n8n 中文文档

Azure AI 搜索矢量存储

Azure AI Search(以前称为 Azure Cognitive Search)是一个具有向量搜索功能的云搜索服务,用于 RAG 和语义搜索应用程序。使用此节点可以存储、检索和查询向量嵌入及其内容和 metadata。

在此页面上,您将找到 Azure AI Search Vector Store 节点的节点参数以及更多资源的链接。

提示

Credentials 凭证

您可以在Azure AI Search 凭据文档找到此节点的身份验证信息。

提示

Parameter resolution in sub-nodes 子节点参数解析

使用表达式处理多个项目时,子节点的行为与其他节点不同。

大多数节点,包括根节点,接受任意数量的项目作为输入,处理这些项目,并输出结果。您可以使用表达式引用输入项目,节点会依次为每个项目解析表达式。例如,给定五个 name 值的输入,表达式 {{ $json.name }} 会依次解析为每个名称。

在子节点中,表达式始终解析为第一项。例如,给定五个 name 值的输入,表达式 {{ $json.name }} 始终解析为名字。

先决条件

在使用此节点之前,您需要:

  1. Azure 订阅
  2. Azure AI搜索服务
  3. 配置 API Key 身份验证(管理密钥用于写入操作,查询密钥用于只读)

    有关设置说明,请参阅Azure AI Search 凭据文档。

索引配置

如果索引不存在,该节点会自动创建索引。自动创建时,节点会配置:

  • 根据您的嵌入模型具有适当尺寸的向量场
  • HNSW 算法,利用余弦度量进行高效相似性搜索
  • 用于过滤和检索的内容和元数据字段

您还可以在 Azure Portal 中预先创建索引以进行自定义配置。示例架构:

{
  "name": "n8n-vectorstore",
  "fields": [
    {
      "name": "id",
      "type": "Edm.String",
      "key": true,
      "filterable": true
    },
    {
      "name": "content",
      "type": "Edm.String",
      "searchable": true
    },
    {
      "name": "content_vector",
      "type": "Collection(Edm.Single)",
      "searchable": true,
      "vectorSearchDimensions": 1536,
      "vectorSearchProfileName": "n8n-vector-profile"
    },
    {
      "name": "metadata",
      "type": "Edm.String",
      "filterable": true
    }
  ],
  "vectorSearch": {
    "profiles": [
      {
        "name": "n8n-vector-profile",
        "algorithm": "n8n-vector-algorithm"
      }
    ],
    "algorithms": [
      {
        "name": "n8n-vector-algorithm",
        "kind": "hnsw",
        "hnswParameters": {
          "metric": "cosine",
          "m": 4,
          "efConstruction": 400,
          "efSearch": 500
        }
      }
    ]
  }
}

提示

Vector dimensions 矢量维度

vectorSearchDimensions 值必须与您的嵌入模型输出匹配。

节点使用模式

用作常规节点插入和检索文档

在工作流中直接使用该节点以插入或检索文档,无需代理。请参阅此模板以了解示例模式(使用 Supabase,但模式相同)。

作为工具直接连接到 AI 代理

连接到 AI 代理 工具连接器,以将向量存储用作可搜索的知识库:

AI 代理(工具连接器)→ Azure AI 搜索向量存储节点

使用检索器获取文档

与 Vector Store Retriever 和 问答链 一起使用以进行检索增强生成:

问答链(检索器)→ 矢量存储检索器(矢量存储)→ Azure AI 搜索矢量存储

请参阅此示例工作流。

使用Vector Store问答工具

使用Vector Store问答工具总结并解答问题:

AI代理(工具)→矢量存储问答工具(矢量存储)→Azure AI搜索矢量存储

请参阅此示例。

节点参数

此矢量存储节点有五种模式:Get Many 得到很多、Insert Documents 插入文档、Retrieve Documents (As Vector Store for Chain/Tool)、Retrieve Documents (As Tool for AI Agent) 检索文档(作为AI代理的工具) 和 Update Documents 更新文件。您选择的模式决定了您可以对节点执行的操作以及可用的输入和输出。

获取许多

在此模式下,您可以通过提供提示从矢量数据库中检索多个文档。该提示将被嵌入并用于相似性搜索。该节点将返回与提示最相似的文档及其相似度分数。如果您想要检索类似文档的列表并将它们作为附加上下文传递给代理,这非常有用。

