MultiQuery Retriever node#
MultiQuery Retriever node จะช่วย automate การปรับ prompt โดยใช้ LLM สร้าง query หลายแบบจากมุมมองต่างๆ สำหรับ input query ที่ผู้ใช้กรอกเข้ามา
ในหน้านี้จะมี parameter ของ node MultiQuery Retriever และลิงก์ resource อื่นๆ ที่เกี่ยวข้อง
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 options#
- Query Count: ใส่จำนวน query ที่ต้องการให้สร้าง (แต่ละอันจะต่างมุมมองกัน)
Templates and examples#
Related resources#
ดูข้อมูลเพิ่มเติมได้ที่ LangChain's retriever conceptual documentation และ LangChain's multiquery retriever API 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.