WordPress内容增量同步进Pinecone向量库

原文要点

n8n免费模板（作者Stanislaw Chalupczak）：手动或每日定时触发，经WordPress/WooCommerce REST API拉取最多各100条已发布页面与文章的ID和修改时间，与n8n Data Table（indexed_wc_blog_v1）比对，选出staticBatchSize条新增或变更项；抓全文去HTML，先删Pinecone中同fileId旧向量，再切分文本、生成OpenAI嵌入写入Pinecone；更新Data Table记录；已从WordPress删除的内容会同步清理Pinecone向量和表行。需在设置节点配置wooBaseUrl、pineconeIndexName、pineconeIndexHost、pineconeNamespace、staticBatchSize。

这次做成什么

把这套模板跑成自己站点的增量RAG数据管道：只同步新增/变更的WordPress内容进Pinecone，并能正确处理删除，用一篇测试文章验证全流程。

准备什么

• n8n实例（自托管或云端，需支持Data Table功能）
• WordPress站点及可访问REST API的WooCommerce API凭据（先用测试站点和应用密码，不用生产主账号）
• OpenAI API密钥（嵌入按量计费）与Pinecone账号及已创建的索引（维度需与选用的嵌入模型一致）

具体怎么做

1. 导入模板并建数据表

   在n8n模板页打开该工作流导入实例；在n8n的Data Tables里新建表indexed_wc_blog_v1，建三个文本列：productId、indexedAt、dateModified（按模板说明，列名需完全一致，虽然叫productId实际存页面/文章ID）。

2. 配置五个凭据与设置节点

   分别添加WooCommerce、OpenAI、Pinecone三组凭据；打开'WC: Settings (static content)'节点填入：wooBaseUrl（你的站点地址）、pineconeIndexName、pineconeIndexHost、pineconeNamespace、staticBatchSize（先设小值如3做测试）。

3. 手动触发首轮同步

   先用手动触发跑一遍：流程为 触发器→拉取页面/文章ID与修改时间→与Data Table比对筛出新增变更→抓全文去HTML→删同fileId旧向量→切分+嵌入→写入Pinecone→更新Data Table。跑完检查Pinecone命名空间出现向量、Data Table出现对应行。

4. 验证更新与删除分支

   在WordPress修改那篇测试文章正文再跑一次，确认Pinecone中旧向量被删除替换（同一fileId无重复）；随后删除该文章并第三次运行，确认其向量和Data Table行都被清理。

5. 开启定时

   确认三轮都通过后，启用每日cron触发器，并把staticBatchSize调到与站点日更量匹配的值。

可直接复制的材料

{
  "id": 4021,
  "modified": "2026-10-05T09:30:00",
  "status": "publish",
  "title": { "rendered": "秋季新品上架说明" },
  "content": { "rendered": "<p>2026年秋季系列将于10月15日上架。</p><p>会员提前48小时预购，运费规则不变。</p>" },
  "link": "https://demo-shop.example.com/2026/10/autumn-launch/"
}

wooBaseUrl = "https://demo-shop.example.com"
pineconeIndexName = "site-rag-v1"
pineconeIndexHost = "从Pinecone控制台复制的索引host"
pineconeNamespace = "wp-content"
staticBatchSize = 3
Data Table = indexed_wc_blog_v1（列：productId / indexedAt / dateModified）

输入与输出示例

本站虚构演示，非模板实际运行记录；切分段数取决于正文长度与模板切分参数

输入

站点已有100篇文章，本次仅id=4021一篇修改时间为2026-10-05T09:30:00，晚于Data Table中记录的2026-09-28T08:00:00；staticBatchSize=3。

对应输出

本轮比对只选中id=4021一条：抓取全文去HTML后得到两段正文，先删除Pinecone中fileId=4021的旧向量，再切分生成嵌入写入新向量，最后把Data Table该行dateModified更新为2026-10-05T09:30:00；其余99篇不处理，OpenAI只产生这一篇的嵌入调用。

做完检查这些

• Data Table列名productId、indexedAt、dateModified与模板要求完全一致
• 修改文章后重跑，Pinecone中同一fileId不残留新旧两套向量
• 删除文章后重跑，对应向量与表行被自动清理
• 手动跑三轮无误后再启用每日定时

容易卡住的地方

• Pinecone索引维度必须与所选OpenAI嵌入模型输出维度一致，否则写入报错
• 首次运行会全量入库（分批进行），OpenAI嵌入费用随内容量产生，先用小staticBatchSize试
• 每轮最多拉各100条页面/文章ID，超大站点需确认模板分页行为，本站未核验超限场景
• 测试请用测试站点凭据，不要一开始接生产WooCommerce主密钥
• 模板免费，但OpenAI与Pinecone服务各自计费