Recursos · Integración n8n

Nodo Embeddings OpenAI n8nConfigura Embeddings OpenAI en n8n.

Una base vectorial no lee texto, compara números. El nodo Embeddings OpenAI n8n fabrica esos números: un subnodo con 7 parámetros, sin entrada principal, que se engancha al puerto de embeddings de un nodo raíz. Pensado para quien monta un buscador interno o un chatbot documental.

Probar el nodo Embeddings OpenAI en n8nVer los 7 parámetros

Reseñas verificadas en Trustpilot · Agencia de IA, automatización y growth

Por qué automatizar

¿Para qué sirve el nodo Embeddings OpenAI n8n?

Convierte texto en embeddings, vectores que permiten a una base comparar significado en lugar de buscar palabras idénticas. Nunca se ejecuta por su cuenta. Se engancha debajo de un nodo raíz que necesita embeddings, ese nodo raíz le pasa el texto y él devuelve los vectores. Desde él no sale ninguna rama hacia el resto del flujo.

El escenario más habitual es indexar documentos. Un Default Data Loader lee el archivo, un Token Splitter lo parte en trozos y un Qdrant Vector Store los guarda. El vector store por sí solo no sabe vectorizar nada: de eso se encarga este nodo, colgado debajo. La plantilla 2846 de n8n.io está armada justo así.

El segundo escenario es preguntar sobre ese índice. Un AI Agent recibe un Vector Store Question Answer Tool, la herramienta consulta la misma base y el mismo nodo de embeddings vuelve a intervenir para vectorizar la pregunta igual que se vectorizaron los documentos. Si cambias de modelo o de dimensions entre un momento y otro, las comparaciones dejan de tener sentido.

El tercero es más discreto: un boletín que ordena artículos por cercanía antes de redactar nada. La plantilla 3986 junta un agente, un Simple Vector Store, contenido RSS y Gmail al final.

¿Cuándo conviene otra cosa? Si lo que buscas es una respuesta redactada, una transcripción o una imagen, este nodo no pinta nada y el que necesitas es el nodo OpenAI. Embeddings OpenAI hace una sola tarea y no expone ninguna operación, solo opciones.

Conviene conocer los límites antes de apostar por él. El catálogo registra una única versión, la versión 1, y toda su superficie cabe en los 7 parámetros de abajo. No hay reintento automático, ni troceado, ni limpieza de texto más allá de Strip New Lines: el tamaño de los trozos se ajusta en el splitter, no aquí. Y el proveedor del modelo cobra sus propias llamadas de API según sus condiciones, sin que n8n añada nada. Para mirar la plataforma con más perspectiva, la Reseña n8n y el Curso n8n entran en detalle.

Conexión

¿Qué hay que conectar antes de que funcione?

  1. 01

    Abrir el menú Credentials

    El nodo lee una credential de OpenAI, es decir, unas claves guardadas en n8n y no dentro del flujo. Se crea una sola vez desde el menú Credentials y la reutilizan todos los flujos de la instancia, incluidos los nodos de modelo de chat que van al lado en un montaje documental. Exportar el flujo nunca se lleva la clave consigo.

  2. 02

    Pegar la clave de API

    La ficha de credential de OpenAI es la misma que usan los demás nodos de OpenAI. Si ya creaste una para un modelo de chat, selecciónala y listo. Si no, la clave se genera en el lado de OpenAI y se pega en el formulario de n8n. Recuerda que el proveedor cobra sus llamadas de API según sus propias condiciones; n8n no revende nada ni aplica ningún margen.

  3. 03

    Enganchar el nodo a un nodo raíz

    Coloca el nodo en el lienzo y únelo al puerto de embeddings de un vector store o de otro nodo raíz. Mientras ese enlace no exista, el nodo no tiene dónde entregar sus vectores y el flujo no lo ejecuta. No hay ninguna flecha de entrada principal que dibujar, solo esa conexión bajo el nodo raíz.

Conexiones

¿Dónde se engancha este subnodo?

n8n reparte el trabajo de IA entre un nodo raíz, que recibe los items del flujo, y subnodos colgados de sus puertos, un tipo de subnodo por puerto. Este es un subnodo y no tiene entrada principal alguna.

Salida (dónde se conecta)

  • Embeddingsai_embedding
01EmbeddingsEl nodo expone un único puerto de salida, de tipo ai_embedding. Un nodo raíz que indexa o consulta documentos abre debajo una ranura de embeddings, y este nodo es el que la ocupa.

