ROOM64 / KNOWLEDGE / N8N

การใช้งาน Simple Vector Store

Simple Vector Store — เรียนรู้วิธีใช้ node Simple Vector Store ใน n8n ปฏิบัติตามเอกสารทางเทคนิคเพื่อรวม node Simple Vector Store เข้ากับ workflow ของคุณ

อ่านต้นฉบับที่ n8n Official Docs ↗
คำแปลอัตโนมัติภาษาไทย แปลด้วย Google Translate / M2M100 จากเอกสาร n8n ณ วันที่ 2026-09-28 ยังไม่ได้ตรวจทานทางเทคนิคทุกหน้า โค้ดและ expression คงตามต้นฉบับ ชื่อ node เมนู และศัพท์เทคนิคคงภาษาอังกฤษเพื่อเทียบกับหน้าจอ n8n

Cluster nodes · AI และองค์ประกอบย่อย · Simple Vector Store

← Root nodes

สารบัญในหน้านี้

เรียนรู้วิธีใช้ node Simple Vector Store ใน n8n ปฏิบัติตามเอกสารทางเทคนิคเพื่อรวม node Simple Vector Store เข้ากับ workflow ของคุณ

ใช้ปุ่ม Simple Vector Store เพื่อจัดเก็บและรับการประกอบ 1 ในหน่วยความจำในแอป n8n

ในหน้านี้คุณจะพบ parameter คิวส์สำหรับคิวส์ Simple Vector Store และลิงค์ไปยังทรัพยากรเพิ่มเติม

ความละเอียด parameter ใน sub-node (Parameter resolution in sub-nodes)

sub-node มีพฤติกรรมแตกต่างไปจาก node อื่นๆ เมื่อประมวลผลหลายรายการโดยใช้ expression

node ส่วนใหญ่ รวมถึง node รูท รับไอเท็มจำนวนเท่าใดก็ได้เป็น input ประมวลผลไอเท็มเหล่านี้ และ output ผลลัพธ์ คุณสามารถใช้ expression เพื่ออ้างถึงรายการ input และ node จะแก้ไข expression สำหรับแต่ละรายการตามลำดับ เช่น ให้ input เป็น 5 name ค่านิยม, การแสดงออก {{ $json.name }} จะแก้ไขชื่อแต่ละชื่อตามลำดับ

ใน sub-node expression จะแก้ไขเป็นรายการแรกเสมอ เช่น ให้ input เป็น 5 name ค่านิยม, การแสดงออก {{ $json.name }} แก้เป็นชื่อเสมอ

นอนดี้แตกต่างจาก AI นอนดี้หน่วยความจำ (This node is different from AI memory nodes)

การจัดเก็บ vector ง่ายที่อธิบายไว้ที่นี่แตกต่างจากหน่วยความจำ AI เช่น Simple Memory.

นอนดี้สร้าง A ฐานข้อมูล vector 2 ในหน่วยความจำแอป

ข้อ จำกัด การรักษาความปลอดภัยข้อมูล

ก่อนที่จะใช้ปุ่ม Simple Vector Store มันเป็นสิ่งสำคัญที่จะเข้าใจข้อ จำกัด ของมันและวิธีการทำงาน

n8n แนะนำให้ใช้ Simple Vector Store สำหรับการพัฒนาเท่านั้น

Vector Storage ข้อมูลไม่ทนทาน (Vector store data isn't persistent)

หมายเลขนี้เก็บข้อมูลในหน่วยความจำเท่านั้น ข้อมูลทั้งหมดจะหายไปเมื่อ n8n เปิดใหม่และยังสามารถทำความสะอาดได้ในสภาพหน่วยความจำต่ำ

ผู้ใช้ทุกตัวอย่างสามารถเข้าถึงข้อมูลร้านค้า vector (All instance users can access vector store data)

คีย์หน่วยความจำสำหรับปุ่ม Simple Vector Store เป็นทั่วโลกไม่เปิดเผยไปยัง workflow ของแต่ละบุคคล

นี่หมายความว่าผู้ใช้ทั้งหมดในตัวอย่างนี้สามารถเข้าถึงข้อมูลจัดเก็บ vector โดยเพิ่มคุ่ม Simple Vector Store และเลือกคีย์หน่วยความจำโดยไม่คำนึงถึงการควบคุมการเข้าถึงที่กำหนดไว้สำหรับการไหลการทำงานเดิม โปรดให้แน่ใจว่าไม่เปิดเผยข้อมูลที่ไวต่อข้อมูลเมื่อเข้าถึงข้อมูลด้วยคุ่ม Simple Vector Store

รูปแบบการใช้งาน node

คุณสามารถใช้ปุ่ม Simple Vector Store ในรูปแบบต่อไปนี้

ใช้เป็น node ปกติในการแทรกและดึงเอกสาร (Use as a regular node to insert and retrieve documents)

คุณสามารถใช้ Simple Vector Store ในฐานะคอยด์ปกติเพื่อใส่หรือรับเอกสาร รูปแบบนี้จะวาง Simple Vector Store ในไหลการเชื่อมต่อปกติโดยไม่ต้องใช้ตัวแทน

คุณสามารถดูตัวอย่างในขั้นตอน 2 ของ เทมเพลตนี้ .

