Skip to content

Text Classifier 节点#

使用 Text Classifier 节点对传入数据进行分类（分类）。使用参数中提供的类别（见下文），每个项目都传递给模型以确定其类别。

在此页面上，您将找到 Text Classifier 节点的节点参数和更多资源的链接。

节点参数#

  • Input Prompt 输入提示 定义要分类的输入。这通常是引用输入项目字段的表达式。例如，如果输入是聊天触发器，这可能是 {{ $json.chatInput }}。默认情况下，它引用 text 字段。
  • Categories 类别：添加您想要将输入分类为的类别。类别有名称和描述。使用描述告诉模型类别的含义。如果含义不明显，这很重要。您可以添加任意数量的类别。

节点选项#

  • Allow Multiple Classes To Be True 允许多个类别为真：您可以配置分类器始终为每个项目输出单个类别（关闭），或允许模型选择多个类别（打开）。
  • When No Clear Match 当没有明确匹配时：定义如果模型无法为项目找到良好匹配时会发生什么。有两个选项：
    • Discard Item 丢弃项目（默认）：如果节点未检测到任何类别，它会丢弃该项目。
    • Output on Extra, 'Other' Branch 在额外的'其他'分支上输出：创建一个名为 Other 的单独输出分支。当节点未检测到任何类别时，它会在此分支中输出项目。

  • System Prompt Template 系统提示模板：使用此选项更改用于分类的系统提示。它使用 {categories} 占位符表示类别。

  • Enable Auto-Fixing 启用自动修复：启用后，节点会自动修复模型输出以确保它们符合预期格式。通过向 LLM 发送架构解析错误并要求其修复来实现。

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。