El nodo expone un único puerto de salida, de tipo ai_embedding. Un nodo raíz que indexa o consulta documentos abre debajo una ranura de embeddings, y este nodo es el que la ocupa.

Parámetros clave

  • Required: el nodo nunca se ejecuta solo, así que el puerto debe estar unido a un nodo raíz antes de ejecutar nada.
Casos de uso
las plantillas publicadas enseñan las dos caras de ese enlace. Un Qdrant Vector Store sostiene la indexación y la consulta en los flujos 2846 y 2845, un Simple Vector Store hace lo mismo en memoria en el flujo 3986, y un Vector Store Question Answer Tool cuelga de un agente cuando el índice se lee en lugar de construirse. Un bot de soporte que lee una carpeta de Google Drive usa este nodo en ambas fases.
Parámetros

¿Qué parámetro tocas y en qué momento?

El nodo Embeddings OpenAI tiene 7 parámetros. Para cada uno: el nodo tal como lo configuras en n8n, qué cambia el parámetro y nuestras notas de campo.

01

Model

model

Lo que ves en n8n

Notas y casos de uso

Es el único ajuste que cambia la naturaleza misma de los vectores. Señala el modelo que genera los embeddings; todo lo demás del nodo solo decide cómo sale la petición.

Parámetros clave

  • Model: se elige en la lista de opciones del panel y tiene que ser el mismo en la pasada que indexa los documentos y en la que los busca.
Casos de uso
una base de conocimiento que se reconstruye entera es el momento adecuado para cambiar de modelo, porque todos los vectores se reemplazan en la misma pasada y no queda nada en el formato viejo.
02

Dimensions

options.dimensions

Lo que ves en n8n

Notas y casos de uso

Un vector tiene una longitud, y esta opción la fija. Menos dimensiones es un índice más pequeño de almacenar; más dimensiones es una distinción más fina entre dos párrafos que se parecen.

Parámetros clave

  • Dimensions: el número de dimensiones de los embeddings resultantes, entre 256, 512, 1024, 1536 y 3072, y solo compatible con los modelos text-embedding-3 y posteriores.
Casos de uso
un catálogo de productos con descripciones muy parecidas agradece un valor alto, mientras que un índice de respuestas tipo cortas casi nunca lo necesita.
03

Base URL

options.baseURL

Lo que ves en n8n

Notas y casos de uso

Por defecto las peticiones salen hacia OpenAI. Rellena este campo y salen hacia otro sitio, que es justo lo que hace falta cuando el endpoint no es OpenAI.

Parámetros clave

  • Base URL: sustituye la URL base por defecto de la API, y la documentación remite a este campo cuando ejecutas un modelo compatible con OpenAI autoalojado.
Casos de uso
una empresa que guarda sus textos en su propia red levanta un endpoint compatible dentro de casa y apunta aquí, sin tocar nada más del flujo.
04

Batch Size

options.batchSize

Lo que ves en n8n

Notas y casos de uso

Los documentos no viajan de uno en uno salvo que tú lo pidas. Este número marca el máximo de documentos que van en cada petición, y con él la cantidad de idas y venidas que cuesta levantar un índice grande.

Parámetros clave

  • Batch Size: un número, que se sube para acelerar una importación masiva y se baja cuando el proveedor empieza a rechazar peticiones demasiado pesadas.
Casos de uso
indexar un PDF largo partido en cientos de trozos es donde este ajuste se nota; con unas pocas preguntas de chat, la diferencia no se aprecia.
05

Strip New Lines

options.stripNewLines

Lo que ves en n8n

Notas y casos de uso

Los saltos de línea no aportan nada a un embedding, pero ocupan sitio en el texto que se envía. Este interruptor los quita antes de que salga la petición, y n8n lo deja activado de serie.

Parámetros clave

  • Strip New Lines: quita o no los saltos de línea del texto de entrada, activado salvo que decidas lo contrario.
Casos de uso
el texto raspado de una página web llega lleno de saltos sueltos, así que mejor dejarlo activado; solo se apaga si el formato del texto forma parte de lo que quieres comparar.
06

Timeout

options.timeout

Lo que ves en n8n

Notas y casos de uso

Una petición que se queda colgada bloquea toda la ejecución que viene detrás. Este valor pone tope a lo que el nodo espera antes de rendirse, expresado en segundos.

