Chatbot que lê seus documentos do Google Drive

Joga os documentos numa pasta do Drive e o chatbot passa a responder com base neles — é o RAG mais copiado do catálogo n8n.

Todo negócio tem a pasta: contratos, tabela de preços, manual do produto, políticas de troca. E toda equipe perde tempo procurando ali dentro. O padrão RAG resolve isso ligando essa pasta a um chatbot — a pergunta vira busca nos seus arquivos, e a resposta sai fundamentada no que está escrito neles, com a fonte.

A diferença entre isso e um ChatGPT genérico é decisiva: o modelo sozinho inventa quando não sabe; o RAG só responde com o que achou nos documentos. Para atendimento interno, suporte e consulta de catálogo, é a diferença entre uma ferramenta usável e um risco.

Os melhores templates prontos (dos 84 do catálogo)

Curadoria conferida em 17/08/2026 no catálogo oficial do n8n, ranqueada por uso real. Todos gratuitos, com link pro original e crédito ao criador — importar é um clique dentro do seu n8n.

Por dentro do RAG Chatbot for Company Documents using Google Drive and Gemini: o que o fluxo faz

O template mais usado (95 mil usos) tem duas partes que rodam em momentos diferentes — e entender isso é o que evita a confusão mais comum de quem começa.

A primeira parte é a indexação: um gatilho observa a pasta do Google Drive; arquivo novo entra, é lido, dividido em trechos (porque documento inteiro não cabe na janela do modelo), convertido em embeddings — a representação numérica do significado — e guardado numa base vetorial. Essa parte roda quando você adiciona documentos, não quando alguém pergunta.

A segunda é a conversa: chega a pergunta, ela também vira embedding, a base vetorial devolve os trechos mais parecidos, e o agente compõe a resposta a partir daqueles trechos. É por isso que a qualidade depende tanto de como o texto foi dividido: trecho grande demais dilui o assunto, pequeno demais perde o contexto.

Na prática, isso significa que colocar um arquivo novo na pasta é “ensinar” o bot — sem re-treinar nada, sem tocar no fluxo.

O fluxo tem 18 nós. Traduzindo as peças principais para português:

• geração de embeddings (Gemini)
• leitor de documentos
• divisor de texto em trechos
• AI Agent (o cérebro que decide)
• ferramenta de busca nos documentos (RAG)
• Google Drive
• anotação no canvas
• gatilho do Google Drive (arquivo novo)
• memória da conversa
• gatilho de chat
• modelo Gemini

Abrir o template original no n8n.io — criado por Mihai Farcas. 94.941 usos.

O que você precisa para rodar

1. A pasta do Drive — junte os documentos que o bot deve conhecer. PDF, Docs e texto funcionam bem; planilha vale mais como fonte estruturada em outro nó.

2. VPS com n8n — 2 GB rodam com a base vetorial em nuvem; 4 GB se você quiser o Qdrant na mesma máquina (mais privado, sem custo por consulta).

3. A chave de IA — usada duas vezes: para gerar os embeddings na indexação e para compor a resposta. Embeddings são baratos (centavos por milhares de trechos); a conversa é o que pesa.

Quanto custa manter no ar

Este custo não é desta automação — é da sua infraestrutura inteira. Você instala o n8n uma vez e a mesma VPS roda todos os fluxos que você montar: atendimento, agente, relatório, o que vier. Quem tem dez automações paga a mesma mensalidade de quem tem uma.

O custo de indexar é pontual (por documento); o de conversar é por uso. A base fixa é a VPS:

• Hostinger VPS com n8n (1 clique) — a partir de R$ 29,99/mês
• Servla VPS n8n (data center em SP) — a partir de R$ 69,90/mês
• Servla VPS GPU (modelo e base 100% seus) — a partir de R$ 360,00/mês

Como começar

1. Suba o n8n numa VPS e importe o template do catálogo.
2. Conecte a conta do Google (credencial OAuth) e aponte a pasta que o bot deve ler.
3. Cadastre a chave de IA (OpenAI ou Gemini — o template aceita as duas).
4. Rode a indexação uma vez e confira se os documentos entraram na base.
5. Pergunte algo que só está nos seus arquivos — se a resposta citar o documento, está funcionando.

Como baixar o template (grátis)

Todos os templates desta página são gratuitos e ficam no catálogo oficial do n8n — nós não re-hospedamos arquivo de ninguém: o link vai direto pro original, com crédito ao criador. São dois caminhos:

1. Importar direto (mais rápido): abra o template no n8n.io e clique em Use for free → Import into n8n. Ele cai no seu editor já montado.
2. Baixar o arquivo: na mesma página, use Copy template to clipboard (JSON). No seu n8n, crie um fluxo novo e cole (Ctrl+V) — ou salve como .json e use Import from File.

Leia também

• Agente de IA com n8n: todos os templates comparados
• Qdrant: base vetorial self-hosted
• VPS para n8n: requisitos e onde hospedar
• Qwen 3: modelo aberto para o RAG sem enviar dados fora

Perguntas frequentes

O que é RAG, em uma frase?

É fazer o modelo buscar nos SEUS documentos antes de responder, em vez de responder de memória. Na sigla: retrieval (busca) augmented (aumentada) generation (geração) — a geração é aumentada pela busca.

Preciso re-treinar o modelo quando adicionar um documento?

Não, e é justamente essa a vantagem. Você só adiciona o arquivo à pasta; o fluxo de indexação processa e a base vetorial passa a conhecê-lo. Nada de treinamento, nada de esperar horas — o conhecimento do bot é a sua pasta.

Meus documentos vão parar na OpenAI?

Os trechos relevantes são enviados ao modelo no momento da resposta — é assim que ele compõe. Se isso for inaceitável (dados sensíveis, LGPD), o caminho é rodar modelo e base vetorial na sua própria infra: Qdrant + um modelo aberto, ambos na sua VPS, sem nada saindo.

Funciona bem com documento em português?

Funciona. Os modelos de embedding atuais são multilíngues e a busca por significado é robusta em PT. O cuidado maior é com PDF escaneado: imagem não vira texto sozinha, precisa de OCR antes.

Qual a diferença para colocar os arquivos direto no ChatGPT?

Escala e automação. No ChatGPT você anexa manualmente a cada conversa; aqui a pasta inteira fica sempre disponível, atualiza sozinha quando entra arquivo novo, e o bot pode atender no canal que você quiser — Telegram, site, WhatsApp.

Fontes

Conferidas em 17/08/2026:

• Catálogo oficial do n8n (busca: rag google drive)
• Documentação de Vector Store no n8n