Zep 向量存储节点#

使用 Zep 向量存储节点与 Zep 向量数据库交互。您可以将文档插入向量数据库、从向量数据库获取文档、检索文档以提供给连接到链的检索器，或直接连接到智能体作为工具使用。

本页将介绍 Zep 向量存储节点的参数配置，并提供更多资源链接。

凭据

您可以在此处找到该节点的认证信息。

示例与模板

如需使用示例和模板快速入门，请参考 n8n 的 Zep 向量存储集成页面。

/// 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。 ///

节点使用模式#

您可以通过以下方式使用 Zep 向量存储节点。

作为常规节点插入、更新和检索文档#

您可以将 Zep 向量存储作为常规节点来插入或获取文档。此模式将 Zep 向量存储置于常规连接流中，而不使用智能体。

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

直接作为工具连接到 AI 智能体#

您可以将 Zep 向量存储节点直接连接到 AI 智能体的工具连接器，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 智能体（工具连接器）-> Zep 向量存储节点。

使用检索器获取文档#

您可以将 Vector Store Retriever 节点与 Zep Vector Store 节点结合使用，从 Zep 向量存储中获取文档。这通常与 Question and Answer Chain 节点一起使用，以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（该示例使用 Pinecone，但模式相同）如下：问答链（检索器连接器）-> 向量存储检索器（向量存储连接器）-> Zep 向量存储。

使用向量存储问答工具回答问题#

另一种模式是使用 Vector Store Question Answer Tool 来汇总结果并回答来自 Zep 向量存储节点的问题。这种模式不是直接将 Zep 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（此示例使用 Supabase，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）-> Zep 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。

插入文档参数#

集合名称：输入要存储数据的集合名称。

获取多条记录参数#

集合名称: 输入要从中检索数据的集合名称。
查询语句: 输入搜索查询内容。
数量限制: 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。

检索文档（作为链/工具的向量存储）参数#

集合名称: 输入要从中检索数据的集合名称。

检索文档（作为AI代理工具）参数#

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。准确具体的描述能让LLM更频繁地产生预期结果。
集合名称: 输入要从中检索数据的集合名称。
数量限制: 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#

嵌入维度#

在嵌入数据和查询时必须保持一致。

设置用于表示文本文档语义含义的浮点数数组大小。

更多关于Zep嵌入的信息，请参阅Zep嵌入文档。

自动嵌入#

在插入文档操作模式下可用，默认启用。

禁用此选项可在Zep中配置嵌入而非在n8n中配置。

元数据过滤器#

在 Get Many 模式下可用。搜索数据时，使用此功能可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，则所有字段都必须匹配。

插入数据时，元数据是通过文档加载器设置的。有关加载文档的更多信息，请参阅默认数据加载器。

模板与示例#

Browse Zep 向量存储 integration templates, or search all templates

AI glossary#

completion: Completions are the responses generated by a model like GPT.
hallucinations: Hallucination in AI is when an LLM (large language model) mistakenly perceives patterns or objects that don't exist.
vector database: A vector database stores mathematical representations of information. Use with embeddings and retrievers to create a database that your AI can access when answering questions.
vector store: A vector store, or vector database, stores mathematical representations of information. Use with embeddings and retrievers to create a database that your AI can access when answering questions.