เรียนรู้วิธีใช้ node Embeddings Cohere ใน n8n ปฏิบัติตามเอกสารทางเทคนิคเพื่อรวม node Embeddings Cohere เข้ากับ workflow ของคุณ
ใช้รหัส Embeddings Cohere เพื่อสร้างรหัส 1 สำหรับข้อความที่กำหนด
ในหน้านี้ คุณจะพบ parameter node สำหรับ node Embeddings Cohere และลิงก์ไปยังแหล่งข้อมูลเพิ่มเติม
Credentials
อ้างถึง Cohere 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
parameter node
- Model : เลือกโมเดลที่จะใช้สร้างการฝัง เลือกจาก:
- Embed-English-v2.0(4096 Dimensions)
- Embed-English-Light-v2.0(1024 Dimensions)
- Embed-Multilingual-v2.0(768 Dimensions)
เรียนรู้เพิ่มเติมเกี่ยวกับรุ่นที่มีจำหน่ายใน เอกสารประกอบโมเดลของ Cohere .
เทมเพลตและตัวอย่าง
เรียกดูเทมเพลตการรวมเอกสารประกอบ node Cohere การฝัง หรือ ค้นหาเทมเพลตทั้งหมด
ทรัพยากรที่เกี่ยวข้อง
อ้างถึง เอกสารการฝัง Cohere ของ Langchain สำหรับข้อมูลเพิ่มเติมเกี่ยวกับบริการ
ดูของ n8n AI ขั้นสูง เอกสารประกอบ
หมายเหตุ
-
การฝังคือการแสดงตัวเลขของข้อมูลโดยใช้เวกเตอร์ AI ใช้เพื่อตีความข้อมูลและความสัมพันธ์ที่ซับซ้อนโดยการแมปค่าข้ามมิติต่างๆ ฐานข้อมูลเวกเตอร์หรือร้านค้าเวกเตอร์เป็นฐานข้อมูลที่ออกแบบมาเพื่อจัดเก็บและเข้าถึงการฝัง ↩

