Chat Memory Manager 节点#

Chat Memory Manager 节点用于管理工作流中的聊天消息记忆。该节点可以在内存中的向量存储中加载、插入和删除聊天消息。

在以下情况下使用此节点非常有用：

本页面列出了 Chat Memory Manager 节点支持的操作，并提供相关资源链接。

/// 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#

操作模式：可选择获取多条消息、插入消息和删除消息操作。
插入模式：在插入消息模式下可用。选项包括：
- 插入消息：在现有消息旁插入新消息。
- 覆盖所有消息：替换当前记忆中的所有消息。
删除模式：在删除消息模式下可用。选项包括：
- 最后N条：删除最近的N条消息。
- 所有消息：从记忆中删除所有消息。
聊天消息：在插入消息模式下可用。定义要插入记忆的聊天消息，包括：
- 类型名称或ID：设置消息类型。可选择：
  - AI：用于来自AI的消息。
  - 系统：添加包含AI指令的消息。
  - 用户：用于来自用户的消息。在其他AI工具和指南中，此类消息有时被称为"human"消息。
- 消息内容：输入消息文本。
- 在聊天界面隐藏消息：选择n8n是否应在聊天UI中向用户显示该消息（关闭）或隐藏（开启）。
消息数量：在删除消息模式下选择最后N条时可用。输入要删除的最新消息数量。
简化输出：在获取多条消息模式下可用。开启后输出将仅包含发送者（AI、用户或系统）和文本内容。

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.