پرش به محتویات

نود فضای برداری سوپابیس#

از فضای برداری سوپابیس برای تعامل با پایگاه داده سوپابیس خود به عنوان فضای برداری استفاده کنید. می‌توانید مستندات را در یک پایگاه داده برداری وارد کنید، مستندات را از پایگاه داده برداری بگیرد، مستندات را بازیابی کنید تا به یک بازیاب متصل شده به زنجیره ارائه دهید، یا مستقیماً آن را به عنوان یک دستگاه متصل کنید تا به عنوان یک ابزار استفاده شود.

در این صفحه، پارامترهای نود سوپابیس را مشاهده می‌کنید، و لینک‌هایی به منابع بیشتر.

اعتبارنامه‌

می‌توانید اطلاعات احراز هویت مربوط به این نود را اینجا 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
55
56
57
58
	
سوپابیس یک [شروع سریع برای راه‌اندازی فضای برداری شما](https://supabase.com/docs/guides/ai/langchain?database-method=sql){:target=_blank .external-link} ارائه می‌دهد. اگر تنظیمات دیگری به جز تنظیمات پیش‌فرض در شروع سریع استفاده کنید، ممکن است بر تنظیمات پارامترها در n98n تأثیر گذارد. مطمئن شوید که آنچه انجام می‌دهید را به درستی درک کرده‌اید.

## الگوهای استفاده از نود

می‌توانید از نود فضای برداری سوپابیس در الگوهای زیر استفاده کنید.

### استفاده به عنوان یک نود عادی برای وارد کردن، به‌روزرسانی، و بازیابی مستندات

می‌توانید از نود فضای برداری سوپابیس به عنوان یک نود عادی برای وارد کردن، به‌روزرسانی، یا گرفتن مستندات استفاده کنید. این الگو فضای فضای برداری سوپابیس را در جریان ارتباطات معمول قرار می‌دهد بدون استفاده از یک دستگاه.

نمونه‌ای از این مورد را در سناریو ۱ [در این قالب](https://n98n.ir/workflows/2621-ai-agent-to-chat-with-files-in-supabase-storage/) مشاهده کنید.

### کانکشن مستقیم به یک دستگاه هوش مصنوعی به عنوان یک ابزار

می‌توانید نود فضای برداری سوپابیس را مستقیماً به کانکتور ابزار یک [دستگاه هوش مصنوعی](/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.agent) متصل کنید تا از فضای برداری به عنوان منبع در پاسخ به پرسش‌ها استفاده کنید.

در این حالت، کانکشن به صورت زیر خواهد بود: دستگاه هوش مصنوعی (کانکتور ابزار) -> نود فضای برداری سوپابیس.

### استفاده از بازیاب برای گرفتن مستندات

می‌توانید از نود [بازیاب فضای برداری](/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.retrievervectorstore) همراه با نود فضای برداری سوپابیس برای کشیدن مستندات از این نود استفاده کنید. این روش اغلب با [زنجیره پرسش و پاسخ](/integrations/builtin/cluster-nodes/root-nodes/n8n-nodes-langchain.chainretrievalqa) همراه است تا مستنداتی را که با ورودی چت مطابقت دارند، بازیابی کند.

یک [نمونه جریان کانکشن](https://n98n.ir/workflows/1960-ask-questions-about-a-pdf-using-ai/) (در این مثال از Pinecone استفاده شده، اما الگو در همان حالت است) شامل موارد زیر است: زنجیره پرسش و پاسخ (کانکتور بازیاب) -> بازیاب فضای برداری (کانکتور فضای برداری) -> فضای برداری سوپابیس.

### استفاده از ابزار پاسخ به سوالات فضای برداری برای پاسخگویی به سوالات

الگوی دیگری از [ابزار پاسخ سوالات فضای برداری](/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.toolvectorstore) استفاده می‌کند تا نتایج را خلاصه کرده و به سوالات پاسخ دهد. در عوض، این الگو، فضای برداری سوپابیس را مستقیم به عنوان یک ابزار متصل نمی‌کند، بلکه از ابزاری خاص برای خلاصه‌سازی داده‌های درون فضای برداری استفاده می‌کند.

جریان لینک‌سازی در این حالت به این صورت است: دستگاه هوش مصنوعی (کانکتور ابزارها) -> ابزار پاسخ سوالات فضای برداری (کانکتور فضای برداری) -> فضای برداری سوپابیس.

