Recursos · Integración n8n

Nodo Recursive Character Text Splitter n8nConfigura Recursive Character Text Splitter en n8n.

Un buscador documental vale lo que vale su troceado. El nodo Recursive Character Text Splitter n8n corta de forma recursiva: primero por párrafos, luego por frases, luego por palabras. Tres campos que ajustar, un puerto que conectar, y nada se ejecuta sin un nodo raíz delante.

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

Por qué automatizar

¿Qué hace el nodo Recursive Character Text Splitter n8n?

Toma el texto que le entrega un loader y lo parte en trozos (los « chunks ») del tamaño que tú marcas, cortando donde el texto ya se corta solo. El párrafo se mantiene entero mientras quepa, después la frase, después la palabra. Partir una palabra por la mitad es el último recurso, y por eso n8n lo recomienda para la mayoría de los casos.

Caso uno, la base documental de la empresa. Un Default Data Loader lee los documentos que el flujo de trabajo ha recogido, este nodo los trocea y los chunks pasan a vectorizarse y guardarse. Cuando un AI Agent conteste las preguntas del equipo, leerá esos trozos. Un chunk que se corta en mitad de una definición se recupera mal por muy bueno que sea el modelo.

Caso dos, el informe larguísimo que nadie abre. Una Summarization Chain no lo procesa de una sola vez: trabaja por tandas. El splitter fabrica esas tandas y Chunk Overlap impide que una frase repartida entre dos trozos quede amputada. El modelo llega de un proveedor como OpenAI, que cobra sus propias llamadas de API según sus condiciones.

Caso tres, un asistente interno que consulta documentación técnica a través de un AI Agent Tool. Aquí el campo que importa es Options: si el material está escrito en Markdown, Split Code hace que el corte siga los títulos y los bloques de código en vez de adivinar dónde acaba un párrafo.

¿Cuándo conviene otra cosa? Un troceado que corta cada N caracteres, sin mirar el contenido, deja trozos de longitud idéntica y eso da previsibilidad, pero parte frases por la mitad sin miramientos. El recursivo renuncia a esa regularidad para no romper el sentido, y ese cambio compensa lo bastante a menudo como para ser la opción por defecto. La otra alternativa es no trocear nada: una fila de Google Sheets o un ticket corto ya cabe entero.

Dos límites antes de conectar. El nodo cuenta caracteres, no tokens (las unidades que procesa y factura un modelo), así que un tamaño válido con un proveedor puede desbordar con otro. Y en la versión 1 expone tres campos y una sola opción, nada sobre metadatos ni encabezados. El Curso n8n trabaja estos ajustes sobre flujos reales.

Conexiones

¿A qué se conecta este troceador?

En los flujos de IA, n8n separa el nodo raíz, que se ejecuta sobre los items, de los subnodos conectados a sus puertos: este es un subnodo, así que no hace nada mientras un nodo raíz no lo llame.

Salida (dónde se conecta)

  • Text Splitterai_textSplitter
01Text SplitterEl nodo no tiene entrada principal, solo un puerto, Text Splitter. Se arrastra un cable desde ahí hasta un nodo raíz que acepte troceador, y ese raíz decide cuándo llamarlo y qué texto entregarle.

El nodo no tiene entrada principal, solo un puerto, Text Splitter. Se arrastra un cable desde ahí hasta un nodo raíz que acepte troceador, y ese raíz decide cuándo llamarlo y qué texto entregarle.

Parámetros clave

  • Optional: un nodo raíz admite un troceador en ese puerto y este es uno de los candidatos, no una obligación.
  • Default Data Loader: convierte los documentos de un item en texto y pasa cada documento por el troceador antes de vectorizar.
  • Summarization Chain: necesita el texto largo ya cortado para resumirlo en varias pasadas.
Casos de uso
un flujo de indexación se queda con su troceador y otro de resúmenes usa el suyo, ajustado más ancho.
Parámetros

¿Qué campos ofrece el nodo?

El nodo Recursive Character Text Splitter tiene 3 parámetros. Para cada uno: el nodo tal como lo configuras en n8n, qué cambia el parámetro y nuestras notas de campo.

01

Chunk Size

chunkSize

Lo que ves en n8n

Notas y casos de uso

Este campo fija cuántos caracteres entran en un trozo. Es un techo, no una longitud exacta: el nodo rellena hasta ese número y luego retrocede hasta el corte natural más cercano por debajo.

Parámetros clave

  • Chunk Size: cuenta caracteres, no palabras ni tokens, algo que conviene recordar al compararlo con la ventana de contexto de un modelo.
Casos de uso
en un centro de ayuda donde cada respuesta se entiende sola, un tamaño pequeño deja una respuesta por trozo. En un contrato, uno más amplio mantiene juntas una cláusula y sus excepciones.
02

Chunk Overlap

chunkOverlap

Lo que ves en n8n

Notas y casos de uso

El solape repite el final de un trozo al principio del siguiente. Sin él, una frase que cae justo en la frontera se parte en dos y ninguna mitad contiene la afirmación completa, que es como una búsqueda acaba fallando sobre un pasaje que sí está en el documento.

