Embeddings Cohere 节点#

使用 Embeddings Cohere 节点为给定文本生成 嵌入向量（embeddings）。 在本页面中，您将找到 Embeddings Cohere 节点的参数说明以及相关资源链接。

凭据（Credentials） 您可以在此处找到该节点的认证信息。

子节点中的参数解析（Parameter resolution in sub-nodes） 当使用表达式处理多个数据项时，子节点的行为与其他节点有所不同。 大多数节点（包括根节点）可以接收任意数量的数据项，逐个处理并输出结果。您可以在表达式中引用输入项，节点会依次对每个项目解析该表达式。例如，如果有五个 name 值作为输入，表达式 {{ $json.name }} 会依次解析为每一个名称。

而在子节点中，表达式始终解析为第一个项目。例如，即使有五个 name 值作为输入，表达式 {{ $json.name }} 始终只会解析为第一个名称。

节点参数#

• 模型（Model）：选择用于生成嵌入向量的模型。可选项包括：
  • Embed-English-v2.0(4096 Dimensions)
  • Embed-English-Light-v2.0(1024 Dimensions)
  • Embed-Multilingual-v2.0(768 Dimensions)

了解可用模型的更多信息，请参阅 Cohere 的模型文档。

模板与示例#

使用 Apify、GPT-4o 和 WhatsApp 实现销售电话自动化 作者：Khairul Muhtadin 查看模板详情 使用 Milvus、Cohere 和 OpenAI 为 Google Drive 构建基于 RAG 的文档问答系统 作者：Aitor | 1Node 查看模板详情 基础 RAG 聊天 作者：JustinLee 查看模板详情 浏览 Cohere 嵌入集成模板，或 搜索所有模板

相关资源#

更多服务信息，请参考 Langchain 的 Cohere 嵌入文档。 查看 n8n 的 高级 AI 文档。