插入文档

使用插入文档模式将新文档插入到您的向量数据库中。

检索文档(作为链/工具的矢量存储)

使用检索文档(作为链/工具的向量存储)模式与向量存储检索器一起从向量数据库检索文档,并将它们提供给连接到链的检索器。在此模式下,您必须将节点连接到检索器节点或根节点。

检索文档(作为AI代理的工具)

使用检索文档(作为 AI 代理的工具)模式在回答查询时将向量存储用作工具资源。在制定响应时,当向量存储名称和描述与问题详细信息匹配时,代理会使用向量存储。

更新文档

使用更新文档模式通过 ID 更新向量数据库中的文档。在 ID 中填入要更新的嵌入条目的 ID。

对结果重新排序

启用重排序。如果启用此选项,必须将重排序节点(例如 Reranker Cohere)连接到 Vector Store。然后该节点将对查询结果重新排序。您可以将此选项与 Get Many、Retrieve Documents (As Vector Store for Chain/Tool) 和 Retrieve Documents (As Tool for AI Agent) 模式结合使用。

提示

Azure AI Search semantic reranking Azure AI 搜索语义重新排名

当您使用带有语义配置的 Semantic Hybrid 语义混合 查询模式时,Azure AI 搜索具有内置的语义重新排名。使用方法:

  1. 在 Options 选项中将 Query Mode 查询模式设置为 Semantic Hybrid 语义混合
  2. 将 Semantic Configuration 语义配置设置为您的配置名称(如果未指定,则默认为 semantic-search-config)

内置语义重新排名器使用机器学习模型来提高相关性。您可以在语义重新排名后链接额外的重新排名节点以进行进一步优化。

语义重新排名 仅当您的索引定义了语义配置时才可用。

获取多个参数

  • Endpoint 端点:您的 Azure AI 搜索端点(格式:https://your-service.search.windows.net)
  • Index Name 指数名称:要查询的索引
  • Limit 限制:返回的最大文档数(默认值:4)

插入文档参数

  • Endpoint 端点:您的 Azure AI 搜索端点
  • Index Name 指数名称:要使用的索引(如果不存在则自动创建)
  • Batch Size 批量大小:每批上传到 Azure AI 搜索的文档数。根据文档大小和您的服务级别限制进行调整。这仅控制上传批处理 - 嵌入生成批处理在嵌入节点中配置。

更新文档参数

  • Endpoint 端点:您的 Azure AI 搜索端点
  • Index Name 指数名称:要更新的索引

检索文档参数(作为链/工具的矢量存储)

  • Endpoint 端点:您的 Azure AI 搜索端点
  • Index Name 指数名称:要查询的索引

检索文档(作为AI代理工具)参数

  • Name 名称:向 LLM 显示的工具名称
  • Description 描述:向 LLM 解释该工具的用途。具体帮助 LLM 选择何时使用此工具。
  • Endpoint 端点:您的 Azure AI 搜索端点
  • Index Name 指数名称:要查询的索引
  • Limit 限制:要检索的最大结果(例如,10 表示十个最佳匹配)

节点选项

选项

  • Filter 过滤器:OData 过滤表达式 按文档字段或元数据过滤结果。请参阅下面的过滤器示例。
  • Query Mode 查询方式:要使用的搜索策略:
  • Vector 矢量:仅使用嵌入进行相似性搜索
  • Keyword 关键词:使用BM25排名的全文搜索
  • Hybrid 混合动力(默认):将向量和关键字搜索与倒数排名融合(RRF)相结合
  • Semantic Hybrid 语义混合:与语义重新排名 混合搜索以提高相关性
  • Semantic Configuration 语义配置:用于语义排名的语义配置名称。如果未指定,则默认为 semantic-search-config。仅当您使用自定义语义配置名称预先创建索引时才需要。

提示

Query mode selection 查询方式选择

使用 Vector 矢量 实现语义相似性,使用 Keyword 关键词 实现精确术语匹配,使用 Hybrid 混合动力 实现平衡结果,或者在索引中配置语义搜索以获得最大相关性时使用 Semantic Hybrid 语义混合。

OData 过滤器示例

Azure AI Search 使用 OData 语法进行过滤。metadata 字段使用 metadata/fieldName 格式访问。

Filter by document ID: 按文档 ID 过滤:

id eq '3da6491a-f930-4a4e-9471-c05dcd450ba0'

