เรียนรู้วิธีใช้ node Milvus Vector Store ใน n8n ปฏิบัติตามเอกสารทางเทคนิคเพื่อรวม node Milvus Vector Store เข้ากับขั้นตอนการทำงานของคุณ
ใช้ node Milvus เพื่อโต้ตอบกับฐานข้อมูล Milvus ของคุณ ร้านเวกเตอร์ 1 คุณสามารถใส่เอกสารลงในฐานข้อมูล vector, รับเอกสารจากฐานข้อมูล vector, รับเอกสารเพื่อให้พวกเขาไปยังผู้รับที่เชื่อมต่อกับโซ่ 2 หรือเชื่อมต่อโดยตรงกับตัวแทน 3 เป็นเครื่องมือ 4.
ในหน้านี้ คุณจะพบ parameter node สำหรับ node Milvus และลิงก์ไปยังแหล่งข้อมูลเพิ่มเติม
Credentials
อ้างถึง Milvus credentials สำหรับข้อมูลการตรวจสอบสิทธิ์สำหรับ node นี้
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
รูปแบบการใช้งาน node
คุณสามารถใช้ node Milvus Vector Store ในรูปแบบต่อไปนี้
ใช้เป็น node ปกติในการแทรกและดึงเอกสาร (Use as a regular node to insert and retrieve documents)
คุณสามารถใช้ Milvus Vector Store เป็น node ปกติในการแทรกหรือรับเอกสารได้ รูปแบบนี้ทำให้ Milvus Vector Store อยู่ในขั้นตอนการเชื่อมต่อปกติโดยไม่ต้องใช้ตัวแทน
ดูสิ่งนี้ เทมเพลตตัวอย่าง สำหรับวิธีสร้างระบบที่เก็บเอกสารใน Milvus และดึงข้อมูลเพื่อรองรับคำตอบที่อ้างถึงและผ่านการแชท
เชื่อมต่อโดยตรงกับ AI Agent ในฐานะเครื่องมือ (Connect directly to an AI agent as a tool)
คุณสามารถเชื่อมต่อ node Milvus Vector Store เข้ากับตัวเชื่อมต่อเครื่องมือของ AI Agent เพื่อใช้ร้านค้าเวกเตอร์เป็นทรัพยากรในการตอบคำถาม
ในกรณีนี้ การเชื่อมต่อจะเป็น: เอเจนต์ AI (ตัวเชื่อมต่อเครื่องมือ) -> node Milvus Vector Store ดูสิ่งนี้ เทมเพลตตัวอย่าง โดยที่ข้อมูลถูกฝังและจัดทำดัชนีใน Milvus และ AI Agent ใช้ที่เก็บเวกเตอร์เป็นเครื่องมือความรู้ในการตอบคำถาม
ใช้รีทรีฟเวอร์เพื่อดึงเอกสาร (Use a retriever to fetch documents)
คุณสามารถใช้ Vector Store Retriever node ที่มี node Milvus Vector Store เพื่อดึงเอกสารจาก node Milvus Vector Store คำนี้มักใช้กับ Question and Answer Chain node เพื่อดึงเอกสารจากร้านค้าเวกเตอร์ที่ตรงกับ input แชทที่กำหนด
โฟลว์การเชื่อมต่อ node ทั่วไปมีลักษณะดังนี้: ห่วงโซ่คำถามและคำตอบ (ตัวเชื่อมต่อรีทรีฟเวอร์) -> ตัวดึงข้อมูลร้านค้าเวกเตอร์ (ตัวเชื่อมต่อร้านค้าเวกเตอร์) -> ร้านค้าเวกเตอร์มิลวัส
ตรวจสอบสิ่งนี้ ตัวอย่างขั้นตอนการทำงาน เพื่อดูวิธีนำเข้าข้อมูลภายนอกเข้าสู่ Milvus และสร้างระบบถามตอบเชิงความหมายผ่านการแชท
ใช้เครื่องมือตอบคำถามของ Vector Store เพื่อตอบคำถาม (Use the Vector Store Question Answer Tool to answer questions)
อีกรูปแบบหนึ่งใช้ Vector Store Question Answer Tool เพื่อสรุปผลลัพธ์และตอบคำถามจาก node Milvus Vector Store แทนที่จะเชื่อมต่อ Milvus Vector Store เป็นเครื่องมือโดยตรง รูปแบบนี้ใช้เครื่องมือที่ออกแบบมาเพื่อสรุปข้อมูลในร้านค้าเวกเตอร์โดยเฉพาะ
โฟลว์การเชื่อมต่อจะมีลักษณะดังนี้: AI Agent (ตัวเชื่อมต่อเครื่องมือ) -> เครื่องมือตอบคำถามของร้านค้าเวกเตอร์ (ตัวเชื่อมต่อร้านค้าเวกเตอร์) -> ร้านค้า Milvus Vector
