PGVector 向量存储节点#

PGVector是Postgresql的扩展。使用此节点可与Postgresql数据库中的PGVector表进行交互。您可以将文档插入向量表、从向量表获取文档、检索文档以提供给连接到chain的检索器，或直接作为tool连接到agent。

本页面将介绍PGVector节点的参数配置，并提供更多相关资源的链接。

Credentials

您可以在此节点的此处找到认证信息。

子节点中的参数解析

在使用表达式处理多个项目时，子节点的行为与其他节点不同。

大多数节点（包括根节点）可以接收任意数量的项目作为输入，处理这些项目并输出结果。您可以使用表达式来引用输入项，节点会依次为每个项目解析该表达式。例如，给定五个name值的输入，表达式{{ $json.name }}会依次解析为每个名称。

在子节点中，表达式始终解析为第一项。例如，给定五个name值输入时，表达式{{ $json.name }}总是解析为第一个名称。

节点使用模式#

您可以在以下模式中使用PGVector向量存储节点。

作为常规节点使用以插入和检索文档#

您可以将PGVector向量存储作为常规节点使用，用于插入或获取文档。这种模式将PGVector向量存储置于常规连接流程中，而不使用智能体。

你可以在此模板的场景1中看到示例（该模板使用Supabase向量存储，但模式相同）。

直接连接AI智能体作为工具#

您可以将PGVector向量存储节点直接连接到AI智能体的工具连接器，以便在回答查询时使用向量存储作为资源。

这里的连接关系是：AI智能体（工具连接器）-> PGVector向量存储节点。

使用检索器获取文档#

你可以将Vector Store Retriever节点与PGVector Vector Store节点结合使用，从PGVector Vector Store节点获取文档。这通常与Question and Answer Chain节点配合使用，用于从向量存储中获取与给定聊天输入相匹配的文档。

一个连接流程的示例（链接示例使用Pinecone，但模式相同）如下：问答链（检索器连接器）-> 向量存储检索器（向量存储连接器）-> PGVector向量存储。

使用向量存储问答工具来回答问题#

另一种模式使用Vector Store Question Answer Tool来汇总结果并回答来自PGVector向量存储节点的问题。这种模式不是直接将PGVector向量存储作为工具连接，而是使用专门设计用于汇总向量存储中数据的工具。

在这种情况下，connections flow（链接示例使用了Simple Vector Store，但模式相同）将如下所示：AI智能体（工具连接器）-> 向量存储问答工具（向量存储连接器）-> 简单向量存储。

节点参数#

操作模式#

该向量存储节点具有四种模式：获取多条、插入文档、检索文档（作为链/工具的向量存储）和检索文档（作为AI智能体的工具）。您选择的模式决定了节点可执行的操作以及可用的输入和输出。

获取多个#

在此模式下，您可以通过提供提示从向量数据库中检索多个文档。该提示将被嵌入并用于相似性搜索。节点将返回与提示最相似的文档及其相似度分数。如果您想检索相似文档列表并将其作为额外上下文传递给智能体，此功能非常有用。

插入文档#

使用插入文档模式将新文档插入到您的向量数据库中。

检索文档（作为链/工具的向量存储）#

使用"检索文档（作为链/工具的向量存储）"模式配合向量存储检索器，从向量数据库中检索文档并将其提供给连接到链的检索器。在此模式下，必须将该节点连接到检索器节点或根节点。

检索文档（作为AI智能体的工具）#

使用"检索文档（作为AI智能体工具）"模式，在回答查询时将向量存储作为工具资源使用。当智能体在构建响应时，如果向量存储的名称和描述与问题细节匹配，则会使用该向量存储。

获取多个参数#

表名: 输入您要查询的表的名称。
提示: 输入您的搜索查询。
限制: 输入一个数字来设置从向量存储中检索多少条结果。例如，设置为10可获取最佳的十条结果。

插入文档参数#

表名: 输入您想要查询的表的名称。

检索文档参数（作为链/工具的向量存储）#

表名: 输入您要查询的表的名称。

检索文档（作为AI智能体的工具）参数#

名称: 向量存储的名称。
描述: 向大语言模型解释这个工具的功能。一个具体清晰的描述能让大语言模型更频繁地产生预期结果。
表名: 输入要使用的PGVector表。
Limit: 输入要从向量存储中检索的结果数量。例如，设置为10可获取最佳的十个结果。

节点选项#

集合#

一种在PGVector中分离数据集的方法。它会创建一个单独的表和列，用于跟踪向量所属的集合。

使用集合: 选择是否使用集合（开启）或不使用（关闭）。
集合名称: 输入您想要使用的集合名称。
Collection Table Name: 输入用于存储集合信息的表名。

列名#

以下选项指定了用于存储向量及相关信息的列名：

ID列名称
向量列名称
内容列名称
元数据列名

元数据过滤器#

在获取多个模式下可用。搜索数据时，使用此选项与文档关联的元数据进行匹配。

这是一个AND查询。如果您指定多个元数据筛选字段，则所有字段都必须匹配。

插入数据时，元数据是通过文档加载器设置的。有关加载文档的更多信息，请参阅Default Data Loader。

模板和示例#

有关该服务的更多信息，请参阅LangChain的PGVector文档。

查看n8n的高级AI文档。

自托管AI入门套件#

初次接触AI并使用自托管的n8n？试试n8n的自托管AI入门套件，通过Ollama、Qdrant和PostgreSQL快速搭建概念验证或演示环境。