Parámetros clave

  • Chunk Overlap: cuenta caracteres copiados del trozo anterior; mantenlo bastante por debajo de Chunk Size, porque ese texto repetido consume el mismo presupuesto.
Casos de uso
un procedimiento que sigue de una página a otra se lee entero, porque sus últimos pasos reaparecen arriba del trozo siguiente.
03

Options

options

Lo que ves en n8n

Notas y casos de uso

Options es una colección vacía hasta que le añades algo. Guarda el ajuste que cambia dónde busca el nodo sus puntos de corte; si la dejas cerrada, el comportamiento sigue siendo el de la prosa normal.

Parámetros clave

  • Options: la colección en sí, que se abre con Add Option y no trae nada relleno.
  • Split Code: elige un lenguaje como python, markdown, html o java y el corte sigue esa sintaxis en lugar de los párrafos.
Casos de uso
indexar un repositorio, para que una función se quede en un solo trozo junto a su firma.
Necesitas ayuda

¿Necesitas ayuda para automatizar Recursive Character Text Splitter con n8n?

El equipo te responde directamente.

Cada mensaje lo lee una persona.

FAQ

Lo que se pregunta la gente antes de conectarlo

01¿El nodo Recursive Character Text Splitter n8n es gratis?
Sí. Pertenece al paquete de IA que viene con n8n, así que no hay nada que instalar ni nada extra que pagar del lado de n8n, ni en n8n Cloud ni en una instancia autoalojada con la Community Edition y su licencia Sustainable Use. El flujo se comporta igual en ambos sitios. La única factura llega de otro lado: el proveedor del modelo de chat o de vectorización conectado al nodo raíz cobra sus propias llamadas de API según sus condiciones, y n8n no añade nada encima. Trocear texto no cuesta nada por sí mismo, porque ocurre dentro de tu instancia antes de cualquier llamada.
02¿Qué hace falta configurar para que funcione?
Nada que autenticar, y merece la pena decirlo. Este nodo no tiene credential (el juego de credenciales que guarda n8n) ni selector Authentication: ninguna cuenta que conectar, ninguna clave que pegar. La clave del proveedor vive en el subnodo de modelo conectado al mismo nodo raíz, no aquí. Lo que sí necesitas es un nodo raíz delante: un Default Data Loader en un flujo de indexación, o una Summarization Chain. Arrastra el cable desde el puerto Text Splitter hasta ese raíz, ajusta Chunk Size y Chunk Overlap, y el nodo queda listo para trabajar.
03¿Qué límites tiene este nodo?
Cuenta caracteres, no tokens, así que un tamaño que cabe en la ventana de contexto de un modelo puede desbordar en otro. En la versión 1 expone tres campos, con una sola opción dentro de la colección, Split Code. No hay forma de cortar por metadatos, repetir un encabezado en cada trozo ni razonar en frases en vez de caracteres. Tampoco se ejecuta solo: sin entrada principal, no pasa nada mientras ningún nodo raíz lo llame. Un flujo antiguo puede mostrar una versión anterior del nodo, con menos opciones, así que mira lo que indica el panel.
04¿Qué hay que conectar como mínimo y con qué subnodo empezar?
Empieza con un Default Data Loader como nodo raíz. Es el camino más corto a algo que funciona: el loader toma los documentos del item, se los pasa al troceador y los trozos siguen hacia la vectorización y el almacenamiento. Conecta el puerto Text Splitter, ajusta Chunk Size, pon un Chunk Overlap más pequeño y deja Options cerrada. Después lee unos cuantos trozos antes de seguir, porque casi todos los problemas de recuperación se ven ahí a simple vista. La Summarization Chain es el otro nodo raíz que acepta este troceador, y encaja cuando buscas un resumen y no un índice.
05¿n8n o Make para un flujo de troceado así?
Depende de dónde vivan tus documentos y de quién tenga derecho a leerlos. n8n corre en tus propios servidores con Docker o npm, o en n8n Cloud, con el mismo flujo en los dos casos, de modo que un documento sensible se trocea y se vectoriza sin salir de tu infraestructura. Make solo existe alojado, sin opción de autoalojarse, y cobra por operación, algo que cambia las cuentas cuando una sola indexación parte un documento grande en muchísimos trozos. Los dos se montan visualmente. Decide por alojamiento, control del dato y modelo de coste.
Hack'celeration Lab

Recibe nuestros tips de integración cada semana.

Sin spam. Cancela cuando quieras.