文本分类节点#
使用文本分类器节点对输入数据进行分类（归类）。根据参数中提供的类别（见下文），每个条目会被传递给模型以确定其所属类别。
本页面将介绍文本分类器节点的参数配置，并提供更多相关资源的链接。
节点参数#
- 输入提示 定义需要分类的输入内容。通常是一个引用输入项中字段的表达式。例如，如果输入来自聊天触发器，则可以是
{{ $json.chatInput }}。默认情况下它引用text字段。 - 分类: 添加您想要将输入分类的类别。每个类别包含名称和描述。通过描述向模型说明该类别的含义，这在含义不明显时尤为重要。您可以添加任意数量的类别。
节点选项#
- 允许多个类别为真: 您可以配置分类器为每个项目始终输出单个类别(关闭)，或允许模型选择多个类别(开启)。
- When No Clear Match: Define what happens if the model can't find a good match for an item. There are two options:
- 丢弃项目（默认选项）：如果节点未检测到任何类别，则丢弃该项目。
- 额外输出分支 '其他': 创建一个名为其他的独立输出分支。当节点未检测到任何分类时，会将项目输出到此分支。
-
系统提示模板: 使用此选项可更改用于分类的系统提示。它使用
{categories}占位符来表示类别。 -
启用自动修复: 启用后，节点会自动修复模型输出以确保符合预期格式。具体方式是将模式解析错误发送给LLM并要求其修复。
相关资源#
查看n8n的高级AI文档。
AI术语表#
- completion: 补全（completion）是指由GPT等模型生成的响应内容。
- 幻觉: AI中的幻觉是指大型语言模型(LLM)错误地感知到不存在的模式或对象。
- 向量数据库: 向量数据库存储信息的数学表示。与嵌入和检索器配合使用，可创建AI在回答问题时能够访问的数据库。
- 向量存储: 向量存储（或称向量数据库）用于存储信息的数学表示。结合嵌入模型和检索器使用，可创建供AI在回答问题时访问的数据库。
