AWS Bedrock 嵌入节点#
使用 AWS Bedrock 嵌入节点可以为给定文本生成嵌入向量。
本页将介绍 AWS Bedrock 嵌入节点的参数配置，并提供更多资源链接。
凭证
您可以在此处找到该节点的认证信息。
/// 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。
///
节点参数#
- 模型：选择用于生成嵌入向量的模型。
有关可用模型的更多信息，请参阅 Amazon Bedrock 文档。
模板和示例#
相关资源#
有关 AWS Bedrock 的更多信息，请参考 LangChain 的 AWS Bedrock 嵌入文档 和 AWS Bedrock 文档。
查看 n8n 的高级 AI 文档。
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.