เรียนรู้วิธีใช้ node Ollama Chat Model ใน n8n ปฏิบัติตามเอกสารทางเทคนิคเพื่อรวม node Ollama Chat Model เข้ากับ workflow ของคุณ
โมดูลแชท Ollama ช่วยให้คุณสามารถใช้รูปแบบ Llama 2 ในท้องถิ่นพร้อมตัวแทนการสนทนา 1.
ในหน้านี้ คุณจะพบ parameter node สำหรับ node Ollama Chat Model และลิงก์ไปยังแหล่งข้อมูลเพิ่มเติม
Credentials
อ้างถึง Ollama 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 : เลือกรุ่นที่สร้างความสมบูรณ์ เลือกจาก:
- Llama2
- Llama2 13B
- Llama2 70B
- Llama2 Uncensored
อ้างถึง Ollama เอกสารประกอบไลบรารีโมเดล สำหรับข้อมูลเพิ่มเติมเกี่ยวกับรุ่นที่มีจำหน่าย
ตัวเลือก node
- Sampling Temperature : ใช้ตัวเลือกนี้เพื่อควบคุมความสุ่มของกระบวนการสุ่มตัวอย่าง อุณหภูมิที่สูงขึ้นจะสร้างตัวอย่างที่หลากหลายมากขึ้น แต่เพิ่มความเสี่ยงต่อการเกิดอาการประสาทหลอน
- Top K : ป้อนจำนวนตัวเลือก token ที่โมเดลใช้เพื่อสร้าง token ถัดไป
- Top P : ใช้ตัวเลือกนี้เพื่อกำหนดความน่าจะเป็นที่ควรใช้ให้เสร็จสิ้น ใช้ค่าที่ต่ำกว่าเพื่อละเว้นตัวเลือกที่น่าจะเป็นไปได้น้อยกว่า
เทมเพลตและตัวอย่าง
เรียกดูเทมเพลตการรวม n8n-nodes-langchain.lmchatollama หรือ ค้นหาเทมเพลตทั้งหมด
ทรัพยากรที่เกี่ยวข้อง
อ้างถึง เอกสารประกอบ Ollama Chat Model ของ LangChains สำหรับข้อมูลเพิ่มเติมเกี่ยวกับบริการ
ดูของ n8n AI ขั้นสูง เอกสารประกอบ
ปัญหาทั่วไป
สำหรับคำถามหรือปัญหาทั่วไปและวิธีแก้ปัญหาที่แนะนำ โปรดดูที่ Common issues.
ชุดเริ่มต้น AI ที่โฮสต์เอง
ยังใหม่กับการทำงานกับ AI และใช้ n8n ที่โฮสต์เองใช่ไหม ลอง n8n ดูครับ ชุดเริ่มต้น AI ที่โฮสต์เอง เพื่อเริ่มต้นด้วยการพิสูจน์แนวคิดหรือสนามเด็กเล่นสาธิตโดยใช้ Ollama, Qdrant และ PostgreSQL
หมายเหตุ
-
เจ้าหน้าที่ AI คือระบบปัญญาประดิษฐ์ที่สามารถตอบสนองคำขอ ตัดสินใจ และปฏิบัติงานในโลกแห่งความเป็นจริงให้กับผู้ใช้ได้ พวกเขาใช้โมเดลภาษาขนาดใหญ่ (LLM) เพื่อตีความข้อมูลที่ผู้ใช้ป้อนและตัดสินใจเกี่ยวกับวิธีดำเนินการตามคำขอให้ดีที่สุดโดยใช้ข้อมูลและทรัพยากรที่มีอยู่ ↩

