n8n中的LangChain概念#
本页说明LangChain的概念和功能如何映射到n8n节点。
本页面列出了n8n中专注于LangChain的节点列表。您可以在与LangChain交互的工作流中使用任何n8n节点，将LangChain与其他服务连接起来。LangChain功能使用了n8n的集群节点。
n8n 实现了 LangChain JS
此功能是n8n对LangChain的JavaScript框架的实现。
触发器节点#
集群节点#
Cluster nodes 是在n8n工作流中协同工作以提供功能的节点组。不同于使用单一节点，您可以使用一个root node和一个或多个sub-nodes来扩展节点的功能。
根节点#
每个集群都从一个根节点开始。
链式流程#
一个链是一系列LLM及相关工具的串联组合，通过相互连接来支持单个LLM无法独立提供的功能。
可用节点：
了解更多关于LangChain中的链式调用。
智能体#
一个智能体可以访问一系列工具，并根据用户输入决定使用哪些工具。智能体可以使用多个工具，并将一个工具的输出作为下一个工具的输入。Source
可用节点：
了解更多关于LangChain中的智能体。
向量存储#
Vector stores 存储嵌入数据，并对其执行向量搜索。
了解更多关于LangChain中的向量存储。
其他#
实用节点。
LangChain Code: 导入LangChain。这意味着如果n8n尚未创建您所需功能的节点，您仍然可以使用它。
子节点#
每个根节点可以连接一个或多个子节点。
文档加载器#
文档加载器将数据作为文档添加到您的链中。数据源可以是文件或网络服务。
可用节点：
了解更多关于LangChain中的文档加载器。
语言模型#
LLMs (大型语言模型) 是用于分析数据集的程序。它们是人工智能应用中的关键要素。
可用节点：
- Anthropic 聊天模型
- AWS Bedrock 聊天模型
- Cohere 模型
- Hugging Face推理模型
- Mistral 云聊天模型
- Ollama 聊天模型
- Ollama 模型
- OpenAI 聊天模型
了解更多关于LangChain中的语言模型。
记忆#
Memory 在一系列查询中保留之前查询的信息。例如，当用户与聊天模型交互时，如果您的应用程序能记住并调用整个对话而不仅仅是用户最近输入的查询，这将非常有用。
可用节点：
了解更多关于LangChain中的记忆机制。
输出解析器#
输出解析器接收由LLM生成的文本，并将其格式化为符合您所需的结构。
可用节点：
了解更多关于LangChain中的输出解析器。
检索器#
文本分割器#
文本分割器能够分解数据（文档），使LLM更容易处理信息并返回准确结果。
可用节点：
n8n的文本分割节点实现了LangChain的text_splitter API的部分功能。
工具#
实用工具。
嵌入#
Embeddings 捕捉文本、图像、视频或其他类型信息的"相关性"。(source)
可用节点：
- Embeddings AWS Bedrock
- Embeddings Cohere
- Embeddings Google PaLM
- Embeddings Hugging Face Inference
- Embeddings Mistral Cloud
- Embeddings Ollama
- Embeddings OpenAI
了解更多关于LangChain中的文本嵌入。
