پرش به محتویات

نود مدل گفتگوی Google Vertex#

از نود مدل گفتگوی Google Vertex AI برای استفاده از مدل‌های چت Vertex AI گوگل با عامل‌های گفتگویی استفاده کنید.

در این صفحه، پارامترهای نود برای نود مدل گفتگوی Google Vertex AI را خواهید یافت و لینک‌هایی به منابع بیشتر.

اعتبارنامه‌

شما 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
## پارامترهای نود

* **شناسه پروژه**: شناسه پروژه‌ای که می‌خواهید استفاده کنید را از حساب Google Cloud خود انتخاب کنید. n98n پروژه‌ها را به صورت دینامیک از حساب Google Cloud بارگذاری می‌کند، اما همچنین می‌توانید آن را به صورت دستی وارد کنید.
* **نام مدل**: نام مدلی که برای تولید تکمیل استفاده می‌شود را انتخاب کنید، برای مثال `gemini-1.5-flash-001`، `gemini-1.5-pro-001`، و غیره. برای فهرستی از مدل‌های در دسترس، به [مدل‌های گوگل](https://cloud.google.com/vertex-ai/generative-ai/docs/learn/models){:target=_blank .external-link} مراجعه کنید.

## گزینه‌های نود

* **حداکثر تعداد توکن‌ها**: حداکثر تعداد توکن‌هایی که استفاده می‌شود را وارد کنید، که طول تکمیل را تعریف می‌کند.
* **دما در نمونه‌برداری**: از این گزینه برای کنترل تصادفی بودن فرایند نمونه‌برداری استفاده کنید. دمای بالاتر نمونه‌برداری متنوع‌تر ایجاد می‌کند، اما خطر توهم‌ها را افزایش می‌دهد.
* **Top K**: تعداد گزینه‌های توکن را وارد کنید که مدل برای تولید توکن بعدی از آن‌ها استفاده می‌کند.
* **Top P**: از این گزینه برای تنظیم احتمال استفاده از تکمیل استفاده کنید. مقدار پایین‌تر را برای نادیده گرفتن گزینه‌های کم‌احتمال استفاده کنید.
* **تنظیمات ایمنی**: Gemini از تنظیمات ایمنی قابل تنظیم پشتیبانی می‌کند. برای اطلاعات مربوط به فیلترها و سطوح در دسترس، به [تنظیمات ایمنی API Gemini گوگل](https://ai.google.dev/docs/safety_setting_gemini){:target=_blank .external-link} مراجعه کنید.

## 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/google-vertex-chat-model/" target="_blank">Browse Google Vertex 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 [مستندات Google Vertex AI در لیانچین](https://js.langchain.com/integrations/chat/google_vertex_ai/){: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.