Nœud Qdrant Vector Store n8nConfigurer Qdrant Vector Store dans n8n.
Un vector store range des représentations mathématiques de tes contenus, pour qu'une IA les retrouve par le sens et pas par mot-clé. Le nœud Qdrant Vector Store n8n lit et alimente une collection Qdrant via 2 paramètres et 4 modes d'opération. Pour qui monte de la recherche documentaire.
Avis vérifiés sur Trustpilot · Agence IA, automatisation & growth
À quoi sert vraiment le nœud Qdrant Vector Store n8n ?
Le nœud relie un workflow à une collection Qdrant, c'est-à-dire un espace nommé où sont rangés les vecteurs. Selon le mode d'opération choisi, il y écrit des documents, en ressort ceux qui collent le mieux à une question, ou met la collection à disposition d'un autre nœud IA qui ira l'interroger tout seul. Un seul nœud, quatre rôles, la même collection derrière.
Premier montage, celui qui remplit. Mode Insert Documents, des contenus qui arrivent des étapes précédentes, et chaque item part dans la collection. La doc n8n montre ce schéma dans un template de chatbot de recommandation de films (workflow 2440) : découpage, vectorisation, écriture dans Qdrant, avant la moindre question. Rien ne répond encore, on garnit les rayons.
Deuxième montage, celui qui cherche. Le mode Get Many prend un Prompt, classe les documents stockés par similarité et renvoie les meilleurs sous forme d'items n8n ordinaires. Ce résultat repart où tu veux : un message Slack à l'équipe support, une ligne dans Google Sheets pour tracer ce qui a été retrouvé, un brouillon de réponse via Gmail. C'est le mode à prendre quand tu veux le texte retrouvé entre tes mains plutôt que dans le prompt d'un modèle.
Troisième montage, celui qui délègue. Retrieve Documents (As Tool for AI Agent) transforme le nœud en outil qu'un AI Agent appelle par son nom, d'où les champs Name et Description qui apparaissent dans ce mode. Retrieve Documents (As Vector Store for Chain/Tool) joue la version discrète : le nœud se place derrière un nœud Vector Store Retriever, et une Question and Answer Chain vient y puiser son contexte. La doc n8n décrit aussi la variante Vector Store Question Answer Tool, qui résume les résultats avant que l'agent ne les voie.
Là où ça s'arrête. Le nœud parle à des collections Qdrant, point. Il ne fabrique pas les embeddings, ces vecteurs viennent d'un nœud séparé, et c'est pour ça que les templates l'associent aux embeddings OpenAI ou Mistral Cloud. Sa version est la 1, donc un vieux workflow peut afficher moins d'options que le panneau décrit ici. Si c'est la qualité des réponses qui coince plutôt qu'un réglage, la Formation n8n traite l'ordre de construction.
Qu'est-ce qu'il faut avant que le nœud tourne ?
- 01
Créer le credential Qdrant
Ajoute le credential Qdrant depuis le menu Credentials : une API Key et ton Qdrant URL. La clé se récupère dans le Cloud Dashboard de Qdrant, section Access Management, rattachée au cluster visé. Tu le fais une fois : le credential est réutilisé par tous les workflows qui parlent à la même instance.
- 02
Le rattacher au nœud
Pose le nœud Qdrant Vector Store sur le canvas et sélectionne ce credential dans son champ dédié. Le même nœud assure les 4 modes d'opération, donc ce que tu choisis ici servira aussi bien au workflow qui remplit la collection qu'à celui qui l'interroge. Aucun autre champ du panneau n'en dépend, tu peux donc le régler avant même de savoir ce que le nœud fera.
- 03
Viser une collection
Renseigne Qdrant Collection, le resource locator qui désigne la collection lue ou alimentée. Il est requis dans tous les modes. Un resource locator, c'est un champ qui accepte aussi bien une valeur choisie dans une liste qu'une valeur saisie : pratique quand le nom de collection vient d'une étape précédente sous forme d'expression, par exemple
{{ $json.collection }}.
Quels paramètres régler dans le panneau ?
Le nœud Qdrant Vector Store compte 2 paramètres. Pour chacun : le nœud tel que tu le configures dans n8n, ce que le paramètre change, et nos notes de terrain.
Operation Mode
modeCe que tu vois dans n8n
Notes & cas d'usage
Ce sélecteur décide de ce qu'est le nœud, et tout le reste du panneau en découle.
Paramètres clés
- Operation Mode :
insert(Insert Documents) écrit des documents,load(Get Many) renvoie des documents classés,retrieve(Retrieve Documents (As Vector Store for Chain/Tool)) sert une chaîne,retrieve-as-tool(Retrieve Documents (As Tool for AI Agent)) sert un agent. - Prompt et Limit : la requête, et le nombre de résultats de tête,
10pour les dix meilleurs. - Name et Description : ce que voit un agent,
company_knowledge_baseet son explication. - Include Metadata, Rerank Results, ID : les métadonnées avec le texte, le reclassement, l'identifiant d'une entrée d'embedding.
insert tient à jour une collection de procédures, un autre en retrieve-as-tool l'exploite.Qdrant Collection
qdrantCollectionCe que tu vois dans n8n
Notes & cas d'usage
Chaque mode a besoin de savoir sur quelle collection il travaille, et c'est ce champ qui le dit. Il s'agit d'un resource locator, le type de champ n8n qui accepte une valeur choisie ou saisie, et il est marqué requis.
Paramètres clés
- Qdrant Collection : la collection que le nœud lit ou alimente, réglée une fois par nœud, sélectionnée dans le panneau ou construite par une expression comme
{{ $json.collection }}quand le nom arrive avec l'item.
Besoin d'aide pour automatiser Qdrant Vector Store avec n8n ?
L'équipe te répond directement.
Chaque message est lu par une personne.
Les questions qui viennent ensuite
01Le nœud Qdrant Vector Store est-il inclus dans n8n ?
02Que faut-il pour que le nœud Qdrant Vector Store n8n fonctionne ?
03Quelles sont les limites de ce nœud ?
04Que brancher au minimum, et par où commencer ?
05n8n ou Make pour un workflow de vector store ?
Reçois nos tips intégration chaque semaine.
Pas de spam. Désinscription à tout moment.
