HuggingFace推理嵌入节点#
使用Embeddings HuggingFace Inference节点为给定文本生成embeddings。
本页面将介绍Embeddings HuggingFace Inference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。
节点参数#
- 模型: 选择用于生成嵌入向量的模型。
请参考Hugging Face模型文档查看可用模型。
节点选项#
- 自定义推理端点: 输入您部署在HuggingFace平台上的模型URL。如果设置了此项，n8n将忽略模型名称。
更多信息请参考HuggingFace的推理指南。
模板和示例#
相关资源#
有关该服务的更多信息，请参考Langchain的HuggingFace推理嵌入文档。
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。
