نود ذخیره‌کننده وکتور Milvus
از نود Milvus برای تعامل با پایگاه داده Milvus خود به عنوان ذخیره‌ساز وکتور استفاده کنید. می‌توانید مستندات را در یک پایگاه داده وکتور درج کنید، مستندات را از آن دریافت کنید، یا برای ارائه به یک بازیابی‌کننده متصل به زنجیره، مستندات را بازیابی نمایید، یا مستقیماً به یک عامل به عنوان ابزار متصل شوید.
در این صفحه، پارامترهای مربوط به نود Milvus و لینک‌هایی به منابع بیشتر را پیدا خواهید کرد.
Authentication
اطلاعات احراز هویت برای این نود را در اینجا می‌توانید بیابید.
مقدار پارامتر در زیرنودها
زیرنودها هنگام پردازش چند آیتم با استفاده از یک عبارت، رفتار متفاوتی نسبت به سایر نودها دارند.
اکثر نودها، از جمله نودهای ریشه، هر تعداد آیتم را به عنوان ورودی می‌پذیرند، این آیتم‌ها را پردازش کرده و نتایج را خروجی می‌دهند. شما می‌توانید از عبارات برای ارجاع به آیتم‌های ورودی استفاده کنید، و نود هر بار این عبارت را برای هر آیتم حل می‌کند. برای مثال، اگر ورودی شامل پنج مقدار name باشد، عبارت {{ $json.name }} به ترتیب به هر نام حل می‌شود.
در زیرنودها، این عبارت همیشه به اولین آیتم ارجاع می‌دهد. برای مثال، اگر ورودی شامل پنج مقدار name باشد، عبارت {{ $json.name }} همیشه به اولین نام ارجاع می‌دهد.
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
44
45
46
47
48
49
50
51
52
53
54 | ## الگوهای استفاده از نود
می‌توانید از نود ذخیره‌کننده وکتور Milvus در الگوهای زیر استفاده کنید.
### استفاده به عنوان نود معمولی برای درج و بازیابی مستندات
می‌توانید از نود ذخیره‌کننده وکتور Milvus به عنوان یک نود معمولی برای درج، یا دریافت مستندات استفاده کنید. این الگو، نود ذخیره‌کننده وکتور Milvus را در جریان ارتباطات معمول قرار می‌دهد بدون نیاز به استفاده از یک عامل.
برای آشنایی با نحوه ساخت سیستم ذخیره و بازیابی مستندات در Milvus و پشتیبانی از پاسخ‌های استنادی و مکالمه‌ای، این [الگوی نمونه](https://n98n.ir/workflows/3573-create-a-rag-system-with-paul-essays-milvus-and-openai-for-cited-answers/) را ببینید.
### کانکشن مستقیم به یک عامل هوش مصنوعی به عنوان ابزار
می‌توانید نود ذخیره‌کننده وکتور Milvus را مستقیماً به کانکتور ابزار یک [عامل هوش مصنوعی](/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent) متصل کنید تا از یک ذخیره‌سازی وکتور به عنوان منبع هنگام پاسخگویی به پرسش‌ها استفاده کنید.
در این حالت، ارتباط به صورت: عامل هوش مصنوعی (کانکتور ابزار) -> نود ذخیره‌کننده وکتور Milvus. این [الگوی نمونه](https://n98n.ir/workflows/3576-paul-graham-essay-search-and-chat-with-milvus-vector-database/) را مشاهده کنید، جایی که داده‌ها در Milvus جاسازی و شاخص‌گذاری می‌شوند و عامل هوش مصنوعی از وکتور استور به عنوان ابزار دانش برای پاسخگویی به سوالات استفاده می‌کند.
### استفاده از بازیابی‌کننده برای دریافت مستندات
می‌توانید از نود [Vector Store Retriever](/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.retrievervectorstore) همراه با نود ذخیره‌کننده وکتور Milvus برای دریافت مستندات از این نود استفاده کنید. این معمولاً با [زنجیره پرسش و پاسخ](/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.chainretrievalqa) برای بازیابی مستندات تطابق‌یافته با ورودی گفت‌وگو است.
یک روند معمول کانکشن نود به شکل زیر است: زنجیره پرسش و پاسخ (کانکتور بازیابی‌کننده) -> بازیابی‌کننده وکتور استور -> نود ذخیره‌کننده وکتور Milvus.
این [مثال ورکفلو](https://n98n.ir/workflows/3574-create-a-paul-graham-essay-qanda-system-with-openai-and-milvus-vector-database/) را ببینید تا نحوه وارد کردن داده‌های خارجی به Milvus و ساخت سیستم پرسش و پاسخ معنایی مبتنی بر مکالمه را بیاموزید.
### استفاده از ابزار پرسش و پاسخ استور برای پاسخ به سوالات
الگوی دیگری استفاده از [ابزار پرسش و پاسخ استور](/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.toolvectorstore) است که نتایج را خلاصه می‌کند و به سوالات از نود Milvus استور پاسخ می‌دهد. در این حالت، به جای کانکشن مستقیم نود Milvus استور به عنوان یک ابزار، از ابزاری مخصوص برای خلاصه‌سازی داده‌های موجود در استور وکتور استفاده می‌شود.
