پرش به محتویات

نود زنجیره LLM پایه#

از نود زنجیره LLM پایه برای تعیین پرسش‌نامه‌ای که مدل استفاده خواهد کرد، همراه با تنظیم یک پارسر اختیاری برای پاسخ استفاده کنید.

در این صفحه، پارامترهای نود زنجیره LLM پایه و لینک‌های منابع بیشتر را خواهید یافت.

مثال‌ها و قالب‌ها

برای نمونه‌های usage و قالب‌های کمک کننده برای شروع، صفحه اینتگریشن‌های Basic LLM Chain در n8n را مرجع قرار دهید.

پارامترهای نود#

پرسش‌نامه#

انتخاب کنید که می‌خواهید نود چگونه درخواست (همچنین شناخته شده به عنوان ورودی کاربر یا پرسش در چت) را بسازد.

انتخاب کنید از:

  • برداشتن خودکار از نود قبلی: اگر این گزینه را انتخاب کنید، نود انتظار ورودی از نود قبلی به نام chatInput را دارد.
  • تعریف در زیر: اگر این گزینه را انتخاب کنید، متن استاتیک یا یک عبارت برای محتوای دینامیک را در فیلد درخواست (پیام کاربر) وارد کنید.

نیاز به قالب خروجی خاص#

این پارامتر مشخص می‌کند که آیا می‌خواهید نود به فرمت خاصی از خروجی نیاز داشته باشد یا نه. زمانی که فعال باشد، n98n از شما می‌خواهد یکی از این پارسرهای خروجی را به نود وصل کنید:

  • پارسر خروجی خودکار اصلاح‌شونده
  • پارسر خروجی فهرست آیتم‌ها
  • پارسر خروجی ساختاریافته 
     1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
    ## پیام‌های چت

از **پیام‌های چت** زمانی که از مدل چت برای ارسال پیام استفاده می‌کنید، بهره ببرید.

n98n این گزینه‌ها را در صورت عدم کانکشن مدل چت نادیده می‌گیرد. نوع **نام یا شناسه**‌ای که می‌خواهید نود از آن استفاده کند را انتخاب کنید:

#### AI

یک پاسخ نمونه مورد انتظار را در فیلد **پیام** وارد کنید. مدل سعی می‌کند همانند نمونه در پیام‌هایش پاسخ دهد.

#### سیستم

یک **پیام** سیستم وارد کنید تا همراه با ورودی کاربر باشد و مدل را در آنچه باید انجام دهد راهنمایی کند.

از این گزینه برای مواردی مانند تعیین لحن استفاده کنید، مثلاً: `همیشه با یک دزد دریایی صحبت کن و پاسخ بده`.

#### کاربر

یک ورودی نمونه کاربر وارد کنید. استفاده همزمان از این گزینه با گزینه AI می‌تواند به بهبود خروجی کمک کند. استفاده همزمان هر دو، نمونه‌ای از ورودی و پاسخ مورد انتظار (**پیام AI**) برای دنبال کردن توسط مدل فراهم می‌کند.

یکی از انواع ورودی‌های زیر را انتخاب کنید:

* **متن**: یک نمونه ورودی کاربر را به عنوان پیام **متن** وارد کنید.
* **تصویر (دوتایی)**: ورودی دودویی را از نود قبلی انتخاب کنید. نام فیلد داده تصویر **Image Data Field Name** را وارد کنید تا مشخص شود کدام فیلد دودویی از نود قبلی حاوی داده تصویر است.
* **تصویر (آدرس URL)**: از این گزینه برای وارد کردن تصویری از یک آدرس URL استفاده کنید. **Image URL** را وارد کنید.

