Redis 矢量存储
使用 Redis 矢量存储节点作为矢量存储[^1] 与 Redis 数据库进行交互。您可以将文档插入向量数据库、从向量数据库获取文档、使用连接到链 [^2] 的检索器检索文档,或将其直接连接到代理 [^3] 以用作工具 [^4]。
提示
功能可用性
Redis 查询过滤器和 Metadata Schema 元数据架构选项从 Redis Vector Store 节点的节点版本 1.4 起可用。更早的节点版本请参阅元数据过滤器。
现有 Redis Vector Store 节点会保留自己的节点版本,其索引也会继续工作。要使用节点版本 1.4,请添加一个新的 Redis Vector Store 节点和新索引,然后重新导入文档。不要把节点版本 1.4 指向用更早节点版本创建的索引。
在此页面上,你将找到 Redis 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Redis 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。
先决条件
在使用该节点之前,您需要一个启用了Redis查询引擎的Redis数据库。使用以下其中一项:
- Redis Open Source (v8.0 and later) Redis 开源(v8.0 及更高版本) : 默认包含 Redis 查询引擎
- Redis Cloud Redis云:完全托管服务
- Redis Software Redis软件 : 自我管理部署
提示
A new index will be created if you don't have one. 如果您没有索引,则会创建一个新索引。
仅当您想要使用自定义索引架构或重用现有索引时,才需要提前创建自己的索引。否则,您可以跳过此步骤,让节点根据您指定的选项为您创建新索引。
节点使用模式
你可以在以下模式中使用 Redis Vector Store 节点:
用作常规节点插入和检索文档
你可以将 Redis Vector Store 用作常规节点来插入或获取文档。此模式将 Redis Vector Store 放置在常规连接流中而不使用代理。
你可以在此模板中看到一个示例,其中语义缓存存储在 Redis 中,并在工作流开始时通过 Redis Vector Store 节点检索。
作为工具直接连接到 AI 代理
您可以将 Redis 矢量存储节点直接连接到 AI 代理 的工具[^4] 连接器,以在应答查询时使用矢量存储作为资源。
在这里,连接将是:AI agent(tools 连接器)-> Redis Vector Store 节点。
使用检索器获取文档
您可以将 Vector Store Retriever 节点与 Redis Vector Store 节点结合使用,从 Redis 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。
连接流示例(链接的示例使用 Pinecone,但模式相同)将是:Question and Answer Chain(Retriever 连接器)-> Vector Store Retriever(Vector Store 连接器)-> Redis Vector Store。
使用Vector Store问答工具回答问题
另一种模式使用向量存储问题解答工具 总结结果并回答来自 Redis 向量存储节点的问题。此模式不是直接将 Redis 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。
此模板展示了如何将 Vector Store Question Answer Tool 与 Redis Vector Store 节点配合使用。在这种情况下,连接流程如下:AI agent(tools 连接器)-> Vector Store Question Answer Tool(Vector Store 连接器)-> Redis Vector store。
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
- Redis Index Redis索引:输入要使用的 Redis 矢量搜索索引的名称。 (可选)从列表中选择一个现有的。
- 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
10以获得十个最佳结果。
该操作模式包括 Metadata Filter 元数据过滤器 Node option 节点选项。从节点版本 1.4 起,它还包括 Metadata Schema 元数据架构 Node option 节点选项。
插入文档参数
- Redis Index Redis索引:输入要使用的 Redis 矢量搜索索引的名称。 (可选)从列表中选择一个现有的。
从节点版本 1.4 起,该操作模式包括 Metadata Schema 元数据架构 Node option 节点选项。
检索文档(作为链/工具的矢量存储)参数
- Redis Index Redis索引:输入要使用的 Redis 矢量搜索索引的名称。 (可选)从列表中选择一个现有的。
该操作模式包括 Metadata Filter 元数据过滤器 Node option 节点选项。从节点版本 1.4 起,它还包括 Metadata Schema 元数据架构 Node option 节点选项。
检索文档(作为AI代理工具)参数
- Name 名称:矢量存储的名称。
- 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。