เชื่อมต่อโดยตรงกับ AI Agent ในฐานะเครื่องมือ (Connect directly to an AI agent as a tool)

คุณสามารถเชื่อมต่อช่อง Simple Vector Store โดยตรงกับเครื่องมือ 3 การเชื่อมต่อของ A AI Agent เพื่อใช้ร้านค้าเวกเตอร์เป็นทรัพยากรในการตอบคำถาม

ที่นี่การเชื่อมต่อจะเป็น: AI Agent (เครื่องเชื่อมต่อเครื่องมือ) -> ปุ่ม Simple Vector Store.

ใช้รีทรีฟเวอร์เพื่อดึงเอกสาร (Use a retriever to fetch documents)

คุณสามารถใช้ Vector Store Retriever ปุ่มที่มีปุ่ม Simple Vector Store เพื่อจับเอกสารจากปุ่ม Simple Vector Store นี้มักจะใช้กับ Question and Answer Chain node เพื่อดึงเอกสารจากร้านค้าเวกเตอร์ที่ตรงกับ input แชทที่กำหนด

อ ตัวอย่างของการเชื่อมต่อไหล (ตัวอย่างที่เชื่อมโยงใช้ Pinecone แต่รูปแบบเหมือนกัน) จะเป็น: Question and Answer Chain (ตัวเชื่อมต่อรีทรีฟเวอร์) -> Vector Store Retriever (ตัวเชื่อมต่อ Vector Store) -> Simple Vector Store

ใช้เครื่องมือตอบคำถามของ Vector Store เพื่อตอบคำถาม (Use the Vector Store Question Answer Tool to answer questions)

อีกรูปแบบหนึ่งใช้ Vector Store Question Answer Tool เพื่อสรุปผลลัพธ์และตอบคำถามจาก node Simple Vector Store แทนที่จะเชื่อมต่อ Simple Vector Store เป็นเครื่องมือโดยตรง รูปแบบนี้ใช้เครื่องมือที่ออกแบบมาโดยเฉพาะเพื่อสรุปข้อมูลในร้านค้าเวกเตอร์

ที่ การเชื่อมต่อไหล ในกรณีนี้จะมีลักษณะดังนี้: AI agent (ตัวเชื่อมต่อเครื่องมือ) -> เครื่องมือตอบคำถามของ Vector Store (ตัวเชื่อมต่อ Vector Store) -> Simple Vector store

การจัดการหน่วยความจำ

Simple Vector Store ใช้การจัดการหน่วยความจำเพื่อป้องกันการใช้หน่วยความจำมากเกินไป:

  • ทำความสะอาดร้านค้าเวกเตอร์เก่าโดยอัตโนมัติเมื่อความดันหน่วยความจำเพิ่มขึ้น
  • ลบร้านค้าที่ไม่ได้ใช้งานซึ่งไม่มีการเข้าถึงตามระยะเวลาที่กำหนด

Configuration Options

คุณสามารถควบคุมการใช้หน่วยความจำด้วยตัวแปรสภาพแวดล้อมเหล่านี้:

ตัวแปร ประเภท ค่าเริ่มต้น คำอธิบาย
N8N_VECTOR_STORE_MAX_MEMORY หมายเลข -1 หน่วยความจำสูงสุดในหน่วย MB อนุญาตสำหรับร้านค้าเวกเตอร์ทั้งหมดรวมกัน (-1 เพื่อปิดใช้งานขีดจำกัด)
N8N_VECTOR_STORE_TTL_HOURS หมายเลข -1 ชั่วโมงที่ไม่มีการใช้งานหลังจากที่ร้านค้าถูกลบออก (-1 เพื่อปิดใช้งาน TTL)

บน n8n Cloud ค่าเหล่านี้ถูกกำหนดไว้ล่วงหน้าเป็น 100MB (ประมาณ 8,000 เอกสาร ขึ้นอยู่กับขนาดเอกสารและข้อมูลเมตา) และ 7 วันตามลำดับ สำหรับอินสแตนซ์ที่โฮสต์เอง ทั้งสองค่าจะมีค่าเริ่มต้นเป็น -1 (ไม่มีการจำกัดหน่วยความจำหรือการล้างข้อมูลตามเวลา)

parameter node

node Vector Store นี้มีสี่โหมด: Get Many, Insert Documents, Retrieve Documents (As Vector Store for Chain/Tool) และ Retrieve Documents (As Tool for AI Agent) . โหมดที่คุณเลือกจะกำหนดการดำเนินการที่คุณสามารถทำได้กับ node รวมถึง input และเอาท์พุตใดบ้างที่พร้อมใช้งาน

