Skip to content

Postgres Chat Memory 节点#

使用 Postgres Chat Memory 节点可以将 Postgres 作为记忆存储服务器来保存聊天历史记录。

本页面列出了 Postgres Chat Memory 节点支持的操作，并提供了更多资源的链接。

凭据

您可以在此处找到该节点的认证信息：Postgres 凭据。

/// 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#

  • 会话密钥(Session Key): 输入用于在工作流数据中存储记忆的密钥。
  • 表名(Table Name): 输入存储聊天历史的表名。如果表不存在，系统会自动创建。
  • 上下文窗口长度(Context Window Length): 输入要考虑的先前交互数量作为上下文。

相关资源#

更多关于该服务的信息，请参考 LangChain 的 Postgres 聊天消息历史文档。

查看 n8n 的高级 AI 文档。

单一记忆实例#

If you add more than one Postgres 聊天记忆 node to your workflow, all nodes access the same memory instance by default. Be careful when doing destructive actions that override existing memory contents, such as the override all messages operation in the Chat Memory Manager node. If you want more than one memory instance in your workflow, set different session IDs in different memory nodes.

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.