پرش به محتویات

مستندات نودایندگیرهای Google Vertex#

از نودایندگیرهای Google Vertex برای تولید ایند‌ه‌سازی‌ها برای متن معین استفاده کنید.

در این صفحه، پارامترهای نودبرای نودایندگیرهای Google Vertex و لینک‌هایی به منابع بیشتر را خواهید یافت.

احراز هویت

اطلاعات احراز هویت برای این نود را اینجا می‌توانید مشاهده کنید.

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
## پارامترهای نود

- **مدل**: مدل مورد استفاده برای تولید ایند‌ه‌سازی را انتخاب کنید.

اطلاعات بیشتر درباره مدل‌های ایند‌ه‌سازی موجود در [مستندات API ایند‌ه‌سازی‌های Google VertexAI](https://cloud.google.com/vertex-ai/generative-ai/docs/model-reference/text-embeddings-api).

## قالب‌ها و نمونه‌ها

<!-- برای مشاهده قالب‌ها به صفحه 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/embeddings-google-vertex/" target="_blank">Browse Embeddings Google Vertex integration templates</a>, or <a href="https://n98n.ir/workflows/" target="_blank">search all templates</a></span>

## منابع مرتبط

برای اطلاعات بیشتر درباره مستندات ایند‌ه‌سازی‌های AI مولد گوگل در LangChain، به [مستندات مربوطه](https://js.langchain.com/integrations/text_embedding/google_generativeai) 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.