Skip to content

PGVector 向量存储节点

PGVector 是 Postgresql 的一个扩展。使用此节点可以与 Postgresql 数据库中的 PGVector 表进行交互。您可以将文档插入向量表、从向量表获取文档、检索文档并将其提供给连接到链的检索器，或者作为工具直接连接到代理。

在此页面上，您将找到 PGVector 节点的节点参数以及更多资源的链接。

证书

您可以在此处找到此节点的身份验证信息。

子节点中的参数解析

当使用表达式处理多个项目时，子节点的行为与其他节点不同。

大多数节点（包括根节点）都会接受任意数量的项作为输入，处理这些项并输出结果。您可以使用表达式来引用输入项，节点会依次解析每个项的表达式。例如，给定一个包含五个值的输入，表达式会依次解析每个名称。

在子节点中，表达式始终解析为第一项。例如，给定五个值的输入，表达式始终解析为名字。

节点使用模式

您可以在以下模式中使用 PGVector Vector Store 节点。

用作常规节点来插入和检索文档

您可以使用 PGVector 向量存储作为常规节点来插入或获取文档。此模式将 PGVector 向量存储置于常规连接流中，无需使用代理。

您可以在此模板的场景 1 中看到此示例（该模板使用 Supabase Vector Store，但模式相同）。

直接连接到 AI 代理作为工具

您可以将 PGVector 向量存储节点直接连接到AI 代理的工具连接器，以便在回答查询时使用向量存储作为资源。

这里的连接将是：AI 代理（工具连接器）-> PGVector 向量存储节点。

使用检索器获取文档

您可以将Vector Store Retriever节点与 PGVector Vector Store 节点配合使用，从 PGVector Vector Store 节点获取文档。这通常与Question and Answer Chain节点配合使用，从向量存储中获取与给定聊天输入匹配的文档。

连接流的一个例子（链接的示例使用 Pinecone，但模式相同）是：问答链（检索器连接器）-> 向量存储检索器（向量存储连接器）-> PGVector 向量存储。

使用 Vector Store 问答工具来回答问题

另一种模式使用向量存储问答工具来汇总结果并回答来自 PGVector 向量存储节点的问题。该模式并非直接将 PGVector 向量存储作为工具连接，而是使用专门设计用于汇总向量存储中数据的工具。

在这种情况下，连接流（链接的示例使用简单向量存储，但模式相同）将如下所示：AI 代理（工具连接器）-> 向量存储问答工具（向量存储连接器）-> 简单向量存储。

节点参数

操作模式

此向量存储节点有四种模式：获取多个、插入文档、检索文档（作为链/工具的向量存储）和检索文档（作为 AI 代理的工具） 。您选择的模式决定了您可以使用该节点执行的操作以及可用的输入和输出。

获取多个

在此模式下，您可以通过提供提示从向量数据库中检索多个文档。提示将被嵌入并用于相似性搜索。节点将返回与提示最相似的文档及其相似度得分。如果您想检索相似文档列表并将其作为附加上下文传递给代理，这将非常有用。

插入文档

使用插入文档模式将新文档插入矢量数据库。

检索文档（作为链/工具的向量存储）

使用“检索文档（作为链/工具的向量存储）”模式和向量存储检索器，从向量数据库中检索文档，并将其提供给连接到链的检索器。在此模式下，您必须将节点连接到检索器节点或根节点。

检索文档（作为AI代理的工具）

使用“检索文档（作为 AI 代理工具）”模式，在回答查询时将向量存储用作工具资源。在制定响应时，当向量存储名称和描述与问题详情匹配时，代理会使用向量存储。

重新排序结果

启用重新排序。如果启用此选项，则必须将重新排序节点连接到向量存储。该节点随后将对查询结果进行重新排序。您可以将此选项与、和模式一起使用。

获取多个参数

  • 表名：输入要查询的表的名称。
  • 提示：输入您的搜索查询。
  • 限制：输入一个数字，设置从向量存储中检索的结果数量。例如，将其设置为，即可获取 10 个最佳结果。

插入文档参数

  • 表名：输入要查询的表的名称。

检索文档参数（作为链/工具的矢量存储）

  • 表名：输入要查询的表的名称。

检索文档（作为 AI 代理工具）参数

  • 名称：矢量存储的名称。
  • 描述：向法学硕士 (LLM) 解释此工具的功能。清晰、具体的描述能够帮助法学硕士 (LLM) 更频繁地获得预期结果。
  • 表名称：输入要使用的 PGVector 表。
  • 限制：输入从向量存储中检索的结果数量。例如，将其设置为以获取十个最佳结果。

节点选项

收藏

一种在 PGVector 中分离数据集的方法。这将创建一个单独的表和列来跟踪向量所属的集合。

  • 使用集合：选择是否使用集合（打开）或不使用集合（关闭）。
  • 集合名称：输入您要使用的集合的名称。
  • 收集表名称：输入用于存储收集信息的表的名称。

列名

以下选项指定存储向量和相应信息的列的名称：

  • ID 列名称
  • 向量列名
  • 内容列名称
  • 元数据列名称

元数据过滤器

在“获取多项”模式下可用。搜索数据时，使用此选项可匹配与文档相关的元数据。

这是一个查询。如果您指定多个元数据筛选字段，则所有字段都必须匹配。

插入数据时，使用文档加载器设置元数据。有关加载文档的更多信息，请参阅默认数据加载器。

模板和示例

没有任何

有关该服务的更多信息，请参阅LangChain 的 PGVector 文档。

查看 n8n 的高级 AI文档。

自托管 AI 入门套件

首次接触 AI 领域并使用自托管 n8n？不妨试用 n8n自托管 AI 入门套件，使用 Ollama、Qdrant 和 PostgreSQL 进行概念验证或演示。