Skip to content

Embeddings AWS Bedrock 节点#

使用 Embeddings AWS Bedrock 节点为给定文本生成 嵌入。

在此页面上，您将找到 Embeddings AWS Bedrock 节点的节点参数和更多资源的链接。

凭据

您可以在 这里 找到此节点的身份验证信息。

子节点中的参数解析

子节点在使用表达式处理多个项目时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个项目。例如，给定五个 name 值的输入，表达式 {{ $json.name }} 始终解析为第一个名称。

节点参数#

  • Model 模型：选择用于生成嵌入的模型。

在 Amazon Bedrock 文档 中了解更多可用模型。

模板和示例#

Browse 嵌入 AWS Bedrock integration templates, or search all templates

相关资源#

请参考 LangChain 的 AWS Bedrock 嵌入文档 和 AWS Bedrock 文档 获取有关 AWS Bedrock 的更多信息。

查看 n8n 的高级 AI文档。

AI 术语表#

  • completion（完成/补全）: 完成是由 GPT 等模型生成的响应。
  • hallucinations（幻觉）: AI 中的幻觉是指大语言模型（LLM）错误地感知到不存在的模式或对象。
  • vector database（向量数据库）: 向量数据库存储信息的数学表示。与嵌入和检索器一起使用，创建 AI 在回答问题时可以访问的数据库。
  • vector store（向量存储）: 向量存储或向量数据库，存储信息的数学表示。与嵌入和检索器一起使用，创建 AI 在回答问题时可以访问的数据库。