การใช้งาน PGVector Vector Store

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

PGVector เป็นการขยายของ Postgresql ใช้ร่องนี้ในการโต้ตอบกับตาราง PGVector ในฐานข้อมูล Postgresql ของคุณ คุณสามารถใส่เอกสารในตาราง vector รับเอกสารจากตาราง vector รับเอกสารเพื่อให้พวกเขาไปยังผู้รับที่เชื่อมต่อกับโซ่ ¹ หรือเชื่อมต่อโดยตรงกับตัวแทน ² เป็นเครื่องมือ ³.

ในหน้านี้คุณจะพบ parameter คิวส์สำหรับคิวส์ PGVector และลิงค์ไปยังทรัพยากรเพิ่มเติม

Credentials

อ้างถึง Postgres 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

คุณสามารถใช้ปุ่ม PGVector Vector Store ในรูปแบบต่อไปนี้

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

คุณสามารถใช้ PGVector Vector Store ในฐานะคุ่มปกติเพื่อใส่หรือรับเอกสาร รูปแบบนี้จะวาง PGVector Store ในไหลการเชื่อมต่อปกติโดยไม่ต้องใช้ตัวแทน

คุณสามารถดูตัวอย่างนี้ได้ในสถานการณ์ที่ 1 ของ เทมเพลตนี้ (เทมเพลตใช้ Supabase Vector Store แต่รูปแบบจะเหมือนกัน)

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

คุณสามารถเชื่อมต่อปุ่ม PGVector Vector Store โดยตรงกับเครื่องมือเชื่อมต่อ AI Agent เพื่อใช้ร้านค้าเวกเตอร์เป็นทรัพยากรในการตอบคำถาม

ที่นี่การเชื่อมต่อจะเป็น: AI Agent (เครื่องมือเชื่อมต่อ) -> ปุ่ม PGVector Vector Store.

ใช้รีทรีฟเวอร์เพื่อดึงเอกสาร (Use a retriever to fetch documents)

คุณสามารถใช้ Vector Store Retriever node กับ node ของ PGVector Store เพื่อจับเอกสารจาก node ของ PGVector Store. นี้มักใช้กับ node ของ PGVector Store Question and Answer Chain node เพื่อดึงเอกสารจากร้านค้าเวกเตอร์ที่ตรงกับ input แชทที่กำหนด

อ ตัวอย่างของการเชื่อมต่อไหล (ตัวอย่างที่เชื่อมโยงใช้ Pinecone แต่รูปแบบนั้นเหมือนกัน) จะเป็น: คำถามและคำตอบโซ่ (เชื่อมต่อ Retriever) -> Vector Store Retriever (เชื่อมต่อ Vector Store) -> PGVector Vector Store.

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

อีกรูปแบบหนึ่งใช้ Vector Store Question Answer Tool เพื่อสรุปผลลัพธ์และตอบคำถามจากปุ่ม PGVector Vector Store แทนที่จะเชื่อมต่อ PGVector Vector Store โดยตรงเป็นเครื่องมือรูปแบบนี้ใช้เครื่องมือที่ออกแบบมาเพื่อสรุปข้อมูลในร้านค้า vector

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

• ชื่อตาราง (Table name) : ใส่ชื่อตารางที่คุณต้องการสอบถาม
• Prompt : ป้อนคำค้นหาของคุณ
• Limit : ป้อนตัวเลขเพื่อกำหนดจำนวนผลลัพธ์ที่จะดึงจากที่เก็บเวกเตอร์ เช่น ตั้งเป็น 10 เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดสิบประการ

แทรก parameter เอกสาร (Insert Documents parameters)

• ชื่อตาราง (Table name) : ใส่ชื่อตารางที่คุณต้องการสอบถาม

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

• ชื่อตาราง (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 : เข้าสู่ตาราง PGVector ที่จะใช้
• Limit : ป้อนจำนวนผลลัพธ์ที่จะดึงจากร้านค้าเวกเตอร์ เช่น ตั้งเป็น 10 เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดสิบประการ

ตัวเลือก node

Collection

วิธีการแยกชุดข้อมูลใน PGVector ซึ่งจะสร้างตารางและคอลัมน์แยกกันเพื่อติดตามว่าเวกเตอร์อยู่ในคอลเลกชันใด

• Use Collection : เลือกว่าจะใช้คอลเลกชัน (เปิด) หรือไม่ (ปิด)
• Collection Name : กรอกชื่อคอลเลกชันที่คุณต้องการใช้
• Collection Table Name : ใส่ชื่อตารางเพื่อเก็บข้อมูลคอลเลกชัน

Column Names

ตัวเลือกต่อไปนี้ระบุชื่อของคอลัมน์เพื่อจัดเก็บเวกเตอร์และข้อมูลที่เกี่ยวข้องใน:

• ID Column Name
• Vector Column Name
• Content Column Name
• Metadata Column Name

Metadata Filter

มีจำหน่ายใน Get Many โหมด เมื่อค้นหาข้อมูล ใช้สิ่งนี้เพื่อจับคู่กับข้อมูลเมตาที่เกี่ยวข้องกับเอกสาร

นี่คืออัน AND แบบสอบถาม หากคุณระบุช่องตัวกรองข้อมูลเมตามากกว่าหนึ่งช่อง ช่องข้อมูลทั้งหมดจะต้องตรงกัน

เมื่อแทรกข้อมูล ข้อมูลเมตาจะถูกตั้งค่าโดยใช้ตัวโหลดเอกสาร อ้างถึง Default Data Loader สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการโหลดเอกสาร

เทมเพลตและตัวอย่าง

เรียกดูเทมเพลตการรวมเอกสาร node PGVector Vector Store หรือ ค้นหาเทมเพลตทั้งหมด

ทรัพยากรที่เกี่ยวข้อง

อ้างถึง การรับรอง PGVector ของ LangChain สำหรับข้อมูลเพิ่มเติมเกี่ยวกับบริการ

ดูของ n8n AI ขั้นสูง เอกสารประกอบ

ชุดเริ่มต้น AI ที่โฮสต์เอง

ยังใหม่กับการทำงานกับ AI และใช้ n8n ที่โฮสต์เองใช่ไหม ลอง n8n ดูครับ ชุดเริ่มต้น AI ที่โฮสต์เอง เพื่อเริ่มต้นด้วยการพิสูจน์แนวคิดหรือสนามเด็กเล่นสาธิตโดยใช้ Ollama, Qdrant และ PostgreSQL