Zep向量存储节点#

使用Zep向量存储与Zep向量数据库进行交互。您可以将文档插入向量数据库，从向量数据库获取文档，检索文档以提供给连接到链的检索器，或直接将其连接到智能体作为工具使用。

本页面将介绍Zep向量存储节点的参数配置，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。

示例和模板

如需使用示例和模板帮助您快速上手，请参阅n8n的Zep向量存储集成页面。

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Zep向量存储节点。

作为常规节点使用，用于插入、更新和检索文档#

您可以将Zep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Zep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（该示例使用Supabase，但模式相同）。

直接连接AI智能体作为工具#

您可以将Zep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） -> Zep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Zep Vector Store节点结合使用，从Zep Vector Store节点获取文档。这通常与Question and Answer Chain节点配合使用，从向量存储中获取与给定聊天输入匹配的文档。

一个连接流程示例（该示例使用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）-> Zep向量存储。

使用向量存储问答工具来回答问题#

另一种模式使用向量存储问答工具来汇总结果并回答来自Zep向量存储节点的问题。这种模式不是直接将Zep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（此示例使用Supabase，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）->Zep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。

插入文档参数#

集合名称: 输入要存储数据的集合名称。

获取多个参数#

集合名称: 输入要从中检索数据的集合名称。
提示: 输入搜索查询。
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。

检索文档（作为链/工具的向量存储）参数#

集合名称: 输入要从中检索数据的集合名称。

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。
集合名称: 输入要从中检索数据的集合名称。
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#

嵌入维度#

在嵌入数据和查询数据时必须保持一致。

这设置了用于表示文本文档语义含义的浮点数数组的大小。

了解更多关于Zep嵌入的信息，请参阅Zep的嵌入文档。

是否自动嵌入#

在插入文档操作模式下可用，默认已启用。

禁用此选项以在Zep而非n8n中配置您的嵌入设置。

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Zep文档。

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。