پرش به محتویات

نود مدل چت xAI Grok#

از نود مدل چت xAI Grok برای دسترسی به مدل‌های زبانی بزرگ xAI Grok برای وظایف گفتگوی هوش مصنوعی و تولید متن استفاده کنید.

در این صفحه، پارامترهای نود برای نود مدل چت xAI Grok و لینک‌هایی به منابع بیشتر را خواهید یافت.

مجوزهای دسترسی

می‌توانید اطلاعات احراز هویت مربوط به این نود را اینجا پیدا کنید.

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
## پارامترهای نود

* **مدل**: مدلی را که قرار است نتیجه‌گیری را انجام دهد انتخاب کنید. n98n به صورت پویا مدل‌های موجود را از API xAI Grok بارگذاری می‌کند. بیشتر بدانید در [مستندات مدل‌های xAI Grok](https://docs.x.ai/docs/models).

## گزینه‌های نود

* **جریمه تکرار**: از این گزینه برای کنترل احتمال تکرار خود مدل استفاده کنید. مقادیر بالاتر، احتمال تکرار شدن مدل را کاهش می‌دهد.
* **حداکثر تعداد توکن**: حداکثر تعداد توکن‌های استفاده شده را وارد کنید، که طول نتیجه‌گیری را تعیین می‌کند. اکثر مدل‌ها دارای طول زمینه ۲۰۴۸ توکن هستند و مدل‌های جدید تا ۳۲۷۶۸ توکن پشتیبانی می‌کنند.
* **فرمت پاسخ**: گزینه **Text** یا **JSON** را انتخاب کنید. **JSON** تضمین می‌کند که مدل JSON معتبر را برمی‌گرداند.
* **جریمه حضور**: از این گزینه برای کنترل احتمال صحبت کردن مدل درباره موضوعات جدید استفاده کنید. مقادیر بالاتر، احتمال صحبت کردن مدل درباره موضوعات جدید را افزایش می‌دهد.
* **حرارت نمونه‌برداری**: از این گزینه برای کنترل تصادفی بودن فرآیند نمونه‌برداری استفاده کنید. حرارت بالاتر، نمونه‌برداری متنوع‌تری ایجاد می‌کند، اما ریسک توهم را افزایش می‌دهد.
* **زمان انتظار**: حداکثر زمان درخواست به میلی‌ثانیه را وارد کنید.
* **حداکثر تعداد تلاش مجدد**: بیش‌ترین تعداد تلاش برای مجدداً درخواست کردن را وارد کنید.
* **Top P**: از این گزینه برای تعیین احتمال استفاده از نتیجه‌گیری استفاده کنید. برای نادیده گرفتن گزینه‌های کم‌احتمال، مقدار کمتری انتخاب کنید.

## قالب‌ها و مثال‌ها

<!-- see 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/xai-grok-chat-model/" target="_blank">Browse xAI Grok Chat Model integration templates</a>, or <a href="https://n98n.ir/workflows/" target="_blank">search all templates</a></span>

## منابع مرتبط

برای کسب اطلاعات بیشتر درباره سرویس، به [مستندات API xAI Grok](https://docs.x.ai/docs/api-reference) 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.