Skip to content

Postgres Chat Memory 节点#

使用 Postgres Chat Memory 节点将 Postgres 用作 记忆 服务器来存储聊天历史。

在此页面上，您将找到 Postgres Chat Memory 节点支持的操作列表和更多资源的链接。

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#

  • Session Key 会话密钥：输入用于在工作流程数据中存储记忆的密钥。
  • Table Name 表名称：输入存储聊天历史的表名称。如果表不存在，系统将创建表。
  • Context Window Length 上下文窗口长度：输入要考虑作为上下文的以前交互数量。

相关资源#

请参考 LangChain 的 Postgres Chat Message History 文档 获取有关该服务的更多信息。

查看 n8n 的高级 AI文档。

单一记忆实例#

If you add more than one Postgres 聊天记忆 node to your workflow, all nodes access the same memory instance by default. Be careful when doing destructive actions that override existing memory contents, such as the override all messages operation in the Chat Memory Manager node. If you want more than one memory instance in your workflow, set different session IDs in different memory nodes.

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。