เรียนรู้วิธีใช้ node Embeddings Azure OpenAI ใน n8n ปฏิบัติตามเอกสารทางเทคนิคเพื่อรวม node Embeddings Azure OpenAI เข้ากับ workflow ของคุณ
ใช้รหัส Embeddings Azure OpenAI เพื่อสร้างรหัส 1 สำหรับข้อความที่กำหนด
ในหน้านี้ คุณจะพบ parameter node สำหรับ node Embeddings Azure OpenAI และลิงก์ไปยังแหล่งข้อมูลเพิ่มเติม
Credentials
อ้างถึง Azure OpenAI 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
ตัวเลือก node
- Model (Deployment) Name : เลือกโมเดล (การปรับใช้) เพื่อใช้ในการสร้างการฝัง
- Batch Size : ป้อนจำนวนเอกสารสูงสุดที่จะส่งในแต่ละคำขอ
- Strip New Lines : เลือกว่าจะลบอักขระบรรทัดใหม่ออกจากข้อความที่ป้อน (เปิด) หรือไม่ (ปิด) n8n เปิดใช้งานสิ่งนี้ตามค่าเริ่มต้น
- Timeout : ป้อนระยะเวลาสูงสุดที่คำขอสามารถทำได้ในหน่วยวินาที ตั้งเป็น
-1โดยไม่หมดเวลา
เทมเพลตและตัวอย่าง
เรียกดูเทมเพลตการรวมเอกสาร node Azure OpenAI ที่ฝัง หรือ ค้นหาเทมเพลตทั้งหมด
ทรัพยากรที่เกี่ยวข้อง
อ้างถึง เอกสารการฝัง OpenAI ของ LangChains สำหรับข้อมูลเพิ่มเติมเกี่ยวกับบริการ
ดูของ n8n AI ขั้นสูง เอกสารประกอบ
หมายเหตุ
-
การฝังคือการแสดงตัวเลขของข้อมูลโดยใช้เวกเตอร์ AI ใช้เพื่อตีความข้อมูลและความสัมพันธ์ที่ซับซ้อนโดยการแมปค่าข้ามมิติต่างๆ ฐานข้อมูลเวกเตอร์หรือร้านค้าเวกเตอร์เป็นฐานข้อมูลที่ออกแบบมาเพื่อจัดเก็บและเข้าถึงการฝัง ↩

