เรียนรู้วิธีใช้ node Oracle Database Vector Store ใน n8n ปฏิบัติตามเอกสารทางเทคนิคเพื่อรวม node Oracle Database Vector Store เข้ากับ workflow ของคุณ
ใช้ Oracle Database Vector Store Node สำหรับการโต้ตอบกับ Oracle Database ในฐานะร้านค้า vector 1 คุณสามารถใส่เอกสารลงในตาราง vector, รับเอกสารจากตาราง vector, รับเอกสารเพื่อให้พวกเขาไปยังผู้รับที่เชื่อมต่อกับโซ่ 2 หรือเชื่อมต่อโดยตรงกับตัวแทน 3 เป็นเครื่องมือ 4.
ในหน้านี้คุณจะพบ parameter คอลัมน์สำหรับคอลัมน์ Oracle Database Vector Store และลิงค์ไปยังทรัพยากรเพิ่มเติม
Credentials
อ้างถึง Oracle Database credentials สำหรับข้อมูลการตรวจสอบสิทธิ์สำหรับ node นี้
Oracle Database Vector สนับสนุน (Oracle Database vector support)
ตัวอย่างฐานข้อมูล Oracle ของคุณจะต้องสนับสนุนการค้นหาของ Oracle AI Vector สำหรับการดำเนินงานของร้านค้า vector สำหรับรายละเอียดเพิ่มเติม โปรดดูที่: คู่มือค้นหา Oracle AI Vector .
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 Oracle Database Vector Store ในรูปแบบต่อไปนี้
ใช้เป็น node ปกติในการแทรกและดึงเอกสาร (Use as a regular node to insert and retrieve documents)
คุณสามารถใช้ Oracle Database Vector Store เป็นช่องปกติเพื่อใส่หรือรับเอกสาร รูปแบบนี้จะวาง Oracle Database Vector Store ในการไหลการเชื่อมต่อปกติโดยไม่ต้องใช้ตัวแทน
คุณสามารถดูตัวอย่างนี้ได้ในสถานการณ์ที่ 1 ของ เทมเพลตนี้ (เทมเพลตใช้ Supabase Vector Store แต่รูปแบบจะเหมือนกัน)
เชื่อมต่อโดยตรงกับ AI Agent ในฐานะเครื่องมือ (Connect directly to an AI agent as a tool)
คุณสามารถเชื่อมต่อโอน Oracle Database Vector Store โดยตรงกับเครื่องมือเชื่อมต่อของ Oracle Database AI Agent เพื่อใช้ร้านค้าเวกเตอร์เป็นทรัพยากรในการตอบคำถาม
ที่นี่การเชื่อมต่อจะเป็น: AI Agent (เครื่องมือเชื่อมต่อ) -> Oracle Database Vector Store Node.
ใช้รีทรีฟเวอร์เพื่อดึงเอกสาร (Use a retriever to fetch documents)
คุณสามารถใช้ Vector Store Retriever ปุ่มที่มี Oracle Database Vector Store ปุ่มเพื่อจับเอกสารจาก Oracle Database Vector Store ปุ่ม นี้มักจะใช้กับ Question and Answer Chain node เพื่อดึงเอกสารจากร้านค้าเวกเตอร์ที่ตรงกับ input แชทที่กำหนด
อ ตัวอย่างของการเชื่อมต่อไหล (ตัวอย่างที่เชื่อมโยงใช้ Pinecone แต่รูปแบบนั้นเหมือนกัน) จะเป็น: คำถามและคำตอบโซ่ (เชื่อมต่อ Retriever) -> Vector Store Retriever (เชื่อมต่อ Vector Store) -> Oracle Database Vector Store.
