Skip to content

Cohere 嵌入节点#

使用 Cohere 嵌入节点为给定文本生成嵌入向量。

本页将介绍 Cohere 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。可选：
    • Embed-English-v2.0(4096 维)
    • Embed-English-Light-v2.0(1024 维)
    • Embed-Multilingual-v2.0(768 维)

更多关于可用模型的信息，请参阅 Cohere 模型文档。

模板和示例#

Browse Embeddings Cohere integration templates, or search all templates

相关资源#

更多关于该服务的信息，请参考 Langchain 的 Cohere 嵌入文档。

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.