پرش به محتویات

نود حافظه چت پستگرس#

از نود حافظه چت پستگرس برای استفاده از پستگرس به عنوان یک سرور حافظه برای ذخیره تاریخچه گفتگو استفاده کنید.

در این صفحه، فهرستی از عملیات‌هایی که نود حافظه چت پستگرس پشتیبانی می‌کند، و لینک‌هایی به منابع بیشتر خواهید یافت.

مجوزهای ورود

شما می‌توانید اطلاعات احراز هویت مربوط به این نود را در 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
## پارامترهای نود

* **کلید نشست**: کلیدی را وارد کنید که برای ذخیره حافظه در داده‌های فرآیند کاری استفاده می‌شود.
* **نام جدول**: نام جدولی را وارد کنید که تاریخچه چت در آن ذخیره می‌شود. سیستم در صورت عدم وجود، جدول را ایجاد خواهد کرد.
* **طول پنجره‌ی متنی**: تعداد تعاملات قبلی برای درک محتوا را وارد کنید.

## منابع مرتبط

برای اطلاعات بیشتر درباره سرویس، به [مستندات تاریخچه پیام‌های چت پستگرس در LangChain](https://js.langchain.com/integrations/memory/postgres){:target=_blank .external-link} مراجعه کنید.


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

نمونه‌ای از حافظه یک‌پارچه#

If you add more than one Postgres Chat Memory node to your workflow, all nodes access the same memory instance by default. Be careful when doing destructive actions that override existing memory contents, such as the override all messages operation in the Chat Memory Manager node. If you want more than one memory instance in your workflow, set different session IDs in different memory nodes.

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.