ใช้เครื่องมือตอบคำถามของ Vector Store เพื่อตอบคำถาม (Use the Vector Store Question Answer Tool to answer questions)
อีกรูปแบบหนึ่งใช้ Vector Store Question Answer Tool เพื่อสรุปผลลัพธ์และตอบคำถามจาก node Oracle Database Vector Store แทนที่จะเชื่อมต่อ Oracle Database Vector Store เป็นเครื่องมือโดยตรง รูปแบบนี้ใช้เครื่องมือที่ออกแบบมาโดยเฉพาะเพื่อสรุปข้อมูลในเวกเตอร์สโตร์
ที่ การเชื่อมต่อไหล (ตัวอย่างที่เชื่อมโยงใช้ Simple Vector Store แต่รูปแบบเหมือนกัน) ในกรณีนี้จะมีลักษณะดังนี้: เอเจนต์ AI (ตัวเชื่อมต่อเครื่องมือ) -> เครื่องมือตอบคำถามของ Vector Store (ตัวเชื่อมต่อ Vector Store) -> Oracle Database Vector Store
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)
- Table Name : ใส่ชื่อตารางที่คุณต้องการสอบถาม หากไม่มีตาราง node จะสร้างตารางขึ้นมา
- Prompt : ป้อนคำค้นหาของคุณ
- Limit : ป้อนตัวเลขเพื่อกำหนดจำนวนผลลัพธ์ที่จะดึงจากที่เก็บเวกเตอร์ เช่น ตั้งเป็น
10เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดสิบประการ
แทรก parameter เอกสาร (Insert Documents parameters)
- Table Name : ป้อนชื่อของตารางเพื่อจัดเก็บเวกเตอร์ หากไม่มีตาราง node จะสร้างขึ้นมา
ดึงข้อมูล parameter เอกสาร (เป็น Vector Store สำหรับ Chain/Tool) (Retrieve Documents parameters (As Vector Store for Chain/Tool))
- Table Name : ใส่ชื่อตารางที่คุณต้องการสอบถาม
ดึง parameter เอกสาร (เป็นเครื่องมือสำหรับ AI Agent) (Retrieve Documents (As Tool for AI Agent) parameters)
- Name : ชื่อร้านเวกเตอร์
- Description : อธิบายให้ LLM ฟังว่าเครื่องมือนี้ทำอะไรได้บ้าง คำอธิบายเฉพาะเจาะจงที่ดีและช่วยให้ LLM ให้ผลลัพธ์ที่คาดหวังได้บ่อยขึ้น
- Table Name : ป้อนตารางเวกเตอร์ฐานข้อมูล Oracle ที่จะสืบค้น
- Limit : ป้อนจำนวนผลลัพธ์ที่จะดึงจากร้านค้าเวกเตอร์ เช่น ตั้งเป็น
10เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดสิบประการ
ตัวเลือก node
Distance Strategy
มีจำหน่ายใน Get Many และ Retrieve Documents โหมด นี่เป็นวิธีคำนวณระยะห่างระหว่างเวกเตอร์สองตัว เลือกจาก:
- Cosine
- Inner Product
- Euclidean
- Manhattan
- Euclidean Squared
- Hamming
Metadata Filter
มีจำหน่ายใน Get Many, Retrieve Documents (As Vector Store for Chain/Tool) และ Retrieve Documents (As Tool for AI Agent) โหมด เมื่อค้นหาข้อมูล ใช้สิ่งนี้เพื่อจับคู่กับข้อมูลเมตาที่เกี่ยวข้องกับเอกสาร
หากคุณระบุช่องตัวกรองข้อมูลเมตามากกว่าหนึ่งช่องโดยใช้ UI ช่องทั้งหมดจะต้องตรงกัน การทำงานนี้เหมือนกับ AND แบบสอบถาม
สำหรับการกรองขั้นสูง Oracle Database Vector Store จะส่งตัวกรองข้อมูลเมตาไปยัง Oracle AI Vector Search ซึ่งสนับสนุน object ตัวกรองที่สมบูรณ์ยิ่งขึ้น รวมถึง array ตัวกรองแบบซ้อน ตัวดำเนินการเปรียบเทียบ เช่น $gte , ผู้ประกอบการยกเว้นเช่น $nin และผู้ประกอบการทางล็อกเช่น $and.
เมื่อแทรกข้อมูล ข้อมูลเมตาจะถูกตั้งค่าโดยใช้ตัวโหลดเอกสาร อ้างถึง Default Data Loader สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการโหลดเอกสาร
เทมเพลตและตัวอย่าง
สำรวจ Oracle Database Vector Store Node Documentation Integration Templates หรือ ค้นหาเทมเพลตทั้งหมด
ทรัพยากรที่เกี่ยวข้อง
อ้างถึง Oracle AI Vector ค้นหาเอกสาร สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการค้นหา vector ในฐานข้อมูล Oracle
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 ↩

