نود مدل چت در ابر Mistral#
از نود مدل چت در ابر Mistral برای ترکیب مدل‌های گفتگو در Mistral Cloud با عامل‌های مکالمه‌ای استفاده کنید.
در این صفحه، پارامترهای نود مدل چت در ابر Mistral و لینک‌هایی به منابع بیشتر را خواهید یافت.
اعتبارنامه
اطلاعات تایید هویت برای این نود در اینجا قابل دسترسی است.
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.
```
پارامترهای نود#
- مدل: مدلی را که می‌خواهید برای تولید نتیجه استفاده کنید، انتخاب کنید. n98n به صورت پویا مدل‌ها را از Mistral Cloud بارگذاری می‌کند و تنها مدل‌های در دسترس حساب کاربری شما را نشان می‌دهد.
گزینه‌های نود#
- حداکثر تعداد توکن‌ها: حداکثر تعداد توکن‌هایی که استفاده می‌شوند را وارد کنید؛ این مقدار طول نتیجه را تعیین می‌کند.
- دمای نمونه‌برداری: از این گزینه برای کنترل میزان تصادفی بودن فرآیند نمونه‌گیری استفاده کنید. دمای بالاتر نمونه‌برداری متنوع‌تری ایجاد می‌کند، اما خطر توهم را افزایش می‌دهد.
- مهلت زمانی: حداکثر زمان درخواست به میلی‌ثانیه را وارد کنید.
- حداکثر تلاش مجدد: حداکثر تعداد دفعاتی که می‌خواهید درخواست را مجدداً تلاش کنید وارد کنید.
- Top P: از این گزینه برای تعیین احتمالی که نتیجه باید از آن استفاده کند، استفاده کنید. مقدار کمتر برای نادیده گرفتن گزینه‌های کم‌احتمال‌تر.
- فعال‌سازی حالت امن: با وارد کردن یک پیام امنیتی در ابتدا، حالت امن را فعال کنید. این کمک می‌کند تا از تولید محتوای توهین‌آمیز توسط مدل جلوگیری شود.
- بذر تصادفی: بذر مورد استفاده برای نمونه‌برداری تصادفی را وارد کنید. اگر تنظیم شده باشد، فراخوانی‌های مختلف نتایج دترمینیستی تولید خواهند کرد.
قالب‌ها و نمونه‌ها#
منابع مرتبط#
برای اطلاعات بیشتر در مورد سرویس، به مستندات Mistral در LangChains مراجعه کنید.