OpenAI Chat Model node#
ใช้ OpenAI Chat Model node เพื่อใช้งาน Chat Model ของ OpenAI ร่วมกับ agents ที่ใช้ในการสนทนา
ในหน้านี้ คุณจะพบกับพารามิเตอร์ของ OpenAI Chat Model node และลิงก์ไปยังแหล่งข้อมูลเพิ่มเติม
Credentials
คุณสามารถดูข้อมูลการยืนยันตัวตนสำหรับ 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#
เลือก Model ที่จะใช้ในการสร้างข้อความ completion
n8n จะโหลด Model จาก OpenAI แบบไดนามิก และคุณจะเห็นเฉพาะ Model ที่มีให้สำหรับบัญชีของคุณเท่านั้น
Node options#
ใช้ตัวเลือกเหล่านี้เพื่อปรับแต่งการทำงานของ node เพิ่มเติม
Base URL#
ป้อน URL ที่นี่เพื่อแทนที่ URL เริ่มต้นสำหรับ API
Frequency Penalty#
ใช้ตัวเลือกนี้เพื่อควบคุมโอกาสที่ Model จะสร้างข้อความซ้ำ ค่าที่สูงขึ้นจะลดโอกาสที่ Model จะสร้างข้อความซ้ำ
Maximum Number of Tokens#
ป้อนจำนวน Token สูงสุดที่จะใช้ ซึ่งจะเป็นการกำหนดความยาวของข้อความ completion
Response Format#
เลือก Text หรือ JSON การเลือก JSON จะทำให้มั่นใจได้ว่า Model จะส่งคืนค่าเป็น JSON ที่ถูกต้อง
Presence Penalty#
ใช้ตัวเลือกนี้เพื่อควบคุมโอกาสที่ Model จะพูดคุยเกี่ยวกับหัวข้อใหม่ๆ ค่าที่สูงขึ้นจะเพิ่มโอกาสที่ Model จะพูดคุยเกี่ยวกับหัวข้อใหม่ๆ
Sampling Temperature#
ใช้ตัวเลือกนี้เพื่อควบคุมความสุ่มของการสุ่มตัวอย่าง (sampling process) ค่า temperature ที่สูงขึ้นจะสร้างการสุ่มตัวอย่างที่หลากหลายมากขึ้น แต่ก็เพิ่มความเสี่ยงที่จะเกิดภาพหลอน (hallucinations)
Timeout#
ป้อนเวลาร้องขอสูงสุดในหน่วยมิลลิวินาที
Max Retries#
ป้อนจำนวนครั้งสูงสุดที่จะลองส่งคำขอใหม่
Top P#
ใช้ตัวเลือกนี้เพื่อกำหนดความน่าจะเป็นที่ completion ควรใช้ ใช้ค่าที่ต่ำลงเพื่อละเว้นตัวเลือกที่มีความน่าจะเป็นน้อยกว่า
Templates and examples#
Related resources#
อ้างอิง เอกสาร OpenAI ของ LangChain สำหรับข้อมูลเพิ่มเติมเกี่ยวกับบริการนี้
ดูเอกสาร Advanced AI ของ n8n
Common issues#
สำหรับคำถามหรือปัญหาที่พบบ่อยและแนวทางแก้ไข โปรดดูที่ Common issues
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.