Milvus 矢量商店
使用 Milvus 节点作为 向量存储[^1] 与您的 Milvus 数据库进行交互。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]。
在此页面上,您将找到 Milvus 节点的节点参数和更多资源的链接。
提示
Credentials 凭证
您可以在Milvus 凭据文档找到该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。
节点使用模式
您可以在以下模式中使用 Milvus Vector Store 节点。
用作常规节点插入和检索文档
您可以将 Milvus Vector Store 用作常规节点来插入或获取文档。此模式将 Milvus Vector Store 放置在常规连接流中,而不使用代理。
请参阅此示例模板,了解如何构建一个在 Milvus 中存储文档并检索它们以支持引用的基于聊天的答案的系统。
作为工具直接连接到 AI 代理
您可以将 Milvus Vector Store 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向量存储作为资源。
此处的连接方式为:AI 代理(工具连接器)-> Milvus Vector Store 节点。请参阅此示例模板,其中数据会嵌入并索引到 Milvus,AI 代理则使用该 Vector Store 作为知识工具来回答问题。
使用检索器获取文档
您可以将 Vector Store Retriever 节点与 Milvus Vector Store 节点结合使用,从 Milvus 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。
典型的节点连接流程如下:问答链(Retriever 连接器)-> Vector Store Retriever(Vector Store 连接器)-> Milvus Vector Store。
查看这个工作流程示例,了解如何将外部数据引入 Milvus 并构建基于聊天的语义问答系统。
使用Vector Store问答工具回答问题
另一种模式使用 Vector Store 问答工具 来总结结果并回答来自 Milvus Vector Store 节点的问题。该模式不是直接将 Milvus 矢量存储作为工具连接,而是使用专门设计的工具来汇总矢量存储中的数据。
连接流程如下所示:AI 代理(工具连接器)-> Vector Store 问答工具(Vector Store 连接器)-> Milvus Vector 存储。
节点参数
此 Vector Store 节点有四种模式:Get Many 获取多个、Insert Documents 插入文档、Retrieve Documents (As Vector Store for Chain/Tool) 检索文档(作为 Chain/Tool 的 Vector Store) 和 Retrieve Documents (As Tool for AI Agent) 检索文档(作为 AI Agent 工具)。你选择的模式决定了可以用该节点执行哪些操作,以及可用的输入和输出。
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。
获取多个参数
- Milvus Collection:选择或输入要使用的 Milvus 集合。
- Prompt 提示:输入您的搜索查询。
- Limit 限制:输入要从向量存储中检索多少结果。例如,将此设置为
10以获得十个最佳结果。
插入文档参数
- Milvus Collection:选择或输入要使用的 Milvus 集合。
- Clear Collection 清除集合:指定是否在插入新文档之前清除集合。
检索文档(作为链/工具的矢量存储)参数
- Milvus collection:选择或输入要使用的 Milvus 集合。
检索文档(作为AI代理工具)参数
- Name 名称:向量存储的名称。
- Description 描述:向 LLM 解释此工具的作用。良好、具体的描述允许 LLM 更频繁地产生预期结果。
- Milvus Collection:选择或输入要使用的 Milvus 集合。
- Limit 限制:输入要从向量存储中检索多少结果。例如,将此设置为
10以获得十个最佳结果。
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。
清除收藏
在 Insert Documents 模式中可用。在插入新数据之前删除集合中的所有数据。
相关资源
查看 n8n 的 Advanced AI 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。