Mistral Cloud Chat Model node#

ใช้ Mistral Cloud Chat Model node เพื่อใช้งานโมเดลแชทของ Mistral Cloud กับ conversational agents

ในหน้านี้จะมีพารามิเตอร์ของ node Mistral Cloud Chat Model และลิงก์ไปยังแหล่งข้อมูลเพิ่มเติม

Credentials

คุณสามารถดูข้อมูลการเชื่อมต่อสำหรับ node นี้ได้ ที่นี่

Parameter resolution in sub-nodes (การประมวลผล Parameter ใน sub-nodes)

Sub-nodes มีพฤติกรรมแตกต่างจาก node อื่นๆ เมื่อประมวลผลหลายรายการโดยใช้ expression

Node ส่วนใหญ่ รวมถึง root node จะรับ input กี่รายการก็ได้ ประมวลผลรายการเหล่านี้ และส่ง output ออกมา คุณสามารถใช้ expression เพื่ออ้างอิงถึง input item และ node จะประมวลผล expression สำหรับแต่ละ item ตามลำดับ ตัวอย่างเช่น หากมี input เป็นค่า name ห้ารายการ expression {{ $json.name }} จะถูกประมวลผลเป็นแต่ละชื่อตามลำดับ

ใน sub-nodes expression จะถูกประมวลผลเป็น item แรกเสมอ ตัวอย่างเช่น หากมี input เป็นค่า name ห้ารายการ expression {{ $json.name }} จะถูกประมวลผลเป็นชื่อแรกเสมอ

Node parameters#

Model: เลือกโมเดลที่ต้องการให้สร้างข้อความตอบกลับ n8n จะโหลดโมเดลจาก Mistral Cloud แบบ dynamic คุณจะเห็นเฉพาะโมเดลที่บัญชีของคุณเข้าถึงได้

Node options#

Maximum Number of Tokens: กำหนดจำนวน tokens สูงสุดที่ใช้ ซึ่งจะเป็นการกำหนดความยาวของข้อความที่โมเดลจะตอบกลับ
Sampling Temperature: ปรับความสุ่มของการสร้างข้อความ ค่า temperature สูงจะทำให้โมเดลตอบหลากหลายมากขึ้น แต่ก็เสี่ยงต่อการตอบแบบหลุดประเด็น
Timeout: กำหนดเวลาสูงสุด (ms) ที่จะรอผลลัพธ์
Max Retries: กำหนดจำนวนครั้งสูงสุดที่ระบบจะลองส่ง request ใหม่
Top P: กำหนดความน่าจะเป็นรวมที่โมเดลจะใช้ในการเลือก token ถัดไป ค่า Top P ต่ำจะตัดตัวเลือกที่มีความน่าจะเป็นน้อยออก
Enable Safe Mode: เปิด Safe Mode เพื่อเพิ่มข้อความความปลอดภัยในตอนต้นของการตอบกลับ ช่วยลดโอกาสที่โมเดลจะตอบเนื้อหาที่ไม่เหมาะสม
Random Seed: กำหนด seed สำหรับการสุ่ม ถ้าตั้งค่าไว้ การเรียกแต่ละครั้งจะได้ผลลัพธ์ที่เหมือนกัน

Templates and examples#

ดูข้อมูลเพิ่มเติมได้ที่ LangChains's Mistral documentation

ดูเอกสาร Advanced AI ของ n8n

AI glossary#

completion: Completions are the responses generated by a model like GPT.
hallucinations: Hallucination in AI is when an LLM (large language model) mistakenly perceives patterns or objects that don't exist.
vector database: A vector database stores mathematical representations of information. Use with embeddings and retrievers to create a database that your AI can access when answering questions.
vector store: A vector store, or vector database, stores mathematical representations of information. Use with embeddings and retrievers to create a database that your AI can access when answering questions.