Rerank Results

เปิดใช้งาน การจัดอันดับใหม่ . หากคุณเปิดใช้งานตัวเลือกนี้ คุณต้องเชื่อมต่อ node การจัดอันดับใหม่กับร้านค้าเวกเตอร์ node นั้นจะจัดอันดับผลลัพธ์สำหรับการสืบค้นใหม่ คุณสามารถใช้ตัวเลือกนี้กับ Get Many, Retrieve Documents (As Vector Store for Chain/Tool) และ Retrieve Documents (As Tool for AI Agent) โหมด

รับ parameter มากมาย (Get Many parameters)

  • Memory Key : เลือกหรือสร้างคีย์ที่มีหน่วยความจำเวกเตอร์ที่คุณต้องการสืบค้น
  • Prompt : ป้อนคำค้นหา
  • Limit : ป้อนจำนวนผลลัพธ์ที่จะดึงจากร้านค้าเวกเตอร์ เช่น ตั้งเป็น 10 เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดสิบประการ

แทรก parameter เอกสาร (Insert Documents parameters)

  • Memory Key : เลือกหรือสร้างคีย์ที่คุณต้องการจัดเก็บหน่วยความจำเวกเตอร์เป็น
  • Clear Store : ใช้ parameter นี้เพื่อควบคุมว่าจะล้างที่เก็บเวกเตอร์สำหรับคีย์หน่วยความจำที่กำหนดสำหรับ workflow นี้ก่อนที่จะแทรกข้อมูล (เปิดอยู่)

ดึง parameter เอกสาร (เป็น Vector Store for Chain/Tool) (Retrieve Documents (As Vector Store for Chain/Tool) parameters)

  • Memory Key : เลือกหรือสร้างคีย์ที่มีหน่วยความจำเวกเตอร์ที่คุณต้องการสืบค้น

ดึง parameter เอกสาร (เป็นเครื่องมือสำหรับ AI Agent) (Retrieve Documents (As Tool for AI Agent) parameters)

  • Name : ชื่อร้านเวกเตอร์
  • Description : อธิบายให้ LLM ฟังว่าเครื่องมือนี้ทำอะไรได้บ้าง คำอธิบายเฉพาะเจาะจงที่ดีและช่วยให้ LLM ให้ผลลัพธ์ที่คาดหวังได้บ่อยขึ้น
  • Memory Key : เลือกหรือสร้างคีย์ที่มีหน่วยความจำเวกเตอร์ที่คุณต้องการสืบค้น
  • Limit : ป้อนจำนวนผลลัพธ์ที่จะดึงจากร้านค้าเวกเตอร์ เช่น ตั้งเป็น 10 เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดสิบประการ

เทมเพลตและตัวอย่าง

Browse Simple Vector Store Node การบูรณาการแบบจำลอง หรือ ค้นหาเทมเพลตทั้งหมด

อ้างถึง LangChains Memory Vector Store รายละเอียด สำหรับข้อมูลเพิ่มเติมเกี่ยวกับบริการ

ดูของ n8n AI ขั้นสูง เอกสารประกอบ

หมายเหตุ

  1. การฝังคือการแสดงตัวเลขของข้อมูลโดยใช้เวกเตอร์ AI ใช้เพื่อตีความข้อมูลและความสัมพันธ์ที่ซับซ้อนโดยการแมปค่าข้ามมิติต่างๆ ฐานข้อมูลเวกเตอร์หรือร้านค้าเวกเตอร์เป็นฐานข้อมูลที่ออกแบบมาเพื่อจัดเก็บและเข้าถึงการฝัง ↩

  2. ที่เก็บเวกเตอร์หรือฐานข้อมูลเวกเตอร์ จัดเก็บการแสดงข้อมูลทางคณิตศาสตร์ ใช้กับการฝังและการดึงข้อมูลเพื่อสร้างฐานข้อมูลที่ AI ของคุณสามารถเข้าถึงได้เมื่อตอบคำถาม ↩

  3. ในบริบทของ AI เครื่องมือคือทรัพยากรส่วนเสริมที่ AI สามารถอ้างอิงถึงข้อมูลหรือฟังก์ชันเฉพาะเมื่อตอบสนองต่อคำขอ โมเดล AI สามารถใช้เครื่องมือเพื่อโต้ตอบกับระบบภายนอกหรือทำงานที่เน้นเฉพาะเจาะจงได้ ↩

เอกสารและภาพต้นฉบับ © n8n GmbH · คำแปล คู่มือประกอบ และภาพแนวคิดเพิ่มเติมโดย Room64 · เว็บไซต์นี้ไม่ใช่เอกสารทางการของ n8n · Apache 2.0 พร้อม Commons Clause

มีงานที่อยากให้ Software, AI หรือ Automation ช่วยอยู่ไหม?

เล่า workflow หรือปัญหาที่ทีมกำลังเจอ เราช่วยดูได้ว่าควรใช้ระบบสำเร็จรูป เชื่อมเครื่องมือเดิม หรือพัฒนาเพิ่มเฉพาะส่วนไหน

คุยกับเราทาง LINEhello@room64.net