- Redis Index Redis索引:输入要使用的 Redis 矢量搜索索引的名称。 (可选)从列表中选择一个现有的。
- 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
10以获得十个最佳结果。
该操作模式包括 Metadata Filter 元数据过滤器 Node option 节点选项。从节点版本 1.4 起,它还包括 Metadata Schema 元数据架构 Node option 节点选项。
包括元数据
是否包含文档元数据。
您可以将其与获取多个和检索文档(作为AI代理的工具)模式一起使用。
节点选项
元数据过滤器
Metadata Filter 元数据过滤器选项把结果限制为 metadata 与过滤器匹配的文档。它可用于 获取多个、检索文档(作为链/工具的矢量存储) 和 检索文档(作为 AI 代理工具)操作模式。
插入数据时,文档加载器会设置 metadata。有关加载文档的更多信息,请参阅默认数据加载器。
节点版本 1.4 中的 Redis 查询过滤器
从节点版本 1.4 起,Metadata Filter 元数据过滤器接受 Redis 查询表达式。你可以按 tag、numeric、text 和 geo 字段过滤,并用 AND 和 OR 逻辑组合条件。过滤器只能作用于索引 schema 中的字段。
| 过滤器类型 | 示例 | 匹配的文档 |
|---|---|---|
| Tag | @category:{electronics} |
category 为 electronics |
| 多个 tag | @category:{electronics\|books} |
category 为 electronics 或 books |
| 数值范围 | @price:[0 100] |
price 在 0 到 100 之间 |
| 组合 | @category:{electronics} @price:[0 100] |
两个条件都匹配 |
| Text | @description:laptop |
description 包含单词 laptop |
完整语法请参阅 LangChain 的 Redis Vector Store 高级功能文档和 Redis Query Engine 文档。
节点版本 1.3 及更早版本中的逗号分隔过滤器
在节点版本 1.3 及更早版本中,Metadata Filter 元数据过滤器接受逗号分隔的词列表,例如 Item1,Item2,Item3。节点运行 OR 查询,因此只要其中一个词匹配,文档就会匹配。
Metadata Schema 元数据架构
Metadata Schema 元数据架构选项设置索引中每个 metadata 字段的类型。它从节点版本 1.4 起可用于 插入文档、获取多个、检索文档(作为链/工具的矢量存储) 和 检索文档(作为 AI 代理工具)操作模式。
输入一个 JSON 数组,每个 metadata 字段一个对象。每个对象需要 name 和 type,也可以有 options 对象:
[
{"name": "category", "type": "tag"},
{"name": "price", "type": "numeric", "options": {"sortable": true}},
{"name": "description", "type": "text"},
{"name": "location", "type": "geo"}
]
如果 JSON 无效,或某个字段缺少 name 或类型未知,节点会报错并停止,索引保持不变。
| 类型 | 用于 | 示例过滤器 |
|---|---|---|
tag |
精确匹配的短标签 | @category:{electronics} |
numeric |
数字和范围 | @price:[0 100] |
text |
可搜索的文字 | @description:laptop |
geo |
经纬度位置 | @location:[lon lat radius km] |
Redis 配置选项
适用于所有操作模式:
- Metadata Key 元数据键:输入 Redis 哈希中元数据字段的键(默认值:
metadata)。 - Key Prefix 按键前缀:输入存储文档的按键前缀(默认:
doc:)。 - Content Key 内容关键词:输入 Redis 哈希中内容字段的密钥(默认值:
content)。 - Embedding Key 嵌入密钥:输入 Redis 哈希中嵌入字段的密钥(默认值:
embedding)。
插入选项
适用于插入文档操作模式:
- Overwrite Documents 覆盖文档:选择是否覆盖现有文档(打开)或不覆盖(关闭)。同时删除索引。
- Time-to-Live 生存时间:输入文档的生存时间(以秒为单位)。索引不会过期。
模板和示例
浏览 Redis Vector Store 节点文档集成模板 或 搜索所有模板
相关资源
参考:
- Redis 矢量搜索文档 了解有关 Redis 矢量功能的更多信息。
- RediSearch 文档 了解有关 RediSearch 的更多信息。
- LangChain 的 Redis Vector Store 文档 了解有关该服务的更多信息。
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。
[^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。