Filter by metadata field: 按元数据字段过滤:

metadata/source eq 'user-guide'

Complex AND filter: 复杂 AND 过滤器:

metadata/category eq 'technology' and metadata/author eq 'John'

Complex OR filter: 复杂或过滤器:

metadata/source eq 'user-guide' or metadata/rating ge 4

Numeric comparison: 数值比较:

metadata/rating ge 4 and metadata/rating lt 10

String matching with NOT: 与 NOT 匹配的字符串:

metadata/category eq 'technology' and metadata/title ne 'Deprecated'

Supported OData operators: 支持的 OData 运算符:

  • 比较:eq、ne、gt、ge、lt、le
  • 逻辑:and、or、not
  • 字符串函数:startswith()、endswith()、contains()
  • 采集功能:any()、all()

提示

Filter format 过滤器格式

过滤器适用于所有查询模式(向量、关键字、混合、语义混合)和所有操作模式(检索、加载、检索工具)。

Azure AI 搜索特定功能

与 RRF 的混合搜索

Azure AI Search 的混合搜索使用 Reciprocal Rank Fusion 来合并向量和关键字结果,提供比单独使用任一方法更好的准确性。

语义排名

Semantic Hybrid 模式应用机器学习模型根据对查询的语义理解来重新排名结果。这需要在您的索引中配置语义配置。

OData 过滤器

在向量搜索执行之前,使用 OData 语法按文档字段或 metadata 进行过滤。当您需要来自特定来源或具有某些属性的结果时,这可以提高性能和精度。

HNSW算法

Azure AI Search 使用 Hierarchical Navigable Small World (HNSW) 图进行近似最近邻搜索,在规模上提供快速检索,并具有可配置的准确性/速度权衡。

故障排除

指数发行

Index not found 索引未找到:验证索引名称是否正确(区分大小写)并存在于您的 Azure AI Search 服务中。如果使用自动创建,请检查索引是否已成功创建。

Vector dimension mismatch 向量维度不匹配:确保您的嵌入模型维度与索引向量字段维度匹配。检查索引架构以确认 vectorSearchDimensions 设置。

Document insert failures 文档插入失败:

  • 验证写入权限(需要管理 API 密钥)
  • 检查文档字段是否与您的索引架构匹配
  • 确保文档中提供必填字段
  • 如果遇到大型文档集超时,请检查批量大小设置

过滤器问题

Filter not working 过滤器不工作:

  • 验证OData语法是否正确
  • 确保元数据字段使用 metadata/ 前缀:metadata/source eq 'value'
  • 检查过滤字段在索引架构中是否标记为 filterable
  • 在复杂表达式之前首先使用简单过滤器 (id eq 'value') 进行测试

Invalid OData syntax OData 语法无效:

  • 对字符串值使用单引号:metadata/source eq 'value'
  • 使用正确的运算符:eq、ne、gt、ge、lt、le、and、or、not
  • 有关语法详细信息,请参阅 OData 过滤器文档

连接问题

Unable to connect 无法连接:

  • 验证端点 URL 格式:https://your-service.search.windows.net
  • 确认您的 Azure AI 搜索服务正在运行且可访问
  • 检查网络安全组、防火墙规则和专用端点配置
  • 对于 Azure 托管的 n8n,如果使用专用终结点,请验证虚拟网络对等互连或服务终结点配置

身份验证问题

有关包括 API 密钥错误在内的身份验证故障排除,请参阅凭据文档故障排除部分。

模板和示例

浏览 Azure AI Search Vector Store 节点文档集成模板 或 搜索所有模板

相关资源

查看 n8n 的 Advanced AI 高级 AI 文档。

提示

Parameter resolution in sub-nodes 子节点参数解析

使用表达式处理多个项目时,子节点的行为与其他节点不同。

大多数节点,包括根节点,接受任意数量的项目作为输入,处理这些项目,并输出结果。您可以使用表达式引用输入项目,节点会依次为每个项目解析表达式。例如,给定五个 name 值的输入,表达式 {{ $json.name }} 会依次解析为每个名称。

在子节点中,表达式始终解析为第一项。例如,给定五个 name 值的输入,表达式 {{ $json.name }} 始终解析为名字。

不想自己部署和维护 n8n?n8ncn 托管 n8n 云服务:开通账号即可使用,不用买服务器;也可以在 n8ncn 工作流库 找现成的中文工作流。