Zum Hauptinhalt springen
File Search Configuration

​
Überblick

Der File-Search-Node fragt deine Wissensdatenbanken ab, um relevante Informationen und Kontext abzurufen. Verbinde deinen Workflow mit einer Wissensdatenbank, um Dokumente zu durchsuchen, KI-Antworten anzureichern, Informationen zu validieren oder Kontext für Entscheidungen bereitzustellen.
Am besten für: Wissensabruf, Dokumentensuche, Kontext-Anreicherung, RAG (Retrieval Augmented Generation) und Zugriff auf organisationales Wissen.

​
Wann du File Search verwenden solltest

Perfekt für:
  • Durchsuchen von Unternehmensdokumentation und Wissensdatenbanken
  • Abrufen relevanten Kontexts für KI-Agent-Antworten
  • Finden spezifischer Informationen über mehrere Dokumente hinweg
  • Implementierung von RAG (Retrieval Augmented Generation) Mustern
  • Validierung von Informationen gegen internes Wissen
  • Anreicherung von Workflows mit Organisationsdaten
Nicht ideal für:
  • Echtzeit-Web-Suche (verwende Web-Search-Node)
  • Abrufen von Daten von externen APIs (verwende HTTP-Request-Node)
  • Verarbeitung einzelner Dateien (verwende direkte Dateianhänge)

​
Konfiguration

File Search Configuration

​
Wissensdatenbank

Wähle die Wissensdatenbank aus, die du aus den verfügbaren Wissensdatenbanken deines Workspaces durchsuchen möchtest. Optionen:
  • Wähle aus verfügbaren Wissensdatenbanken
  • Jede Wissensdatenbank enthält hochgeladene Dokumente
  • Wissensdatenbanken akzeptieren unterstützte textbasierte Formate wie PDF, DOCX, TXT, Markdown und Präsentationen. Tabellendateien, Bilder und Audiodateien werden nicht unterstützt.

​
Suchanfrage

Die Suchanfrage zum Finden relevanter Informationen. Unterstützt Manual-, Auto- und Prompt-AI-Modi. Manual-Modus-Beispiele: 
{{trigger.output.customer_question}}

Finde Informationen über {{trigger.output.product_name}} Preise und Features
Prompt-Modus: 
Generiere eine Suchanfrage, um relevante Informationen über die Kundenfrage zu finden: {{trigger.output.question}}

​
Max. Ergebnisse

Die maximale Anzahl relevanter Ergebnisse, die zurückgegeben werden sollen (Standard: 5) Empfehlungen:
  • 1-3 Ergebnisse: Fokussierte, spezifische Anfragen
  • 5-10 Ergebnisse: Breiterer Kontext benötigt
  • 10+ Ergebnisse: Umfassende Suchen (kann Performance beeinflussen)

​
Wie es funktioniert

  1. Anfrage wird gegen die ausgewählte Wissensdatenbank verarbeitet
  2. Semantische Suche findet die relevantesten Dokument-Chunks
  3. Ergebnisse werden nach Relevanz sortiert
  4. Top-N-Ergebnisse werden basierend auf Max-Ergebnisse-Einstellung zurückgegeben
  5. Abgerufene Informationen sind für nachfolgende Nodes verfügbar

​
Beispiel-Anwendungsfälle

​
Kundensupport mit Wissensdatenbank

Formular-Trigger (Kundenfrage)
→ File Search: Frage Wissensdatenbank mit {{trigger.output.question}} ab
  Wissensdatenbank: "Support-Dokumentation"
  Max. Ergebnisse: 5
→ Agent: Beantworte Frage mit Suchergebnissen
  Kontext: {{file_search.output.results}}
  Frage: {{trigger.output.question}}
→ Benachrichtigung: Sende Antwort an Kunden

​
Produktinformations-Suche

Integrations-Trigger (Slack-Frage über Produkt)
→ File Search: Durchsuche Produktwissen
  Wissensdatenbank: "Produktinformationen"
  Anfrage: {{trigger.output.message}}
  Max. Ergebnisse: 3
→ Agent: Fasse relevante Produktdetails zusammen
→ Action: Antworte im Slack-Thread