روند اتصالات به صورت زیر است: عامل هوش مصنوعی (کانکتور ابزار) -> ابزار پرسش و پاسخ استور (کانکتور استور وکتور) -> نود Milvus استور.
## پارامترهای نود
### حالت عملیات
این نود ذخیره‌ساز برداری چهار حالت دارد: **گرفتن چندتایی**, **درج اسناد**, **بازیابی اسناد (به عنوان ذخیره‌ساز برداری برای زنجیره/ابزار)**، و **بازیابی اسناد (به عنوان ابزار برای عامل هوشمند)**. حالتی که انتخاب می‌کنید، عملیات‌هایی را که می‌توانید انجام دهید و ورودی‌ها و خروجی‌های موجود را تعیین می‌کند.
<!-- vale off -->
#### گرفتن چندتایی
در این حالت، می‌توانید چندین سند از بانک‌اطلاعات برداری خود را با ارائه یک درخواست بازیابی کنید. درخواست به صورت جاسازی‌شده وارد می‌شود و برای جستجوی شباهت استفاده می‌شود. این نود، اسناد مشابه‌ترین به درخواست را همراه با نمره شباهت آن‌ها برمی‌گرداند. این حالت زمانی مفید است که می‌خواهید فهرستی از اسناد مشابه را بازیابی کرده و به یک عامل به عنوان زمینه اضافی بدهید.
<!-- vale on -->
#### درج اسناد
از حالت درج اسناد برای وارد کردن اسناد جدید به بانک‌اطلاعات برداری خود استفاده کنید.
#### بازیابی اسناد (به عنوان ذخیره‌ساز برداری برای زنجیره/ابزار)
از حالت بازیابی اسناد (به عنوان ذخیره‌ساز برداری برای زنجیره/ابزار) با یک بازیابگر ذخیره‌ساز برداری برای بازیابی اسناد از بانک‌اطلاعات برداری و ارائه آن‌ها به بازیابگر متصل به زنجیره استفاده کنید. در این حالت، باید نود را به یک نود بازیابگر یا نود اصلی متصل کنید.
#### بازیابی اسناد (به عنوان ابزار برای عامل هوشمند)
از حالت بازیابی اسناد (به عنوان ابزار برای عامل هوشمند) برای استفاده از ذخیره‌ساز برداری به عنوان منبع ابزار هنگام پاسخگویی به سؤالات استفاده کنید. هنگام تدوین پاسخ‌ها، عامل از ذخیره‌ساز برداری استفاده می‌کند زمانی که نام و توضیحات ذخیره‌ساز برداری با جزئیات سؤال مطابقت داشته باشد.
|
دریافت چندین پارامتر
- ** مجموعه Milvus**: مجموعه Milvus مورد استفاده را انتخاب یا وارد کنید.
- پیشنهاد: سوال جست‌وجوی خود را وارد کنید.
- حداکثر نتایج: تعداد نتایجی که می‌خواهید از استور دریافت کنید را وارد کنید. مثلا، این را روی
10 قرار دهید تا ده بهترین نتیجه دریافت کنید.
پارامترهای درج مستندات
- ** مجموعه Milvus**: مجموعه Milvus مورد استفاده را انتخاب یا وارد کنید.
- پاک‌سازی مجموعه: مشخص کنید قبل از درج مستندات جدید، مجموعه را پاک‌سازی کنید یا نه.
پارامترهای بازیابی مستندات (به عنوان وکتور استور برای زنجیره/ابزار)
- مجموعه Milvus: مجموعه Milvus مورد استفاده را انتخاب یا وارد کنید.
پارامترهای بازیابی مستندات (به عنوان ابزار برای عامل هوش مصنوعی)
- نام: نام استور وکتور.
- شرح: توضیح دهید که این ابزار چه کاری انجام می‌دهد. یک توضیح دقیق و مشخص، به مدل‌های زبانی کمک می‌کند تا نتایج مورد انتظار را بیشتر تولید کنند.
- ** مجموعه Milvus**: مجموعه Milvus مورد استفاده را انتخاب یا وارد کنید.
- حداکثر نتایج: تعداد نتایجی که می‌خواهید از استور دریافت کنید. مثلا، این را روی
10 قرار دهید تا ده نتیجه برتر.
گزینه‌های نود
فیلتر متادیتا
در حالت Get Many موجود است. هنگام جستجو برای داده‌ها، از این برای تطابق با متادیتای مربوط به سند استفاده کنید.
این یک جستجوی و است. اگر بیش از یک فیلتر متادیتا مشخص کنید، همه باید تطابق داشته باشند.
هنگام وارد کردن داده‌ها، متادیتا با استفاده از بارگذار سند تنظیم می‌شود. برای اطلاعات بیشتر درباره بارگذاری اسناد، به بارگذار پیش‌فرض داده‌ها مراجعه کنید.
| ### پاک‌سازی مجموعه
مورد در حالت **درج مستندات** قابل استفاده است. قبل از درج داده‌های جدید، تمام داده‌های موجود در مجموعه را حذف می‌کند.
## منابع مرتبط
برای اطلاعات بیشتر درباره سرویس، به [مستندات Milvus در LangChain](https://js.langchain.com/integrations/vectorstores/milvus/) مراجعه کنید.
مشاهده مستندسازی [هوش مصنوعی پیشرفته] n98n در این قسمت.
|