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)
- Milvus Collection : เลือกหรือเข้าสู่ Milvus Collection ที่จะใช้
- Prompt : ป้อนคำค้นหาของคุณ
- Limit : ป้อนจำนวนผลลัพธ์ที่จะดึงจากร้านค้าเวกเตอร์ เช่น ตั้งเป็น
10เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดสิบประการ
แทรก parameter เอกสาร (Insert Documents parameters)
- Milvus Collection : เลือกหรือเข้าสู่ Milvus Collection ที่จะใช้
- Clear Collection : ระบุว่าจะล้างคอลเลกชันก่อนที่จะแทรกเอกสารใหม่หรือไม่
ดึง parameter เอกสาร (เป็น Vector Store for Chain/Tool) (Retrieve Documents (As Vector Store for Chain/Tool) parameters)
- ของสะสมของมิลวัส (Milvus collection) : เลือกหรือเข้าสู่ Milvus Collection ที่จะใช้
ดึง parameter เอกสาร (เป็นเครื่องมือสำหรับ AI Agent) (Retrieve Documents (As Tool for AI Agent) parameters)
- Name : ชื่อร้านเวกเตอร์
- Description : อธิบายให้ LLM ฟังว่าเครื่องมือนี้ทำอะไรได้บ้าง คำอธิบายเฉพาะเจาะจงที่ดีและช่วยให้ LLM ให้ผลลัพธ์ที่คาดหวังได้บ่อยขึ้น
- Milvus Collection : เลือกหรือเข้าสู่ Milvus Collection ที่จะใช้
- Limit : ป้อนจำนวนผลลัพธ์ที่จะดึงจากร้านค้าเวกเตอร์ เช่น ตั้งเป็น
10เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดสิบประการ
ตัวเลือก node
Metadata Filter
มีจำหน่ายใน Get Many โหมด เมื่อค้นหาข้อมูล ใช้สิ่งนี้เพื่อจับคู่กับข้อมูลเมตาที่เกี่ยวข้องกับเอกสาร
นี่คืออัน AND แบบสอบถาม หากคุณระบุช่องตัวกรองข้อมูลเมตามากกว่าหนึ่งช่อง ช่องข้อมูลทั้งหมดจะต้องตรงกัน
เมื่อแทรกข้อมูล ข้อมูลเมตาจะถูกตั้งค่าโดยใช้ตัวโหลดเอกสาร อ้างถึง Default Data Loader สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการโหลดเอกสาร
Clear Collection
มีจำหน่ายใน Insert Documents โหมด ลบข้อมูลทั้งหมดออกจากคอลเลกชันก่อนที่จะแทรกข้อมูลใหม่
ทรัพยากรที่เกี่ยวข้อง
อ้างถึง เอกสาร Milvus ของ LangChain สำหรับข้อมูลเพิ่มเติมเกี่ยวกับบริการ
ดูของ n8n AI ขั้นสูง เอกสารประกอบ
หมายเหตุ
-
ที่เก็บเวกเตอร์หรือฐานข้อมูลเวกเตอร์ จัดเก็บการแสดงข้อมูลทางคณิตศาสตร์ ใช้กับการฝังและการดึงข้อมูลเพื่อสร้างฐานข้อมูลที่ AI ของคุณสามารถเข้าถึงได้เมื่อตอบคำถาม ↩
-
กลุ่ม AI ช่วยให้คุณสามารถโต้ตอบกับโมเดลภาษาขนาดใหญ่ (LLM) และทรัพยากรอื่นๆ ตามลำดับการเรียกไปยังส่วนประกอบ AI chains ใน n8n ไม่ได้ใช้หน่วยความจำถาวร ดังนั้นคุณจึงไม่สามารถใช้มันเพื่ออ้างอิงบริบทก่อนหน้าได้ (ใช้เอเจนต์ AI สำหรับสิ่งนี้) ↩
-
เจ้าหน้าที่ AI คือระบบปัญญาประดิษฐ์ที่สามารถตอบสนองคำขอ ตัดสินใจ และปฏิบัติงานในโลกแห่งความเป็นจริงให้กับผู้ใช้ได้ พวกเขาใช้โมเดลภาษาขนาดใหญ่ (LLM) เพื่อตีความข้อมูลที่ผู้ใช้ป้อนและตัดสินใจเกี่ยวกับวิธีดำเนินการตามคำขอให้ดีที่สุดโดยใช้ข้อมูลและทรัพยากรที่มีอยู่ ↩
-
ในบริบทของ AI เครื่องมือคือทรัพยากรส่วนเสริมที่ AI สามารถอ้างอิงถึงข้อมูลหรือฟังก์ชันเฉพาะเมื่อตอบสนองต่อคำขอ โมเดล AI สามารถใช้เครื่องมือเพื่อโต้ตอบกับระบบภายนอกหรือทำงานที่เน้นเฉพาะเจาะจงได้ ↩

