Weaviate 矢量存储
使用 Weaviate 节点作为 向量存储[^1] 与 Weaviate 集合进行交互。您可以将文档插入矢量数据库或从矢量数据库检索文档。您还可以检索文档,将其提供给连接到链 [^2] 的检索器,或将此节点直接连接到代理 [^3] 以用作工具 [^4]。在此页面上,您将找到 Weaviate 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Weaviate 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
您可以按以下模式使用 Weaviate Vector Store 节点。
用作常规节点插入和检索文档
您可以将 Weaviate Vector Store 作为常规节点来插入或获取文档。此模式将 Weaviate Vector Store 置于常规连接流程中,而无需使用代理。
作为工具直接连接到 AI 代理
您可以将 Weaviate 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。
此时,连接将是:AI 代理(工具连接器)-> Weaviate Vector Store 节点。
使用检索器获取文档
您可以将 Vector Store Retriever 节点与 Weaviate Vector Store 节点结合使用,从 Weaviate 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。
使用Vector Store问答工具回答问题
另一种模式使用 Vector Store Question Answer Tool 总结结果并回答来自 Weaviate Vector Store 节点的问题。该模式不是直接将 Weaviate 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。
节点参数
提示
Multitenancy 多租户
您可以将数据分离到同一集合的独立租户中(例如,针对不同的客户)。为此,在插入和检索对象时,您必须始终提供租户名称。 在 Weaviate 文档中了解有关多租户的更多信息。
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。
获取多个参数
- Weaviate Collection: 输入要使用的 Weaviate 集合名称。
- Prompt(提示): 输入搜索查询。
- Limit(限制): 输入要从向量存储检索的结果数量。例如,设置为
10以获取十个最佳结果。
插入文档参数
- Weaviate Collection: 输入要使用的 Weaviate 集合名称。
- Embedding Batch Size(嵌入批量大小): 在单个批次中嵌入的文档数量。默认值为 200 个文档。
检索文档(作为链/工具的矢量存储)参数
- Weaviate Collection: 输入要使用的 Weaviate 集合名称。
检索文档(作为AI代理工具)参数
- Weaviate Collection: 向量存储的名称。
- Description(描述): 向 LLM 解释此工具的作用。良好、具体的描述使 LLM 更经常产生预期结果。
- Weaviate Collection: 输入要使用的 Weaviate 集合名称。
- Limit(限制): 输入要从向量存储检索的结果数量。例如,设置为
10以获取十个最佳结果。
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 Agent 的工具)模式一起使用。
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。
节点选项
搜索过滤器
可用于获取多个、检索文档(作为链/工具的 Vector Store)和检索文档(作为 AI Agent 的工具)操作模式。
搜索数据时,使用此选项匹配与文档关联的元数据。您可以在 Weaviate 的条件过滤器文档中了解更多关于操作符和查询结构的信息。
您可以将 AND 和 OR 与不同的操作符一起使用。操作符不区分大小写:
{
"OR": [
{
"path": ["source"],
"operator": "Equal",
"valueString": "source1"
},
{
"path": ["source"],
"operator": "Equal",
"valueString": "source1"
}
]
}
支持的操作符:
| 操作员 | 必填字段 | 描述 |
|---|---|---|
'equal' |
valueString 或 valueNumber |
检查属性是否等于给定的字符串或数字。 |
'like' |
valueString |
检查字符串属性是否与模式匹配(例如,子字符串匹配)。 |
'containsAny' |
valueTextArray(字符串[]) |
检查属性是否包含给定值的 any 任何。 |
'containsAll' |
valueTextArray(字符串[]) |
检查属性是否包含给定值的 all 全部。 |
'greaterThan' |
valueNumber |
检查属性值是否大于给定数字。 |
'lessThan' |
valueNumber |
检查属性值是否小于给定数字。 |
'isNull' |
valueBoolean(真/假) |
检查属性是否为空。 (必须在摄取前启用) |
'withinGeoRange' |
valueGeoCoordinates(具有地理位置数据的对象) |
按与地理坐标的接近程度进行过滤。 |
插入数据时,文档加载器会设置元数据。有关加载文档的更多信息,请参阅默认数据加载器。
元数据键
您可以定义希望 Weaviate 在查询中返回哪些元数据键。这可以减少网络负载,因为您只会获得已定义的属性。默认情况下返回服务器的所有属性。
可用于获取多个、检索文档(作为链/工具的 Vector Store)和检索文档(作为 AI Agent 的工具)操作模式。
混合:查询文本
提供查询文本以将向量搜索与关键词/文本搜索相结合。
混合:解释分数
是否显示混合搜索和向量搜索之间的融合分数说明。
混合动力:融合型
选择用于组合向量搜索和关键词搜索结果的融合类型。了解更多关于融合算法。
选项:
- Relative Score 相对分数:使用相对分数融合
- Ranked 排名:使用排名融合
混合:自动切割限制
通过检测分数的突然跳跃来限制结果组。 了解有关自动剪切的更多信息。
混合动力:阿尔法
更改关键字和向量分量的相对权重。 1.0 = 纯向量,0.0 = 纯关键字。默认值为 0.5。 了解有关 alpha 参数的更多信息。
混合:查询属性
要包含在查询中的以逗号分隔的属性列表,具有可选的加权值,例如“question^2,answer”。 了解有关设置属性值权重的详细信息。
混合:最大矢量距离
设置向量搜索组件的最大允许距离。
租户名称
要存储或检索文档的特定租户。 了解有关多租户的更多信息。
提示
Must enable at creation 必须在创建时启用
您必须在首次摄取时传递租户名称才能为集合启用多租户。创建后无法启用或禁用多租户。
文本密钥
文档中包含嵌入文本的键。
跳过初始化检查
在实例化客户端时是否跳过初始化检查。
初始化超时
在初始检查期间超时前等待的秒数。
插入超时
在插入期间超时前等待的秒数。
查询超时
在查询期间超时前等待的秒数。
GRPC 代理
用于 gRPC 请求的代理。
清除数据
适用于插入文档操作模式。
是否在插入新数据前清除集合或租户。
模板和示例
浏览 Weaviate Vector Store 节点文档集成模板 或 搜索所有模板
相关资源
更多信息请参阅 LangChain 的 Weaviate 文档{:target=_blank .external-link}。
有关自托管 Weaviate 集群的信息,请参阅 Weaviate 安装。
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。