پرش به محتویات

نود مدل چت اولاما#

نود مدل چت اولاما به شما امکان می‌دهد از مدل‌های لوکال لاما ۲ با عامل‌های گفتگو‌محور راهنما استفاده کنید.

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

اطلاعات احراز هویت

اطلاعات احراز هویت برای این نود در اینجا قابل مشاهده 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.

 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
## پارامترهای نود

* **مدل**: مدل مورد نظر برای تولید پاسخ را انتخاب کنید. گزینه‌ها عبارتند از:
	* **Llama2**
	* **Llama2 13B**
	* **Llama2 70B**
	* **Llama2 غیرسانسور شده**

برای اطلاعات بیشتر در مورد مدل‌های موجود، به [کتابخانه مدل‌های اولاما](/library) مراجعه کنید.

## گزینه‌های نود

* **دمای نمونه‌برداری**: از این گزینه برای کنترل تصادفی بودن فرآیند نمونه‌برداری استفاده کنید. دمای بالاتر نمونه‌برداری متنوع‌تری ایجاد می‌کند، اما خطر توهم را افزایش می‌دهد.
* **Top K**: تعداد انتخاب‌های توکن که مدل برای تولید توکن بعدی استفاده می‌کند را وارد کنید.
* **Top P**: از این گزینه برای تعیین احتمال استفاده شده در پاسخ استفاده کنید. مقدار پایین‌تر را برای نادیده گرفتن گزینه‌های کم‌ احتمال‌تر بکار ببرید.

## قالب‌ها و نمونه‌ها

<!-- برای مشاهده قالب‌ها به صفحات اینتگریشن‌ مراجعه کنید: 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/ollama-chat-model/" target="_blank">Browse Ollama Chat Model integration templates</a>, or <a href="https://n98n.ir/workflows/" target="_blank">search all templates</a></span>

## منابع مرتبط

برای اطلاعات بیشتر در مورد سرویس، به [راهنمای مدل چت اولاما در لینگ‌چین](/integrations/chat/ollama/) مراجعه کنید.


مشاهده مستندسازی [هوش مصنوعی پیشرفته] n98n در این قسمت.

مسائل رایج#

برای سوالات یا مشکلات رایج و راه حل‌های پیشنهادی، به مسائل رایج مراجعه کنید.

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.

کیت استارت‌آپ هوش مصنوعی خود میزبانی شده#

جدیدید در کار با هوش مصنوعی و استفاده از n98n خود میزبانی؟ از کیت استارت‌آپ هوش مصنوعی خود میزبانی شده n98n برای شروع با یک نمونه‌کار آزمایشی یا فضای نمایشی با استفاده از Ollama، Qdrant و PostgreSQL امتحان کنید. ```