Simple Vector Store（简单向量存储）
使用 Simple Vector Store 节点，在 n8n 应用内存中存储和检索嵌入向量1。
本页列出了 Simple Vector Store 节点的参数，并提供更多资源的链接。
子节点中的参数解析
使用表达式处理多个数据项时，子节点的行为与其他节点不同。
多数节点，包括根节点，可以接收任意数量的输入数据项，处理后输出结果。你可以用表达式引用输入数据项，节点会依次对每个数据项解析表达式。例如，输入包含五个 name 值时，表达式 {{ $json.name }} 会依次解析为每个名称。
在子节点中，表达式始终解析为第一个数据项。例如，输入包含五个 name 值时，表达式 {{ $json.name }} 始终解析为第一个名称。
数据安全限制
使用 Simple Vector Store 节点前，需要了解其限制及工作方式。
n8n 建议仅在开发时使用 Simple Vector Store。
向量存储数据不会持久保存
此节点仅将数据存储在内存中。n8n 重启时所有数据都会丢失，内存不足时数据也可能被清除。
所有实例用户都能访问向量存储数据
Simple Vector Store 节点的记忆键是全局的，不限定于单个工作流。
这意味着，无论原工作流设置了何种访问控制，实例的所有用户都可通过添加 Simple Vector Store 节点并选择记忆键，访问向量存储数据。使用 Simple Vector Store 节点导入数据时，请注意避免暴露敏感信息。
节点使用模式
可按以下方式使用 Simple Vector Store 节点。
作为普通节点插入和检索文档
可将 Simple Vector Store 用作普通节点，插入或获取文档。此模式将 Simple Vector Store 放在常规连接流程中，无需使用智能体。
示例请参阅此模板的步骤 2。
作为工具直接连接到 AI 智能体
可将 Simple Vector Store 节点直接连接到 AI 智能体的工具3连接器，让智能体在回答查询时将向量存储用作资源。
此时连接方式为：AI Agent（工具连接器）→ Simple Vector Store 节点。
使用检索器获取文档
可将 Vector Store Retriever 节点与 Simple Vector Store 节点配合使用，从 Simple 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（链接示例使用 Pinecone，但模式相同）：Question and Answer Chain（Retriever 连接器）→ Vector Store Retriever（Vector Store 连接器）→ Simple 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 Simple 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 Simple 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）→ Simple Vector Store。
内存管理
Simple Vector Store 通过以下内存管理措施，防止内存使用过多：
- 内存压力增加时，自动清理旧的向量存储
- 移除在可配置的时长内未被访问的非活跃存储
配置选项
可通过以下环境变量控制内存用量：
| 变量 | 类型 | 默认值 | 描述 |
|---|---|---|---|
N8N_VECTOR_STORE_MAX_MEMORY | 数值 | -1 | 所有向量存储合计可使用的最大内存，单位为 MB（-1 表示禁用限制）。 |
N8N_VECTOR_STORE_TTL_HOURS | 数值 | -1 | 存储未被访问达到多少小时后将被移除（-1 表示禁用 TTL）。 |
在 n8n Cloud 中，这两个值分别预设为 100MB（约 8,000 个文档，取决于文档大小和元数据）及 7 天。自托管实例中，两者默认均为 -1（不限制内存，也不按时间清理）。
节点参数
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）及 Retrieve Documents (As Tool for AI Agent)（检索文档，作为 AI 智能体工具）。所选模式决定可执行的操作，以及可用的输入和输出。
Rerank Results（结果重排序）
启用重排序。开启此选项后，必须将 Reranker Cohere（Cohere 重排序器）等重排序节点连接到向量存储，由其重新排列查询结果。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
- Memory Key（记忆键）：选择或创建包含要查询的向量记忆的键。
- 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
10可获取最匹配的十条结果。
Insert Documents（插入文档）参数
- Memory Key（记忆键）：选择或创建用于存储向量记忆的键。
- Clear Store（清空存储）：开启时，在插入数据之前，清除此工作流给定记忆键对应的向量存储。
Retrieve Documents（作为链或工具的向量存储）参数
- Memory Key（记忆键）：选择或创建包含要查询的向量记忆的键。
Retrieve Documents（作为 AI 智能体的工具）参数
- Name（名称）：向量存储的名称。
- 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。
- Memory Key（记忆键）：选择或创建包含要查询的向量记忆的键。
- Limit（上限）：输入从向量存储检索的结果数量。例如，设为
10可获取最匹配的十条结果。
模板与示例
浏览 Simple Vector Store（简单向量存储） 集成模板，或搜索所有模板
相关资源
该服务的更多信息，请参阅 LangChain Memory Vector Store 文档。
查看 n8n 的高级 AI 文档。