Zep Vector Store（Zep 向量存储）
功能可用性
Zep Vector Store 节点从 n8n 1.108.0 起弃用。更多信息，请参阅已弃用及带版本的节点。
使用 Zep Vector Store，与 Zep 向量数据库交互。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1的检索器，或直接连接到智能体2作为工具3使用。
本页列出了 Zep Vector Store 节点的参数，并提供更多资源的链接。
凭据
此节点的身份验证信息，请参阅 Zep 凭据文档。
示例与模板
入门用法示例和模板，请参阅 n8n 的 Zep Vector Store 集成页面。
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。
节点使用模式
可按以下方式使用 Zep Vector Store 节点。
作为普通节点插入、更新和检索文档
可将 Zep Vector Store 用作普通节点，插入或获取文档。此模式将 Zep 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场景 1（示例使用 Supabase，但模式相同）。
作为工具直接连接到 AI 智能体
可将 Zep 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）→ Zep Vector Store 节点。
使用检索器获取文档
可将 Vector Store Retriever 节点与 Zep Vector Store 节点配合使用，从 Zep 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（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）→ Zep 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 Zep 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 Zep Vector Store 直接作为工具连接。
此时的连接流程如下（该示例使用 Supabase，但模式相同）：AI Agent（工具连接器）→ Vector Store Question Answer Tool（Vector Store 连接器）→ Zep Vector Store。
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。
Insert Documents（插入文档）参数
- Collection Name（集合名称）：输入要向其中存储数据的集合名称。
Get Many（获取多条）参数
- Collection Name（集合名称）：输入要从中检索数据的集合名称。
- 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。
Retrieve Documents（作为链或工具的向量存储）参数
- Collection Name（集合名称）：输入要从中检索数据的集合名称。
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。
- Collection Name（集合名称）：输入要从中检索数据的集合名称。
- 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。
节点选项
Embedding Dimensions（嵌入维度）
嵌入数据和查询数据时，此值必须相同。
此选项设置用于表示文本文档语义的浮点数数组大小。
Is Auto Embedded（是否自动生成嵌入）
适用于 Insert Documents（插入文档）操作模式，默认启用。
如需在 Zep 中配置嵌入，而非在 n8n 中配置，请禁用此选项。
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）。
模板与示例
浏览 Zep Vector Store（Zep 向量存储） 集成模板，或搜索所有模板
相关资源
查看 n8n 的高级 AI 文档。