برای هر دو نوع **تصویر**، جزئیات تصویر را برای کنترل نحوه پردازش تصویر و تولید درک متنی تعیین کنید. گزینه‌های موجود:

* **خودکار**: مدل از تنظیم خودکار استفاده می‌کند، که اندازه ورودی تصویر را بررسی کرده و تصمیم می‌گیرد اگر باید از حالت کم یا زیاد استفاده کند.
* **پایین**: مدل نسخه کم‌رزولوشن 512px در 512px را دریافت می‌کند و تصویر را با بودجه 65 توکن نشان می‌دهد. این امر باعث پاسخ سریع‌تر API و مصرف کمتر توکن‌های ورودی می‌شود. این گزینه را برای مواردی که جزئیات بالا نیاز نیست، استفاده کنید.
* **بالا**: مدل می‌تواند به تصویر کم‌رزولوشن دسترسی داشته باشد و بر اساس اندازه تصویر، برش‌های دقیق 512px مربعی از تصاویر ورودی ایجاد کند. هر برش دقیق، دو برابر بودجه توکن (65 توکن) یعنی مجموع 129 توکن استفاده می‌کند. این گزینه را برای مواردی که جزئیات بالا نیاز است، استفاده کنید.

## قالب‌ها و نمونه‌ها

<!-- لطفاً به https://www.notion.so/n8n/Pull-in-templates-for-the-integrations-pages-37c716837b804d30a33b47475f6e3780 مراجعه کنید -->
<span class="n8n-templates-widget-more"><a href="https://n98n.ir/integrations/basic-llm-chain/" target="_blank">Browse Basic LLM Chain integration templates</a>, or <a href="https://n98n.ir/workflows/" target="_blank">search all templates</a></span>

## منابع مرتبط

برای اطلاعات بیشتر درباره سرویس، به [مستندات LangChain درباره زنجیره‌های LLM پایه](https://js.langchain.com/docs/tutorials/llm_chain/){:target=_blank .external-link} مراجعه کنید.


مشاهده مستندسازی [هوش مصنوعی پیشرفته] n98n در این قسمت.

واژگان مورد استفاده در هوش مصنوعی#

  • کامل‌شدن: پاسخ‌هایی هستند که توسط مدلی مانند GPT تولید می‌شوند.
  • توهمات: توهم در هوش مصنوعی هنگامی است که یک مدل زبانی بزرگ (LLM) نادرست تصور می‌کند الگوها یا اشیائی وجود دارند که واقعاً وجود ندارند.
  • پایگاه داده وکتور: پایگاه داده وکتور نمایه‌های ریاضی اطلاعات را ذخیره می‌کند. از آن در کنار جاسازی‌ها و بازیاب‌ها برای ساختن یک پایگاه داده که هوش مصنوعی شما می‌تواند هنگام پاسخگویی به سوالات به آن مراجعه کند، استفاده می‌شود.
  • مخزن وکتور: مخزن وکتور، یا پایگاه داده وکتور، نمایه‌های ریاضی اطلاعات را ذخیره می‌کند. از آن در کنار جاسازی‌ها و بازیاب‌ها برای ساختن یک پایگاه داده که هوش مصنوعی شما می‌تواند هنگام پاسخگویی به سوالات به آن مراجعه کند، استفاده می‌شود.

مشکلات رایج#

در اینجا برخی خطاها و مشکلات رایج در مورد نود زنجیره LLM پایه و راه‌حل‌ها یا مراحل رفع اشکال آورده شده است.

خطای عدم تعیین پرسش‌نامه#

این خطا زمانی نمایش داده می‌شود که پرسش‌نامه خالی یا نامعتبر باشد.

ممکن است این خطا در یکی از دو حالت زیر ظاهر شود:

  1. زمانی که پرسش‌نامه را بر روی تعریف در پایین تنظیم کرده‌اید و در فیلد متن چیزی وارد نکرده‌اید. * برای رفع مشکل، یک پرسش‌نامه معتبر در فیلد متن وارد کنید.
  2. زمانی که پرسش‌نامه را بر روی پیوند خورده به نود فعال‌سازی چت تنظیم کرده‌اید و داده ورودی هیچ فیلدی به نام chatInput ندارد. * این نود انتظار دارد فیلد chatInput وجود داشته باشد. اگر نود قبلی این فیلد را ندارد، یک نود ویرایش فیلدها (Set) برای ویرایش نام فیلد ورودی به chatInput اضافه کنید.