Skip to content

Vector Store Question Answer Tool node#

Vector Store Question Answer node เป็น tool ที่ช่วยให้ agent สรุปผลลัพธ์และตอบคำถามโดยอิงจากข้อมูล chunk ใน vector store

ในหน้านี้จะมี parameter ของ node Vector Store Question Answer และลิงก์ไปยัง resource อื่นๆ

Examples and templates

ดูตัวอย่างการใช้งานและ template สำหรับเริ่มต้นได้ที่ Vector Store Question Answer Tool integrations

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#

Description of Data#

ใส่คำอธิบายเกี่ยวกับข้อมูลใน vector store

Limit#

จำนวนผลลัพธ์สูงสุดที่ต้องการให้แสดง

How n8n populates the tool description#

n8n จะใช้ชื่อ node (สามารถแก้ไขได้) และ Description of Data เพื่อสร้าง tool description สำหรับ AI agent โดยใช้รูปแบบนี้:

Useful for when you need to answer questions about [node name]. Whenever you need information about [Description of Data], you should ALWAYS use this. Input should be a fully formed question.

ช่องว่างในชื่อ node จะถูกแปลงเป็น _ ใน tool description

Avoid special characters in node names

ห้ามใช้ตัวอักษรพิเศษในชื่อ node เพราะจะทำให้ agent error ตอนรัน:

model errors from special characters

ควรใช้แค่ตัวอักษรภาษาอังกฤษ, ตัวเลข, ช่องว่าง, ขีดกลาง, ขีดล่าง เท่านั้นในชื่อ node

ดู example workflows และเนื้อหาที่เกี่ยวข้อง ได้ที่เว็บไซต์ n8n

อ้างอิง LangChain's documentation on tools สำหรับข้อมูลเพิ่มเติมเกี่ยวกับ tools ใน LangChain

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.