Nodo Embeddings Google Vertex n8nConfigura Embeddings Google Vertex en n8n.

Piensa en una inmobiliaria con sus condiciones de alquiler repartidas en varios documentos. La búsqueda por palabra clave falla en cuanto alguien pregunta de otra manera. Pasa esos textos por este nodo, guarda los vectores en una base vectorial, y una pregunta sobre la fianza llega al párrafo que habla de depósito. Con una condición: el mismo modelo al indexar y al preguntar, porque si no los números dejan de compararse.

Segundo uso, el asistente interno. El nodo raíz lleva la conversación, este convierte cada pregunta en vector sin que se note, y la base devuelve los fragmentos útiles antes de que se redacte la respuesta. Ese circuito se monta a menudo alrededor del nodo AI Agent, con el contexto recuperado colgando de él.

Tercera vía, sin chat de por medio: clasificar. Llegan fichas de producto desde una hoja de cálculo, se convierten en vectores, se comparan con unos pocos ejemplos ya etiquetados en la base y se devuelve la etiqueta más cercana. Aquí no hace falta ningún modelo de conversación. Es aritmética sobre el significado, y funciona en un flujo programado que lee Google Sheets y publica el resultado en Slack.

¿Cuándo elegir otra cosa? Si la cuenta que ya tienes abierta está en otro proveedor, el lado OpenAI del ecosistema cubre lo mismo, y cambiar más tarde obliga a reindexar todo lo guardado. Mejor decidirlo al principio. Y si tus textos nunca necesitan búsqueda por significado, un filtro sobre campos basta.

Conviene conocer los límites antes de empezar. Este nodo expone 2 parámetros, Project ID y Model Name, y nada más: sin control de lote, sin dimensión de vector, sin opción de reintento en el panel. Al no tener entrada principal, no se puede probar pulsando sobre él. Y Google factura las llamadas a la API de Vertex según tu contrato con ellos, n8n no añade nada encima. Para una mirada general a la plataforma, la Reseña n8n responde aparte.