Vector Store Question Answer Tool（向量存储问答工具） 节点

Vector Store Question Answer 节点是一种工具¹，让智能体²能够根据向量存储³中的文本块汇总结果并回答问题。

本页列出了 Vector Store Question Answer 节点的参数，并提供更多资源的链接。

信息

示例与模板

入门用法示例和模板，请参阅 n8n 的 Vector Store Question Answer Tool 集成页面。

信息

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。

节点参数

Description of Data（数据描述）

输入向量存储中数据的描述。

Limit（上限）

返回结果的最大数量。

n8n 如何填充工具描述

n8n 使用节点名称（选择名称即可编辑）和 Description of Data（数据描述）参数，按以下格式填充供 AI 智能体使用的工具描述：

当需要回答关于 [node name] 的问题时，此工具很有用。只要需要关于 [Description of Data] 的信息，就应始终使用此工具。输入应是完整的问题。

工具描述中的节点名称空格会转换为下划线。

注意

节点名称避免使用特殊字符

节点名称中的特殊字符会使智能体运行出错，例如：

Error in sub-node 'OpenAI Chat Model'

Invalid 'tools[0].function.name': string does not match pattern. Expected a string that matches the pattern '^[a-zA-Z0-9_-]+$'.

节点名称仅使用字母、数字、空格、连字符和下划线。

相关资源

在 n8n 网站查看示例工作流和相关内容。

有关 LangChain 工具的更多信息，请参阅 LangChain 工具文档。

查看 n8n 的高级 AI 文档。

Footnotes

1. 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。 ↩

2. 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。它们使用大型语言模型（LLM）理解用户输入，并根据可用的信息和资源，决定如何最好地处理请求。 ↩

3. 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。 ↩