Chroma Vector Store
使用 Chroma 节点作为 矢量存储[^1] 与 Chroma 数据库交互。您可以将文档插入矢量数据库、从矢量数据库获取文档、检索文档以将其提供给连接到链 [^2] 的检索器,或直接连接到代理 [^3] 作为工具 [^4]。
在此页面中,您将找到 Chroma 节点的参数说明和更多资源链接。
提示
Credentials 凭证
您可以在Chroma 凭据文档找到该节点的身份验证信息。
节点使用模式
您可以按以下模式使用 Chroma Vector Store 节点。
用作常规节点插入和检索文档
您可以将 Chroma Vector Store 作为常规节点来插入或获取文档。此模式会将 Chroma Vector Store 放在常规连接流中,而不使用代理。
作为工具直接连接到 AI 代理
您可以将 Chroma 矢量存储节点直接连接到 AI 代理 的工具连接器,以在回答查询时使用矢量存储作为资源。
该连接流为:AI 代理(工具连接器)-> Chroma Vector Store 节点。
使用检索器获取文档
您可以将 Vector Store Retriever 节点与 Chroma Vector Store 节点结合使用,从 Chroma Vector Store 节点获取文档。这通常与问答链 节点一起使用,以从向量存储中获取与给定聊天输入匹配的文档。
连接流程的示例如下:
Question and Answer Chain(Retriever 连接器)-> Vector Store Retriever(Vector Store 连接器)-> Chroma Vector Store。
使用 Vector Store Question Answer Tool 回答问题
另一种模式使用矢量存储问题解答工具 总结结果并回答来自 Chroma 矢量存储节点的问题。此模式不是直接将 Chroma 矢量存储作为工具连接,而是使用专门设计来汇总矢量存储中的数据的工具。
本例中的连接流程如下所示:AI 代理(工具连接器)-> 矢量存储问答工具(矢量存储连接器)-> Chroma 矢量存储。
节点参数
操作模式
该矢量存储节点有四种模式:Get Many 得到很多、Insert Documents 插入文档、Retrieve Documents (As Vector Store for Chain/Tool) 和 Retrieve Documents (As Tool for AI Agent) 检索文档(作为AI代理的工具)。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向量数据库中检索多个文档。节点会将提示嵌入并用于相似性搜索,然后返回与提示最相似的文档及其相似度分数。如果您需要检索相似文档列表并将其作为附加上下文传递给代理,此模式很有用。
插入文档
使用 Insert Documents 模式将新文档插入向量数据库。
检索文档(作为链/工具的矢量存储)
将 Retrieve Documents (As Vector Store for Chain/Tool) 模式与 Vector Store Retriever 配合使用,从向量数据库检索文档,并将其提供给与链连接的检索器。在此模式下,您必须将该节点连接到 Retriever 节点或根节点。
检索文档(作为AI代理的工具)
使用 Retrieve Documents (As Tool for AI Agent) 模式,可在回答查询时将 Vector Store 作为工具资源。代理生成回答时,如果 Vector Store 的名称和描述与问题详情匹配,就会使用该 Vector Store。
对结果重新排序
启用重新排名[^5]。如果启用此选项,则必须将重新排名节点连接到向量存储。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。
获取多个参数
- Chroma collection name Chroma 集合名称:从获取的收藏列表中选择您的收藏。
- Prompt 提示:输入搜索查询。
- Limit 限制:输入要从向量存储中检索的结果数量。例如,将其设置为
5以获得五个最佳结果。
该操作模式包括一个 Node option 节点选项,即元数据过滤器
插入文档参数
- Chroma collection name Chroma 集合名称:从获取的收藏列表中选择您的收藏。
检索文档(作为链/工具的矢量存储)参数
- Chroma collection name Chroma 集合名称:从获取的收藏列表中选择您的收藏。
该操作模式包括一个 Node option 节点选项,即元数据过滤器
检索文档(作为AI代理工具)参数
- Description 描述:向 LLM 解释该工具的用途。良好、具体的描述可以让 LLM 更频繁地产生预期的结果。
- Chroma collection name Chroma 集合名称:从获取的收藏列表中选择您的收藏。
- Limit 限制:输入要从向量存储中检索的结果数量。例如,将其设置为
5以获得五个最佳结果。
节点选项
元数据过滤器
在 Get Many 得到很多 模式下可用。搜索数据时,使用它来匹配与文档关联的元数据。
这是一个 AND 查询。如果您指定多个元数据过滤器字段,所有字段都必须匹配。
插入数据时,使用文档加载器设置元数据。有关加载文档的更多信息,请参阅默认数据加载器。
相关资源
查看 n8n 的 高级 AI 文档。
[^1]:矢量存储或矢量数据库存储信息的数学表示。与嵌入和检索器一起使用来创建一个数据库,您的 AI 在回答问题时可以访问该数据库。 [^2]:AI 链允许您按照组件调用顺序与大型语言模型 (LLM) 和其他资源进行交互。 n8n 中的 AI 链不使用持久内存,因此您不能使用它们来引用以前的上下文(为此使用 AI 代理)。 [^3]:AI 代理是能够响应用户请求、做出决策并执行现实世界任务的人工智能系统。他们使用大型语言模型 (LLM) 来解释用户输入,并就如何利用现有的信息和资源最好地处理请求做出决策。 [^4]:在 AI 环境中,工具是一种附加资源,AI 在响应请求时可以参考该资源来获取特定信息或功能。人工智能模型可以使用工具与外部系统交互或完成特定的、有重点的任务。 [^5]:重新排序是一种细化候选文档列表顺序以提高搜索结果相关性的技术。检索增强生成 (RAG) 和其他应用程序使用重新排序来优先考虑与生成或下游任务最相关的信息。