پرش به محتویات

نود مدل چت AWS Bedrock#

نود مدل چت AWS Bedrock به شما امکان می‌دهد تا از مدل‌های LLM بهره‌مند شوید که بر روی پلتفرم AWS Bedrock قرار دارند.

در این صفحه، پارامترهای نود برای نود مدل چت AWS Bedrock و لینک‌هایی به منابع بیشتر را پیدا خواهید کرد.

اعتبارنامه‌ها

امکان مشاهده اطلاعات احراز هویت مربوط به این نود در اینجا وجود دارد.

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
	
## پارامترهای نود

* **مدل**: مدل موردنظر برای تولید پاسخ را انتخاب کنید.

برای اطلاعات بیشتر درباره مدل‌های موجود، به [مستندسازی مدل‌های Amazon Bedrock](https://docs.aws.amazon.com/bedrock/latest/userguide/models-supported.html){:target=_blank .external-link} مراجعه کنید.

## گزینه‌های نود

* **حداکثر تعداد توکن‌ها**: حداکثر تعداد توکن‌های مورد استفاده را وارد کنید، که طول پاسخ را تعیین می‌کند.
* **دمای نمونه‌برداری**: از این گزینه برای کنترل تصادفی بودن فرآیند نمونه‌برداری استفاده کنید. دمای بالاتر نمونه‌برداری متنوع‌تری ایجاد می‌کند، اما ریسک توهم را افزایش می‌دهد.

## قالب‌ها و نمونه‌ها

<!-- 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/aws-bedrock-chat-model/" target="_blank">Browse AWS Bedrock Chat Model 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 [مستندسازی مدل چت AWS Bedrock در LangChains](https://js.langchain.com/integrations/chat/bedrock/){: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.