bạn. Hãy bắt đầu với một kho tài liệu nhỏ, kiểm thử luồng được phê duyệt và bị từ chối, đồng thời xem các nhận định thiếu căn cứ, trích dẫn bị thiếu và tham số không tương thích là lỗi quy trình chứ không phải điều bí ẩn của mô hình.

Nguồn

• n8n: Human-in-the-loop for tools — nguồn về hành vi phê duyệt công cụ, kênh phê duyệt, biểu thức $tool và hướng dẫn xử lý khi bị từ chối.
• Tài liệu OneMux — tài liệu của nhà cung cấp về cách sử dụng API hiện hành và chi tiết tương thích.
• Hướng dẫn bắt đầu nhanh OneMux — điểm khởi đầu để cấu hình điểm cuối và xác thực.
• Giá OneMux — tham khảo giá hiện hành cần kiểm tra trước khi triển khai.