跳到主要内容

Chroma Vector Store(Chroma 向量存储)

使用 Chroma 节点,将 Chroma 数据库作为向量存储1进行交互。可向向量数据库插入文档、从中获取文档、检索文档并提供给连接到链2的检索器,或作为工具3直接连接到智能体4。

本页列出了 Chroma 节点的参数,并提供更多资源的链接。

信息

凭据

此节点的身份验证信息,请参阅 Chroma 凭据文档。

节点使用模式 ​

可按以下方式使用 Chroma Vector Store 节点。

作为普通节点插入和检索文档 ​

可将 Chroma Vector Store 用作普通节点,插入或获取文档。此模式将 Chroma Vector Store 放在常规连接流程中,无需使用智能体。

作为工具直接连接到 AI 智能体 ​

可将 Chroma Vector Store 节点直接连接到 AI 智能体的工具连接器,让智能体在回答查询时使用向量存储作为资源。

此时连接方式为:AI Agent(工具连接器)→ Chroma Vector Store 节点。

使用检索器获取文档 ​

可将 Vector Store Retriever 节点与 Chroma Vector Store 节点配合使用,从 Chroma Vector Store 节点获取文档。这通常与 Question and Answer Chain 节点配合,从向量存储获取与给定聊天输入匹配的文档。

连接流程示例如下:

Question and Answer Chain(Retriever 连接器)→ Vector Store Retriever(Vector Store 连接器)→ Chroma Vector Store。

使用 Vector Store Question Answer Tool 回答问题 ​

另一种模式使用 Vector Store Question Answer Tool,汇总 Chroma Vector Store 节点的结果并回答问题。此模式通过专门用于汇总向量存储数据的工具工作,无需将 Chroma Vector Store 直接作为工具连接。

此时的连接流程为:AI Agent(工具连接器)→ Vector Store Question Answer Tool(Vector Store 连接器)→ Chroma Vector Store。

节点参数 ​

Operation Mode(操作模式) ​

此向量存储节点有四种模式:Get Many(获取多条)、Insert Documents(插入文档)、Retrieve Documents (As Vector Store for Chain/Tool)(检索文档,作为链或工具的向量存储)和 Retrieve Documents (As Tool for AI Agent)(检索文档,作为 AI 智能体的工具)。所选模式决定节点可执行的操作,以及可用的输入和输出。

Get Many(获取多条) ​

此模式通过提供提示词,从向量数据库检索多个文档。提示词会转换为嵌入向量,用于相似度搜索。节点返回与提示词最相似的文档及其相似度分数,适合检索相似文档列表并作为额外上下文传给智能体。

Insert Documents(插入文档) ​

使用插入文档模式,将新文档插入向量数据库。

Retrieve Documents(作为链或工具的向量存储) ​

将 Retrieve Documents (As Vector Store for Chain/Tool)(检索文档,作为链或工具的向量存储)模式与向量存储检索器配合使用,从向量数据库检索文档,并将其提供给连接到链的检索器。在此模式下,必须将节点连接到检索器节点或根节点。

Retrieve Documents(作为 AI 智能体的工具) ​

使用 Retrieve Documents (As Tool for AI Agent)(检索文档,作为 AI 智能体的工具)模式,让智能体在回答查询时将向量存储用作工具资源。生成响应时,如果向量存储的名称和描述与问题详情匹配,智能体就会使用该向量存储。

Rerank Results(结果重排序) ​

启用重排序5。开启此选项后,必须为向量存储连接重排序节点,该节点将对查询结果重新排序。此选项可用于 Get Many、Retrieve Documents (As Vector Store for Chain/Tool) 和 Retrieve Documents (As Tool for AI Agent) 模式。

Get Many(获取多条)参数 ​

  • Chroma collection name(Chroma 集合名称):从获取到的集合列表中选择集合。
  • Prompt(提示词):输入搜索查询。
  • Limit(上限):输入从向量存储检索的结果数量。例如,设为 5 可获取最匹配的五条结果。

此操作模式包含一个节点选项:Metadata Filter(元数据过滤器)。

Insert Documents(插入文档)参数 ​

  • Chroma collection name(Chroma 集合名称):从获取到的集合列表中选择集合。

Retrieve Documents(作为链或工具的向量存储)参数 ​

  • Chroma collection name(Chroma 集合名称):从获取到的集合列表中选择集合。

此操作模式包含一个节点选项:Metadata Filter(元数据过滤器)。

Retrieve Documents(作为 AI 智能体的工具)参数 ​

  • Description(描述):向 LLM 说明此工具的用途。清晰、具体的描述有助于 LLM 更经常地生成预期结果。
  • Chroma collection name(Chroma 集合名称):从获取到的集合列表中选择集合。
  • Limit(上限):输入从向量存储检索的结果数量。例如,设为 5 可获取最匹配的五条结果。

节点选项 ​

Metadata Filter(元数据过滤器) ​

适用于 Get Many(获取多条)模式。搜索数据时,使用此项匹配与文档关联的元数据。

这是一个 AND 查询。如果指定多个元数据筛选字段,必须全部匹配。

插入数据时,元数据通过文档加载器设置。加载文档的更多信息,请参阅 Default Data Loader(默认数据加载器)。

相关资源 ​

查看 n8n 的高级 AI 文档。

Footnotes​

  1. 向量存储或向量数据库用于存储信息的数学表示。将其与嵌入模型和检索器配合使用,可创建供 AI 在回答问题时访问的数据库。 ↩

  2. AI 链通过对组件的一系列调用,让你与大语言模型(LLM)及其他资源交互。n8n 中的 AI 链不使用持久记忆,因此不能通过它引用先前的上下文(此用途请使用 AI 智能体)。 ↩

  3. 在 AI 场景中,工具是附加资源,AI 可在响应请求时调用它获取特定信息或功能。AI 模型可以通过工具与外部系统交互,或完成具体、专门的任务。 ↩

  4. AI 智能体是能够响应请求、作出决策并为用户执行现实任务的人工智能系统。它们使用大语言模型(LLM)理解用户输入,利用可用的信息和资源,决定如何最好地处理请求。 ↩

  5. 重排序是一种优化候选文档列表顺序的技术,用于提高搜索结果的相关性。检索增强生成(RAG)等应用使用重排序,优先选出最相关的信息,供生成或下游任务使用。 ↩

本文为社区中文翻译。查看对应英文原文