OpenAI 嵌入节点#
使用 OpenAI 嵌入节点为给定文本生成嵌入向量。
本页将介绍 OpenAI 嵌入节点的参数配置，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。
/// 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。
///
节点选项#
- 模型：选择用于生成嵌入向量的模型。
- 基础 URL：输入请求发送的目标 URL。当使用自托管的类 OpenAI 模型时需配置此项。
- 批量大小：输入每次请求发送的最大文档数量。
- 移除换行符：选择是否从输入文本中移除换行符（开启）或保留（关闭）。n8n 默认启用此选项。
- 超时时间：输入请求允许的最大耗时（秒）。设置为
-1表示无超时限制。
模板与示例#
相关资源#
更多关于该服务的信息，请参考 LangChain 的 OpenAI 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.