پرش به محتویات

نود مدل Ollama#

نود مدل Ollama به شما امکان می‌دهد مدل‌های محلی Llama 2 را استفاده کنید.

در این صفحه، پارامترهای نود برای نود مدل Ollama و لینک‌های منابع بیشتر را خواهید یافت.

این نود از پشتیبانی ابزارها برخوردار نیست، بنابراین با نود هوش مصنوعی عامل کار نخواهد کرد. در عوض، آن را به نود رشته LLM پایه متصل کنید.

مشخصات اعتباری

می‌توانید اطلاعات احراز هویت برای 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
26
27
## پارامترهای نود

* **مدل**: مدل مورد نظر برای تولید پاسخ را انتخاب کنید. گزینه‌ها:
	* **Llama2**
	* **Llama2 13B**
	* **Llama2 70B**
	* **Llama2 بدون سانسور**

برای اطلاعات بیشتر در مورد مدل‌های در دسترس، به مستندات [کتابخانه مدل‌های Ollama](https://ollama.com/library){:target=_blank .external-link} مراجعه کنید.

## گزینه‌های نود

* **دمای نمونه‌برداری**: از این گزینه برای کنترل تصادفی بودن فرایند نمونه‌برداری استفاده کنید. دمای بالاتر نمونه‌برداری متنوع‌تری ایجاد می‌کند، اما خطر توهمات 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 تعیین احتمال استفاده در پاسخ کامل استفاده کنید. برای نادیده گرفتن گزینه‌های کم احتمال، مقدار پایین‌تر وارد 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/ollama-model/" target="_blank">Browse Ollama 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 مستندات [اولاما در LangChains]https://js.langchain.com/integrations/llms/ollama/){:target=_blank .external-link} مراجعه کنید.


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

مشکلات رایج#

برای سوالات یا مشکلات رایج و راه‌حل‌های پیشنهادی، به مشکلات 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. ```