Cohere Chat Model 节点#
使用 Cohere Chat Model 节点可访问 Cohere 的大语言模型，用于对话式 AI 和文本生成任务。
本页面列出了 Cohere Chat Model 节点的参数，并提供了更多资源的链接。
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）: 选择将生成补全的模型。n8n 从 Cohere API 动态加载可用模型。在 Cohere 模型文档中了解更多信息。
节点选项#
- Sampling Temperature（采样温度）: 使用此选项控制采样过程的随机性。更高的温度会创建更多样化的采样，但增加幻觉的风险。
- Max Retries（最大重试次数）: 输入重试请求的最大次数。
模板与示例#
相关资源#
更多信息请参阅 Cohere API 文档。
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。