Google Vertex 聊天模型节点#
使用 Google Vertex AI 聊天模型节点可以通过对话式智能体调用 Google 的 Vertex AI 聊天模型。
本页将介绍 Google Vertex AI 聊天模型节点的参数配置，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。
///
节点参数#
- 项目 ID: 从您的 Google Cloud 账户中选择要使用的项目 ID。n8n 会动态加载 Google Cloud 账户中的项目，但您也可以手动输入。
- 模型名称: 选择用于生成补全内容的模型名称，例如
gemini-1.5-flash-001、gemini-1.5-pro-001等。请参考 Google 模型列表获取可用模型信息。
节点选项#
- 最大令牌数: 设置使用的最大令牌数量，用于控制补全内容的长度。
- 采样温度: 此选项用于控制采样过程的随机性。较高的温度会产生更多样化的采样结果，但会增加产生幻觉的风险。
- Top K: 设置模型用于生成下一个令牌的候选令牌数量。
- Top P: 此选项用于设置补全内容应使用的概率阈值。较低的值会忽略概率较低的选项。
- 安全设置: Gemini 支持可调节的安全设置。有关可用过滤器和级别的信息，请参考 Google 的 Gemini API 安全设置。
模板与示例#
相关资源#
更多关于该服务的信息，请参考 LangChain 的 Google Vertex AI 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.