## پارامترهای نود


### حالت عملیات

این نود ابزار ذخیره برداری (Vector Store) پنج حالت دارد: **دریافت چندتا**, **درج اسناد**, **بازیابی اسناد (به عنوان فضای برداری برای زنجیره/ابزار)**، **بازیابی اسناد (به عنوان ابزار برای عامل هوشمند)**، و **به‌روزرسانی اسناد**. حالت انتخابی شما تعیین می‌کند چه عملیات‌هایی می‌توانید انجام دهید و چه ورودی‌ها و خروجی‌هایی در دسترس است.

<!-- vale off -->
#### دریافت چندتا

در این حالت، می‌توانید چندین سند را از بانک اطلاعات برداری خود با ارائه یک پرسش‌نامه بازیابی کنید. پرسش‌نامه به داخل وارد شده و برای جستجوی شباهت استفاده می‌شود. این نود سندهایی را برمی‌گرداند که بیشترین شباهت را به پرسش‌نامه دارند به همراه امتیاز شباهتشان. این حالت زمانی مفید است که بخواهید فهرستی از اسناد مشابه را بازیابی کرده و به عنوان زمینه اضافی برای یک عامل ارسال کنید.
<!-- vale on -->
#### درج اسناد

از حالت درج اسناد برای افزودن اسناد جدید به بانک اطلاعات برداری خود استفاده کنید.

#### بازیابی اسناد (به عنوان فضای برداری برای زنجیره/ابزار)

با حالت بازیابی اسناد (به عنوان فضای برداری برای زنجیره/ابزار) و استفاده از یک بازیابی‌کننده فضای برداری برای بازیابی اسناد از بانک برداری و ارائه آن‌ها به بازیابی‌کننده متصل به زنجیره استفاده کنید. در این حالت باید نود را به یک نود بازیابی‌کننده 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 فضای برداری به عنوان یک منبع ابزار هنگام پاسخگویی به پرسش‌ها استفاده کنید. هنگام فرموله کردن پاسخ‌ها، عامل زمانی که نام و توضیحات فضای برداری با جزئیات سوال مطابقت داشته باشد، از فضای برداری استفاده می‌کند.

#### به‌روزرسانی اسناد

از حالت به‌روزرسانی اسناد برای به‌روزرسانی اسناد در بانک اطلاعات برداری بر اساس شناسه استفاده کنید. در قسمت **شناسه**، شناسه ورودی را که می‌خواهید به‌روزرسانی کنید وارد کنید.

پارامترهای دریافت متعدد#

  • نام جدول: نام جدولی در سوپابیس را وارد کنید.
  • پیشنهاد: سوال جستجو را وارد کنید.
  • محدودیت: تعداد نتایج مورد نیاز از فضای برداری را وارد کنید. مثلا، این را روی 10 قرار دهید تا ده نتیجه برتر به دست آید.

پارامترهای وارد کردن مستندات#

  • نام جدول: نام جدولی در سوپابیس را وارد کنید.

پارامترهای بازیابی مستندات (به عنوان فضای برداری برای زنجیره/ابزار)#

  • نام جدول: نام جدولی در سوپابیس را وارد کنید.

پارامترهای بازیابی مستندات (به عنوان ابزار برای دستگاه هوش مصنوعی)#

  • نام: نام فضای برداری.
  • توضیح: به LLM توضیح دهید که این ابزار چه کاری انجام می‌دهد. یک توضیح خوب و خاص به تولید نتایج مورد انتظار کمک می‌کند.
  • نام جدول: نام جدولی در سوپابیس را وارد کنید.
  • محدودیت: تعداد نتایج مورد نیاز از فضای برداری را وارد کنید. مثلا، این را روی 10 قرار دهید تا ده نتیجه برتر به دست آید.

به‌روزرسانی مستندات#

  • نام جدول: نام جدول در سوپابیس را وارد کنید.
  • شناسه: شناسه یک ورودی امپدینگ.

گزینه‌های نود#

نام پرس و جو#

نام تابع تطابقی که در سوپابیس تنظیم کرده‌اید. اگر از شروع سریع سوپابیس پیروی کنید، این match_documents خواهد بود.

فیلتر متاداده#

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. 

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
## قالب‌ها و نمونه‌ها

<!-- ببینید https://www.notion.so/n8n/Pull-in-templates-for-the-integrations-pages-37c716837b804d30a33b47475f6e3780 -->
<span class="n8n-templates-widget-more"><a href="https://n98n.ir/integrations/supabase-vector-store/" target="_blank">Browse Supabase Vector Store integration templates</a>, or <a href="https://n98n.ir/workflows/" target="_blank">search all templates</a></span>

## منابع مرتبط

برای اطلاعات بیشتر در مورد سرویس، به [مستندات سوپابیس در LangChain](https://js.langchain.com/integrations/vectorstores/supabase/){: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.