پرش به محتویات

سند نود ابزار فراخوانی ورکفلو n8n#

نود ابزار فراخوانی ورکفلو n98n یک ابزار است که به یک نماینده امکان می‌دهد یک ورکفلو دیگر در n98n را اجرا کرده و داده‌های خروجی آن را دریافت کند.

در این صفحه، پارامترهای نود برای نود ابزار فراخوانی ورکفلو n98n و لینک‌های به منابع بیشتر را خواهید یافت.

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
28
29
30
31
32
33
34
35
36
37
38
39
40
41
## پارامترهای نود

### توصیف

یک کد سفارشی وارد کنید و توضیح دهید. این پارامتر مشخص می‌کند که عامل چه زمانی از این ابزار استفاده کند. برای مثال:

> این ابزار را فراخوانی کن تا رنگ تصادفی دریافت کنی. ورودی باید یک رشته باشد که نام‌های رنگ‌ها، جدا شده با کاما، برای حذف کردن مشخص شده است.

### منبع

به n98n بگویید کدام ورکفلو را فراخوانی کند. شما می‌توانید یکی از گزینه‌های زیر را انتخاب کنید:

* **پایگاه‌داده** برای انتخاب ورکفلو از فهرست یا وارد کردن شناسه ورکفلو.
* **تعریف در زیر** و وارد کردن کامل [JSON ورکفلو](/workflows/export-import).

### ورودی‌های ورکفلو

وقتی از **پایگاه‌داده** به عنوان منبع ورکفلو استفاده می‌کنید، و پس از انتخاب یک زیر ورکفلو (و تعریف **طرح ورودی ورکفلو** در زیر ورکفلو)، می‌توانید **ورودی‌های ورکفلو** را تعیین کنید.

همچنین، دکمه **بارگذاری مجدد** را برای دریافت فیلدهای ورودی از زیر ورکفلو فشار دهید.

شما می‌توانید مقادیر ورودی ورکفلو را با هر ترکیبی از گزینه‌های زیر تعریف کنید:

* ارائه مقادیر ثابت
* استفاده از عبارات برای ارجاع به داده‌های جاری ورکفلو
* [اجازه دادن به مدل AI برای تعیین پارامتر](/advanced-ai/examples/using-the-fromai-function) با انتخاب دکمه AI در سمت راست فیلد
* استفاده از [`$fromAI()` تابع](/advanced-ai/examples/using-the-fromai-function#use-the-fromai-function) در عبارات برای کنترل نحوه پر کردن داده‌ها توسط مدل و ترکیب ورودی‌های تولید شده توسط AI با سایر ورودی‌های سفارشی

برای ارجاع به داده‌های جاری ورکفلو، فیلدهای موجود در پنل ورودی را به سمت فیلد با حالت عبارات بکشید.

برای شروع کار با تابع `$fromAI()`، بر روی دکمه "بگذار مدل این پارامتر را تعریف کند" در سمت راست فیلد کلیک کنید و سپس از علامت **X** درون جعبه برای بازگشت به مقادیر کاربر تنظیم شده استفاده کنید. حالت فیلد به حالت یک فیلد عبارت تغییر می‌کند که با عبارت `$fromAI()` پر شده است. در اینجا، شما می‌توانید عبارت را سفارشی کنید تا محتوای استاتیک یا داینامیک دیگری اضافه کرده، یا پارامترهای تابع `$fromAI()` را تنظیم 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/workflow-tool/" target="_blank">Browse Call n8n Workflow Tool integration templates</a>, or <a href="https://n98n.ir/workflows/" target="_blank">search all templates</a></span>

## منابع مرتبط


برای اطلاعات بیشتر درباره ابزارها در لانگ‌چین، به [مستندات لانگ‌چین درباره ابزارها](https://langchain-ai.github.io/langgraphjs/how-tos/tool-calling/){:target=_blank .external-link} 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.