Summarization Chain 节点#
使用 Summarization Chain 节点总结多个文档。
在此页面上，您将找到 Summarization Chain 节点的节点参数和更多资源的链接。
节点参数#
在 Data to Summarize 中选择您需要总结的数据类型。您选择的数据类型决定了其他节点参数。
- Use Node Input (JSON) 使用节点输入（JSON） 和 Use Node Input (Binary) 使用节点输入（二进制）：总结从工作流程传入节点的数据。
- 您可以配置 Chunking Strategy 分块策略：选择用于定义数据块大小的策略。
- 如果您选择 Simple (Define Below) 简单（在下方定义），您可以设置 Characters Per Chunk 每块字符数 和 Chunk Overlap (Characters) 块重叠（字符数）。
- 如果您想连接提供更多配置选项的分割器子节点，请选择 Advanced 高级。
- 您可以配置 Chunking Strategy 分块策略：选择用于定义数据块大小的策略。
- Use Document Loader 使用文档加载器：总结由文档加载器子节点提供的数据。
节点选项#
您可以配置总结方法和提示。选择 Add Option > Summarization Method and Prompts。
Summarization Method 中的选项：
- Map Reduce：这是推荐的选项。在 LangChain 文档中了解更多关于 Map Reduce 的信息。
- Refine：在 LangChain 文档中了解更多关于 Refine 的信息。
- Stuff：在 LangChain 文档中了解更多关于 Stuff 的信息。
您可以自定义 Individual Summary Prompts 个别总结提示 和 Final Prompt to Combine 最终组合提示。节点中有示例。您必须包含 "{text}" 占位符。
模板和示例#
相关资源#
请参考 LangChain 关于总结的文档 获取有关该服务的更多信息。
查看 n8n 的高级 AI文档。
AI 术语表#
- completion（完成/补全）: 完成是由 GPT 等模型生成的响应。
- hallucinations（幻觉）: AI 中的幻觉是指大语言模型（LLM）错误地感知到不存在的模式或对象。
- vector database（向量数据库）: 向量数据库存储信息的数学表示。与嵌入和检索器一起使用，创建 AI 在回答问题时可以访问的数据库。
- vector store（向量存储）: 向量存储或向量数据库，存储信息的数学表示。与嵌入和检索器一起使用，创建 AI 在回答问题时可以访问的数据库。