Skip to content

MongoDB Atlas 向量存储节点#

MongoDB Atlas 向量搜索是 MongoDB Atlas 的一项功能，允许用户存储和查询向量嵌入。使用此节点可与 MongoDB Atlas 集合中的向量搜索索引进行交互。您可以插入文档、检索文档，并在链中使用向量存储或作为代理工具。

本页将介绍 MongoDB Atlas 向量存储节点的参数配置，并提供更多资源链接。

凭据

此节点的认证信息可在此处查看凭据配置。

/// 注意 | 子节点中的参数解析 子节点在使用表达式处理多个项目时的行为与其他节点不同。

大多数节点（包括根节点）会接收任意数量的输入项，处理这些项目，然后输出结果。您可以使用表达式来引用输入项，节点会依次为每个项目解析表达式。例如，给定五个 name 值作为输入，表达式 {{ $json.name }} 会依次解析为每个名称。

而在子节点中，表达式总是解析为第一个项目。例如，给定五个 name 值作为输入，表达式 {{ $json.name }} 总是解析为第一个名称。 ///

先决条件#

在使用此节点前，请先在您的 MongoDB Atlas 集合中创建向量搜索索引。按以下步骤创建：

  1. 登录 MongoDB Atlas 控制台
  2. 选择您的组织和项目
  3. 找到"搜索与向量搜索"部分
  4. 选择集群并点击"前往搜索"
  5. 点击"创建搜索索引"

  6. 选择"向量搜索"模式并使用可视化或 JSON 编辑器。例如： 

     1
 2
 3
 4
 5
 6
 7
 8
 9
10
    {
  "fields": [
    {
      "type": "vector",
      "path": "<字段名称>",
      "numDimensions": 1536, // 可以是其他值
      "similarity": "<相似度函数>"
    }
  ]
}

  7. 根据您的嵌入模型调整"维度"值（例如 OpenAI 的 text-embedding-small-3 使用 1536）

  8. 命名索引并创建

请确保记录以下值，这些是配置节点时必需的：

  • 集合名称
  • 向量索引名称
  • 用于嵌入和元数据的字段名称

节点使用模式#

MongoDB Atlas 向量存储节点可用于以下模式：

作为常规节点使用以插入和检索文档#

您可以将 MongoDB Atlas Vector Store 作为常规节点来插入或获取文档。这种模式将 MongoDB Atlas Vector Store 置于常规连接流程中，而不使用代理。

您可以在此模板的场景1中查看示例（该模板使用 Supabase Vector Store，但模式相同）。

直接连接到 AI 代理作为工具#

您可以将 MongoDB Atlas Vector Store 节点直接连接到 AI 代理的工具连接器，在回答查询时将向量存储作为资源使用。

此处的连接方式为：AI 代理（工具连接器）-> MongoDB Atlas Vector Store 节点。

使用检索器获取文档#

您可以将 Vector Store Retriever 节点与 MongoDB Atlas Vector Store 节点结合使用，从 MongoDB Atlas Vector Store 节点获取文档。这通常与 Question and Answer Chain 节点一起使用，从向量存储中获取与给定聊天输入匹配的文档。

连接流程示例（链接示例使用 Pinecone，但模式相同）如下：Question and Answer Chain（Retriever 连接器）-> Vector Store Retriever（Vector Store 连接器）-> MongoDB Atlas Vector Store。

使用向量存储问答工具回答问题#

另一种模式是使用向量存储问答工具来汇总结果并回答来自MongoDB Atlas向量存储节点的问题。这种模式不是直接将MongoDB Atlas向量存储作为工具连接，而是使用专门设计用于汇总向量存储中数据的工具。

在这种情况下，连接流程（链接示例使用的是内存向量存储，但模式相同）如下所示：AI代理（工具连接器）-> 向量存储问答工具（向量存储连接器）-> 内存向量存储。

节点参数#

操作模式#

该 Vector Store 节点提供四种操作模式：获取多个文档、插入文档、检索文档（作为链/工具的向量存储）和检索文档（作为 AI 代理的工具）。您选择的模式决定了节点可执行的操作以及可用的输入输出选项。

获取多个文档#

在此模式下，您可以通过提供提示词从向量数据库中检索多个文档。提示词将被嵌入并用于相似性搜索。节点将返回与提示词最相似的文档及其相似度分数。当您需要检索相似文档列表并将其作为额外上下文传递给代理时，此模式非常有用。

插入文档#

使用插入文档模式可将新文档存入您的向量数据库。

检索文档（作为链/工具的向量存储）#

将检索文档（作为链/工具的向量存储）模式与向量存储检索器配合使用，可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，您必须将节点连接到检索器节点或根节点。

检索文档（作为 AI 代理的工具）#

使用检索文档（作为 AI 代理的工具）模式可在回答查询时将向量存储作为工具资源使用。当向量存储名称和描述与问题细节匹配时，代理在构建响应时会使用该向量存储。

Get Many 参数#

  • Mongo集合：输入要使用的MongoDB集合名称。
  • 向量索引名称：输入MongoDB Atlas集合中的向量搜索索引名称。
  • 嵌入字段：输入文档中包含向量嵌入的字段名称。
  • 元数据字段：输入文档中包含文本元数据的字段名称。

Insert Documents 参数#

  • Mongo集合：输入要使用的MongoDB集合名称。
  • 向量索引名称：输入MongoDB Atlas集合中的向量搜索索引名称。
  • 嵌入字段：输入文档中包含向量嵌入的字段名称。
  • 元数据字段：输入文档中包含文本元数据的字段名称。

检索文档参数（作为链/工具的向量存储）#

  • Mongo 集合：输入要使用的 MongoDB 集合名称。
  • 向量索引名称：输入 MongoDB Atlas 集合中的向量搜索索引名称。
  • 嵌入字段：输入文档中包含向量嵌入的字段名称。
  • 元数据字段：输入文档中包含文本元数据的字段名称。

检索文档参数（作为 AI 代理的工具）#

  • 名称：向量存储的名称。
  • 描述：向大语言模型解释此工具的功能。一个具体清晰的描述能让大语言模型更频繁地产生预期结果。
  • Mongo 集合：输入要使用的 MongoDB 集合名称。
  • 向量索引名称：输入 MongoDB Atlas 集合中的向量搜索索引名称。
  • 限制：输入要从向量存储中检索的结果数量。例如设置为 10 可获取最匹配的十条结果。

节点选项#

选项#

  • 元数据过滤器：根据元数据筛选结果。

模板和示例#

Browse MongoDB Atlas 向量存储 integration templates, or search all templates

相关资源#

参考：

查看 n8n 的高级 AI 文档。

自托管 AI 入门套件#

初次接触 AI 并使用自托管版 n8n？试试 n8n 的自托管 AI 入门套件，通过 Ollama、Qdrant 和 PostgreSQL 快速搭建概念验证或演示环境。