# 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.

**Canonical:** https://runzos.com/automacoes/chatbot-documentos-google-drive/

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.

## Como montar

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.

## O que você precisa

VPS 2-4 GB + n8n + conta Google + chave de IA (OpenAI ou Gemini)

- 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

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

**R$ 30 a R$ 70/mês (VPS) + custo de embeddings (centavos por documento)** — VPS de 2 GB (4 GB com a base vetorial na mesma máquina)

## Onde hospedar

- [Hostinger VPS com n8n (1 clique)](https://runzos.com/ofertas/hostinger-vps-n8n/)
- [Servla VPS n8n (data center em SP)](https://runzos.com/ofertas/servla-vps-n8n/)
- [Servla VPS GPU (modelo e base 100% seus)](https://runzos.com/ofertas/servla-vps-gpu-ia/)

_Preço, desconto e disponibilidade estão na página de cada oferta._

## Veredito

O RAG de Google Drive é o melhor primeiro projeto de IA para empresa: em uma tarde o bot responde com base nos seus arquivos

## 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

- [Catálogo oficial do n8n (busca: rag google drive)](https://n8n.io/workflows/?search=rag)
- [Documentação de Vector Store no n8n](https://docs.n8n.io/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.vectorstoreqdrant/)