Parámetros clave

  • Timeout: tiempo máximo que se permite a una petición, en segundos, con -1 para no poner ningún límite.
Casos de uso
una indexación lanzada de madrugada puede permitirse un valor generoso, mientras que un chatbot que responde en un hilo de Slack conviene que falle pronto antes que dejar a alguien esperando.
07

Encoding Format

options.encodingFormat

Lo que ves en n8n

Notas y casos de uso

Los vectores tienen que volver por la red con alguna forma, y este selector decide cuál. Afecta al transporte, no al significado de los números.

Parámetros clave

  • Encoding Format: el formato en el que se devuelven los embeddings, o bien float, o bien base64.
Casos de uso
en un montaje normal con un vector store no se toca; solo se busca cuando la pieza que recibe los datos expresa una preferencia sobre cómo llega el payload.
Necesitas ayuda

¿Necesitas ayuda para automatizar Embeddings OpenAI con n8n?

El equipo te responde directamente.

Cada mensaje lo lee una persona.

FAQ

Lo que se pregunta después

01¿El nodo Embeddings OpenAI viene incluido en n8n?
Sí. Forma parte del paquete de IA de n8n, @n8n/n8n-nodes-langchain, que se entrega con n8n. No hay nada que instalar ni sobrecoste alguno por el lado de n8n, tanto en n8n Cloud como en una instancia autoalojada con la Community Edition bajo licencia Sustainable Use. Lo que no es gratis es el lado del modelo: OpenAI cobra sus propias llamadas de API según sus condiciones, igual que si la llamada saliera de cualquier otro sitio. n8n no añade comisión encima, y autoalojar la instancia no cambia cómo contabiliza el proveedor tu consumo.
02¿Qué hace falta para que funcione?
Dos cosas. Una credential de OpenAI, creada una vez desde el menú Credentials y reutilizable en todos los flujos de la instancia, y un nodo raíz al que engancharse. El nodo es un subnodo: no tiene entrada principal, jamás se ejecuta aislado y, mientras su puerto de embeddings no esté unido a algo como un vector store, sencillamente no arranca. En el nodo no hay selector de autenticación, así que la credential resume toda la configuración. Si ya tienes una credential de OpenAI creada para un modelo de chat, sirve tal cual.
03¿Qué límites tiene el nodo Embeddings OpenAI n8n?
Hace una sola cosa y expone 7 parámetros para afinarla. El catálogo registra una única versión, la versión 1, así que no hay variante antigua ni nueva con otras opciones. Partir el texto no es su trabajo, eso corresponde a un nodo splitter colocado antes del loader. No hay reintento incorporado, ni caché de vectores entre ejecuciones, ni forma de mezclar dos modelos en un mismo índice. Cambiar Model o Dimensions después de indexar deja los vectores viejos sin comparación posible con los nuevos, y solo una reconstrucción completa lo arregla bien.
04¿Qué hay que conectar como mínimo para empezar?
Un nodo raíz con puerto de embeddings y este nodo colgado debajo. Para una primera prueba, un Simple Vector Store lo guarda todo en memoria y te da una búsqueda que funciona sin instalar ninguna base de datos: es la forma que usa la plantilla 3986. Cuando la idea se sostiene, un Qdrant Vector Store toma el relevo, y las plantillas 2846 y 2845 lo enseñan junto a un AI Agent y una herramienta de preguntas y respuestas. Añade el splitter y el data loader antes del store, y mantén el mismo modelo al indexar y al consultar.
05¿n8n o Make para este tipo de flujo con IA?
Depende de dónde deban vivir los datos y de cómo quieras pagar. Make está alojado por Make, sin opción de autoalojamiento, y factura por operación: es previsible, pero sube deprisa cuando una sola indexación dispara una cascada de llamadas pequeñas. n8n corre en n8n Cloud o en tu propio servidor, de modo que los documentos que vectorizas pueden quedarse dentro de tu red, y el modelo de subnodos te da control directo sobre el modelo y sus opciones. Make resulta cómodo cuando lo que prima es la lógica visual y nada necesita quedarse en casa.
Hack'celeration Lab

Recibe nuestros tips de integración cada semana.

Sin spam. Cancela cuando quieras.

Misma plataforma

Otros docs útiles sobre este stack.

Ver todas las integraciones