LangChain Code 节点#
使用 LangChain Code 节点导入 LangChain。这意味着如果您需要 n8n 尚未创建节点的功能，您仍然可以使用它。通过配置 LangChain Code 节点连接器，您可以将其用作常规节点、根节点或子节点。
在此页面上，您将找到节点参数、配置节点的指导和更多资源的链接。
云端不可用
此节点仅在自托管的 n8n 上可用。
节点参数#
Add Code 添加代码#
添加您的自定义代码。选择 Execute 执行 或 Supply Data 提供数据 模式。您只能使用一种模式。
与 Code 节点 不同，LangChain Code 节点不支持 Python。
- Execute 执行：像 n8n 自己的 Code 节点一样使用 LangChain Code 节点。这从工作流程中获取输入数据，处理它，并将其作为节点输出返回。此模式需要主输入和输出。您必须在 Inputs 和 Outputs 中创建这些连接。
- Supply Data 提供数据：将 LangChain Code 节点用作子节点，向根节点发送数据。这使用主输出以外的输出。
默认情况下，您无法在此节点中加载内置或外部模块。自托管用户可以启用内置和外部模块。
Inputs 输入#
选择输入类型。
主输入是所有 n8n 工作流程中的常规连接器。如果您在节点中设置了主输入和输出，则需要 Execute 代码。
Outputs 输出#
选择输出类型。
主输出是所有 n8n 工作流程中的常规连接器。如果您在节点中设置了主输入和输出，则需要 Execute 代码。
节点输入和输出配置#
通过配置 LangChain Code 节点连接器（输入和输出），您可以将其用作应用程序节点、根节点或子节点。
| 节点类型 | 输入 | 输出 | 代码模式 |
|---|---|---|---|
| 应用程序节点。类似于 Code 节点。 | Main | Main | Execute |
| 根节点 | Main；至少一个其他类型 | Main | Execute |
| 子节点 | - | 主要以外的类型。必须匹配您要连接到的输入类型。 | Supply Data |
| 带有子节点的子节点 | 主要以外的类型 | 主要以外的类型。必须匹配您要连接到的输入类型。 | Supply Data |
内置方法#
n8n 提供这些方法，使在 LangChain Code 节点中执行常见任务变得更容易。
| 方法 | 描述 |
|---|---|
this.addInputData(inputName, data) |
填充指定非主输入的数据。用于模拟数据。
|
this.addOutputData(outputName, data) |
填充指定非主输出的数据。用于模拟数据。
|
this.getInputConnectionData(inputName, itemIndex, inputIndex?) |
从指定的非主输入获取数据。
|
this.getInputData(inputIndex?, inputName?) |
从主输入获取数据。 |
this.getNode() |
获取当前节点。 |
this.getNodeOutputs() |
获取当前节点的输出。 |
this.getExecutionCancelSignal() |
用于在工作流停止时停止函数的执行。在大多数情况下 n8n 会处理这个问题，但如果您构建自己的链或代理，可能需要使用它。它替代了在正常构建 LangChain 应用程序时使用的取消正在运行的 LLMChain代码。 |
模板和示例#
相关资源#
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。