Zep 向量存储节点#

已弃用 此节点已被弃用，将在未来版本中移除。

使用 Zep 向量存储节点与 Zep 向量数据库进行交互。你可以将文档插入向量数据库、从向量数据库获取文档、检索文档以提供给连接到链（chain）的检索器（retriever），或直接将其连接到一个智能体（agent），作为工具（tool）使用。

在本页面中，你将找到 Zep 向量存储节点的参数说明以及相关资源链接。

凭据

有关此节点的身份验证信息，请参阅此处。

示例和模板

如需使用示例和模板帮助你快速上手，请参考 n8n 的 Zep 向量存储集成页面。

子节点中的参数解析#

当使用表达式处理多个数据项时，子节点（sub-nodes）的行为与其他节点不同。

大多数节点（包括根节点）可以接收任意数量的数据项作为输入，逐个处理这些项，并输出结果。你可以使用表达式引用输入项，节点会依次为每个输入项解析该表达式。例如，若有五个 name 值作为输入，表达式 {{ $json.name }} 会依次解析为每一个名字。

而在子节点中，表达式始终解析为第一个输入项。例如，在同样有五个 name 值输入的情况下，表达式 {{ $json.name }} 始终指向第一个名字。

节点使用模式#

你可以通过以下几种方式使用 Zep 向量存储节点。

作为普通节点插入、更新和检索文档#

你可以将 Zep 向量存储作为普通节点来插入或获取文档。这种模式下，Zep 向量存储节点处于常规连接流程中，不涉及智能体（agent）的使用。

你可以在此模板的场景 1 中看到一个示例（该示例使用 Supabase，但使用模式相同）。

直接作为工具连接到 AI 智能体#

你可以将 Zep 向量存储节点直接连接到 AI 智能体的工具连接器（tools connector），以便在回答查询时利用向量存储作为资源。

此时的连接路径为：AI 智能体（工具连接器） → Zep 向量存储节点。

使用检索器获取文档#

你可以将向量存储检索器（Vector Store Retriever）节点与 Zep 向量存储节点结合使用，从后者中提取文档。这种方式通常与问答链（Question and Answer Chain）节点配合使用，用于从向量存储中检索与当前聊天输入相匹配的文档。

一个连接流程示例（该示例使用 Pinecone，但模式相同）如下所示：问答链（检索器连接器） → 向量存储检索器（向量存储连接器） → Zep 向量存储。

使用向量存储问答工具回答问题#

另一种模式是使用向量存储问答工具（Vector Store Question Answer Tool）来总结结果并回答来自 Zep 向量存储节点的问题。与直接将 Zep 向量存储作为工具不同，此模式使用专门设计用于汇总向量存储中数据的工具。

连接流程示例（该示例使用 Supabase，但模式相同）如下所示： AI 智能体（工具连接器） → 向量存储问答工具（向量存储连接器） → Zep 向量存储。

节点参数#

操作模式#

该向量存储节点包含四种模式：Get Many、Insert Documents、Retrieve Documents (As Vector Store for Chain/Tool) 和 Retrieve Documents (As Tool for AI Agent)。所选模式决定了节点可执行的操作以及可用的输入和输出选项。

Get Many#

在此模式下，你可以通过提供提示词（prompt）从向量数据库中检索多个文档。系统会将提示词嵌入（embed），并基于相似性进行搜索。节点返回与提示最相似的文档及其相似度得分。当你希望获取一组相似文档并将其作为附加上下文传递给智能体时，此功能非常有用。

Insert Documents#

使用“插入文档”模式可将新文档插入你的向量数据库。

Retrieve Documents (as Vector Store for Chain/Tool)#

使用“检索文档（作为链/工具的向量存储）”模式，配合向量存储检索器（retriever），从向量数据库中检索文档，并提供给连接至链（chain）的检索器。在此模式下，必须将该节点连接到一个检索器节点或根节点。

Retrieve Documents (as Tool for AI Agent)#

使用“检索文档（作为 AI 智能体的工具）”模式，可在回答查询时将向量存储作为工具资源使用。当智能体生成回复时，若问题内容与向量存储的名称和描述匹配，则会调用该向量存储。

重新排序结果（Rerank Results）#

启用重新排序（reranking）功能。启用此选项后，必须将一个重新排序节点连接到向量存储节点，该节点会对查询结果进行重新排序。此功能可用于 Get Many、Retrieve Documents (As Vector Store for Chain/Tool) 和 Retrieve Documents (As Tool for AI Agent) 三种模式。

插入文档参数#

集合名称（Collection Name）：输入用于存储数据的集合名称。

获取多个参数#

Collection Name（集合名称） : 输入要从中检索数据的集合名称。
Prompt（提示） : 输入搜索查询内容。
Limit（限制） : 设置从向量数据库中检索的结果数量。例如，设置为 10 可获取最相关的十条结果。

检索文档（作为链/工具的向量存储）参数#

Collection Name（集合名称） : 输入要从中检索数据的集合名称。

检索文档（作为 AI Agent 的工具）参数#

Name（名称） : 向量存储的名称。
Description（描述） : 向大语言模型（LLM）说明此工具的功能。清晰且具体的描述有助于 LLM 更频繁地生成符合预期的结果。
Collection Name（集合名称） : 输入要从中检索数据的集合名称。
Limit（限制） : 设置从向量数据库中检索的结果数量。例如，设置为 10 可获取最相关的十条结果。