n8n 中的 LangChain 概念#
本页面解释了 LangChain 的概念和功能如何映射到 n8n 节点。 本页面列出了 n8n 中专注于 LangChain 的节点。你可以在与 LangChain 交互的工作流中使用任意 n8n 节点，以将 LangChain 与其他服务连接起来。LangChain 功能基于 n8n 的 集群节点（Cluster nodes） 实现。 n8n 实现了 LangChain JS 此功能是 n8n 对 LangChain JavaScript 框架 的实现。
触发节点（Trigger nodes）#
Chat Trigger
集群节点（Cluster nodes）#
集群节点（Cluster nodes） 是一组协同工作的节点，在 n8n 工作流中提供特定功能。你不是使用单个节点，而是使用一个 根节点（root node） 和一个或多个扩展该节点功能的 子节点（sub-nodes）。
根节点（Root nodes）#
每个集群都从一个 根节点（root node） 开始。
Chains（链）#
链（Chain） 是一系列大语言模型（LLM）及相关工具的组合，通过串联方式实现单个 LLM 无法完成的功能。
可用节点：
- Basic LLM Chain（基础 LLM 链）
- Retrieval Q&A Chain（检索问答链）
- Summarization Chain（摘要链）
- Sentiment Analysis（情感分析）
- Text Classifier（文本分类器）
了解更多关于 LangChain 中的链式调用（chaining）。
代理（Agents）#
一个 代理（agent） 可以访问一组工具，并根据用户输入决定使用哪些工具。代理可以使用多个工具，并将一个工具的输出作为下一个工具的输入。来源 可用节点：
- 代理（Agent）
了解更多关于 LangChain 中的代理（Agents）。
向量存储（Vector stores）#
向量存储（Vector stores） 用于存储嵌入后的数据，并在其上执行向量搜索。
- 简单向量存储（Simple Vector Store）
- PGVector 向量存储（PGVector Vector Store）
- Pinecone 向量存储（Pinecone Vector Store）
- Qdrant 向量存储（Qdrant Vector Store）
- Supabase 向量存储（Supabase Vector Store）
- Zep 向量存储（Zep Vector Store）
了解更多关于 LangChain 中的向量存储（Vector stores）。
其他功能（Miscellaneous）#
实用工具类节点。 LangChain 代码（LangChain Code）：导入 LangChain。这意味着即使 n8n 尚未为某项功能提供专用节点，你仍然可以通过代码使用它。
子节点（Sub-nodes）#
每个根节点可以连接一个或多个 子节点（sub-nodes）。
文档加载器（Document loaders）#
文档加载器将数据以文档形式添加到你的流程中。数据源可以是文件或网络服务。 可用节点：
- 默认文档加载器（Default Document Loader）
- GitHub 文档加载器（GitHub Document Loader）
了解更多关于 LangChain 中的文档加载器 (Document loaders) 的信息。
语言模型#
大语言模型（LLMs, Large Language Models） 是用于分析数据集的程序，是人工智能应用中的核心组件。
可用节点：
- Anthropic 聊天模型
- AWS Bedrock 聊天模型
- Cohere 模型
- Hugging Face 推理模型
- Mistral Cloud 聊天模型
- Ollama 聊天模型
- Ollama 模型
- OpenAI 聊天模型
了解更多关于 LangChain 中的语言模型 的信息。
记忆（Memory）#
记忆（Memory） 用于在一系列查询中保留之前交互的信息。例如，当用户与聊天模型进行交互时，如果应用程序能够记住并调用整个对话历史，而不仅仅是用户最近输入的一条查询，将会非常有用。
可用节点：
- Motorhead
- Redis 聊天记忆
- Postgres 聊天记忆
- 简单记忆（Simple Memory）
- Xata
- Zep
了解更多关于 LangChain 中的内存（Memory） 的信息。
输出解析器（Output parsers）#
输出解析器将大语言模型（LLM）生成的文本进行格式化，使其符合你所需的结构。
可用节点：
- 自动修复输出解析器（Auto-fixing Output Parser）
- 项目列表输出解析器（Item List Output Parser）
- 结构化输出解析器（Structured Output Parser）
了解更多关于 LangChain 中的输出解析器（Output parsers） 的信息。
检索器（Retrievers）#
- 上下文压缩检索器（Contextual Compression Retriever）
- 多查询检索器（MultiQuery Retriever）
- 向量存储检索器（Vector Store Retriever）
- 工作流检索器（Workflow Retriever）
文本分割器（Text splitters）#
文本分割器用于将数据（如文档）拆分为更小的部分，以便大语言模型（LLM）更容易处理信息并返回准确的结果。
可用节点：
- 字符文本分割器（Character Text Splitter）
- 递归字符文本分割器（Recursive Character Text Splitter）
- Token 分割器（Token Splitter）
n8n 的文本分割节点实现了 LangChain 文本分割器 API 的部分功能。
工具#
实用的 工具（tools）：
- 计算器（Calculator）
- 代码工具（Code Tool）
- SerpAPI
- 思考工具（Think Tool）
- 向量存储工具（Vector Store Tool）
- Wikipedia
- Wolfram|Alpha
- 工作流工具（Workflow Tool）
嵌入（Embeddings）#
嵌入（Embeddings） 用于捕捉文本、图像、视频或其他类型信息之间的“相关性”。（来源）
可用节点：
- 嵌入 AWS Bedrock（Embeddings AWS Bedrock）
- 嵌入 Cohere（Embeddings Cohere）
- 嵌入 Google PaLM（Embeddings Google PaLM）
- 嵌入 Hugging Face 推理（Embeddings Hugging Face Inference）
- 嵌入 Mistral Cloud（Embeddings Mistral Cloud）
- 嵌入 Ollama（Embeddings Ollama）
- 嵌入 OpenAI（Embeddings OpenAI）
了解更多关于 LangChain 中的文本嵌入（Text embeddings in LangChain） 的内容。
其他（Miscellaneous）#
- 聊天记忆管理器（Chat Memory Manager）