نود مدل چت DeepSeek
از نود مدل چت DeepSeek برای استفاده از مدلهای چت DeepSeek با [نمایندگان] ( /glossary#ai-agent) گفتگویی استفاده کنید.
در این صفحه، پارامترهای نود مدل چت DeepSeek و لینک به منابع بیشتر را مشاهده خواهید کرد.
اطلاعات احراز هویت
میتوانید اطلاعات احراز هویت مربوط به این نود را [اینجا] (/integrations/builtin/credentials/deepseek) 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
59 | ## پارامترهای نود
### مدل
مدلی را که برای تولید تکمیل استفاده میشود، انتخاب کنید.
n98n به صورت پویا مدلها را از DeepSeek بارگذاری میکند و تنها مدلهای در دسترس حساب کاربری شما نشان داده میشوند.
## گزینههای نود
از این گزینهها برای دقیقتر کردن رفتار نود استفاده کنید.
### URL پایه
در این قسمت یک URL وارد کنید تا URL پیشفرض برای API غیرفعال شود.
### جریمه فراوانی
از این گزینه برای کنترل احتمال تکرار صحبتهای مدل استفاده کنید. مقادیر بالاتر احتمال تکرار کردن مدل را کاهش میدهد.
### بیشینه تعداد توکنها
بیشینه تعداد توکنهای مورد استفاده را وارد کنید، که طول تکمیل را مشخص میکند.
### قالب پاسخ
گزینه **متن** یا **JSON** را انتخاب کنید. **JSON** اطمینان میدهد که مدل یک JSON معتبر برمیگرداند.
### جریمه حضور
از این گزینه برای کنترل احتمال صحبت کردن مدل درباره موضوعات جدید استفاده کنید. مقادیر بالاتر، شانس صحبت کردن مدل درباره موضوعات جدید را افزایش میدهد.
### دمای نمونهگیری
از این گزینه برای کنترل تصادفی بودن فرآیند نمونهگیری استفاده کنید. دمای بالاتر، نمونهبرداری متنوعتر ایجاد میکند، اما خطر هلوسهها را نیز افزایش میدهد.
### زمان انتظار
حداکثر زمان درخواست به میلیثانیه را وارد کنید.
### بیش ترین تعداد تلاشها
بیشترین تعداد دفعاتی که درخواست را تلاش میکنید، وارد کنید.
### Top P
از این گزینه برای تعیین احتمالاتی که تکمیل باید از آنها استفاده کند، استفاده کنید. برای نادیده گرفتن گزینههای کماحتمالتر، مقدار پایینتری انتخاب کنید.
## قالبها و نمونهها
<!-- مشاهده 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/deepseek-chat-model/" target="_blank">Browse DeepSeek Chat Model integration templates</a>, or <a href="https://n98n.ir/workflows/" target="_blank">search all templates</a></span>
## منابع مرتبط
از آنجایی که DeepSeek با OpenAI سازگار است، میتوانید برای اطلاعات بیشتر درباره سرویس، به [مستندات OpenAI لنگچین](https://js.langchain.com/integrations/chat/openai/){: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.