Sistema Multi-Agente de RAG para Suporte

Visão Geral

Construímos um sistema multi-agente em n8n, onde um Agente Orquestrador central roteia as perguntas dos usuários para Agentes Especialistas por domínio (n8n, Lovable, FlutterFlow). Cada especialista consulta seu próprio Vector Store dedicado no Supabase, usando embeddings da OpenAI, permitindo respostas de RAG isoladas por domínio de conhecimento. Nosso pipeline de ingestão usa Jina AI para rastrear a documentação, faz duas chamadas de LLM por página para extrair links relevantes e limpar o conteúdo antes de indexar, deduplica o conteúdo e carrega os embeddings no vector store automaticamente. A memória em PostgreSQL mantém o histórico de conversa por sessão.

Destaques Técnicos

• 1Tabela de vetores separada por ferramenta — evita contaminação cruzada entre bases de conhecimento
• 2Jina AI para extração limpa em Markdown da documentação, sem renderização de navegador
• 3Duas passagens de extração por página: primeiro os links, depois a limpeza do conteúdo
• 4Padrão orquestrador desacopla o roteamento do conhecimento especializado
• 5Adicionar uma nova ferramenta exige só um novo workflow de ingestão + sub-agente especialista