​
Dokumentenvalidierung

Formular-Trigger (Benutzer-Claim-Einreichung)
→ File Search: Finde relevante Richtlinien
  Wissensdatenbank: "Unternehmensrichtlinien"
  Anfrage: "{{trigger.output.claim_type}} Richtlinienanforderungen"
  Max. Ergebnisse: 5
→ Agent: Validiere Claim gegen Richtlinien
  Richtlinien: {{file_search.output.results}}
  Claim: {{trigger.output.claim_details}}
→ Condition: Genehmigt oder erfordert Überprüfung?

​
Auf Suchergebnisse zugreifen

Greife auf die abgerufenen Informationen in nachfolgenden Nodes zu: 
{{file_search.output.results}}
{{file_search.output.results[0].text}}
{{file_search.output.results[0].fileName}}

​
Ergebnis-Struktur

Jedes Ergebnis enthält:
  • text: Der relevante Text-Chunk aus dem Dokument
  • fileName: Name der Quelldatei
  • fileUrl: URL zum Zugriff auf die Quelldatei
  • mimeType: MIME-Typ der Quelldatei
  • subsource: Zusätzliche Quellreferenz
  • subname: Zusätzliche Namensreferenz
  • fileId: Eindeutige Kennung der Quelldatei
  • externalId: Externe Referenz-ID aus dem verbundenen Quellsystem
  • fileSize: Größe der Datei in Bytes
  • connectionId: ID der Integrationsverbindung, die die Datei bereitgestellt hat
  • syncParams: Synchronisierungsparameter aus der Quellintegration
  • pageCount: Anzahl der Seiten in der Datei
Verwendung in Agent-Prompts: 
Kontext aus Wissensdatenbank:
{{file_search.output.results}}

Basierend auf dem obigen Kontext, beantworte diese Frage:
{{trigger.output.question}}

​
Einschränkungen

  • Wissensdatenbank-Umfang: Durchsucht nur innerhalb der ausgewählten Wissensdatenbank
  • Ergebnisqualität: Hängt von Qualität und Vollständigkeit der hochgeladenen Dokumente ab
  • Chunk-Größe: Große Dokumente werden in Chunks aufgeteilt; relevante Informationen könnten sich über mehrere Ergebnisse erstrecken
  • Echtzeit-Updates: Dokumentänderungen erfordern Neuverarbeitung, bevor sie in Suchergebnissen erscheinen
Wichtig: Stelle sicher, dass deine Wissensdatenbanken regelmäßig mit aktuellen Informationen aktualisiert werden, um genaue Suchergebnisse zu erhalten.

​
Best Practices

Spezifischere Anfragen liefern relevantere Ergebnisse. Füge Schlüsselbegriffe, Produktnamen oder Themen hinzu, anstatt generischer Suchen.
Beginne mit 5 Ergebnissen und passe basierend auf Antwortqualität an. Zu wenige könnten wichtigen Kontext verpassen, zu viele können Relevanz verwässern.
Organisiere Wissensdatenbanken nach Thema oder Bereich für gezieltere Suchen. Trenne technische Docs von Marketing-Inhalten.
File Search ist am leistungsfähigsten in Kombination mit Agent-Nodes. Der Agent kann die abgerufenen Informationen synthetisieren und interpretieren.
Teste deine File Search mit tatsächlichen Fragen, die Benutzer stellen könnten, um sicherzustellen, dass die Inhalte der Wissensdatenbank ausreichen und Anfragen relevante Ergebnisse liefern.
Füge eine Bedingung nach File Search hinzu, um Fälle zu behandeln, in denen keine relevanten Ergebnisse gefunden werden. Stelle Fallback-Antworten oder Eskalationspfade bereit.

​
Nächste Schritte

Agent-Node

Verarbeite und synthetisiere Suchergebnisse mit KI

Wissensdatenbanken

Lerne, wie du Wissensdatenbanken erstellst und durchsuchst

Web-Suche

Durchsuche das Internet nach aktuellen Informationen

Condition-Node

Route basierend auf Suchergebnisqualität