术语表
AI agent（AI 代理）#
AI 代理是能够响应请求、做出决策并为用户执行现实世界任务的人工智能系统。它们使用大语言模型（LLM）来解释用户输入，并根据可用的信息和资源决定如何最佳地处理请求。
AI chain（AI 链）#
AI 链允许你通过一系列调用组件的方式与大语言模型（LLMs）和其他资源进行交互。n8n 中的 AI 链不使用持久化记忆，因此无法引用之前的上下文（如需此功能，请使用 AI 代理）。
AI completion（AI 补全）#
补全是像 GPT 这类模型生成的响应内容。
AI embedding（AI 嵌入）#
嵌入（Embeddings）是使用向量表示数据的数值形式。AI 使用嵌入在多个维度上映射值，以解释复杂的数据及其关系。向量数据库（也称向量存储）是专为存储和访问嵌入而设计的数据库。
AI groundedness（AI 扎根性）#
在人工智能领域，特别是在检索增强生成（Retrieval-Augmented Generation, RAG）场景中，“扎根性”（groundedness）和“非扎根性”（ungroundedness）用于衡量模型响应在多大程度上准确反映了源信息。模型利用其源文档生成有依据的响应，而非扎根响应则包含推测或缺乏来源支持的幻觉内容。
AI hallucination（AI 幻觉）#
AI 中的“幻觉”是指大语言模型（LLM）错误地感知到实际上不存在的模式或对象。
AI reranking（AI 重排序）#
重排序是一种优化候选文档列表顺序的技术，旨在提高搜索结果的相关性。检索增强生成（RAG）及其他应用使用重排序技术，以优先选择最相关的信息用于生成或下游任务。
AI memory（AI 记忆）#
在 AI 上下文中，记忆使 AI 工具能够在多次交互中持续保留消息上下文。例如，你可以与 AI 代理进行连续对话，而无需在每条消息中重复提交上下文信息。在 n8n 中，AI 代理节点可以使用记忆功能，但 AI 链不能。
AI retrieval-augmented generation (RAG)（检索增强生成）#
检索增强生成（Retrieval-Augmented Generation，简称 RAG）是一种技术，通过让大语言模型（LLM）访问外部来源的新信息，从而提升 AI 响应的质量。RAG 系统会检索相关文档，将响应建立在最新、特定领域或专有的知识基础上，以补充其原始训练数据。RAG 系统通常依赖向量存储（vector stores）来高效管理和搜索这些外部数据。
AI tool（AI 工具）#
在 AI 上下文中，工具是指 AI 在响应请求时可调用的附加资源，用于获取特定信息或实现特定功能。AI 模型可通过工具与外部系统交互，或完成具体且聚焦的任务。
AI vector store（AI 向量存储）#
向量存储（或称向量数据库）用于存储信息的数学表示形式。结合嵌入（embeddings）和检索器（retrievers），可构建一个 AI 在回答问题时可访问的数据库。
API#
API（应用程序编程接口）提供对服务数据和功能的程序化访问。API 使得软件更容易与外部系统交互，通常作为传统面向用户的界面（如浏览器或 UI 界面）的替代方案。
canvas（画布，n8n）#
画布是 n8n 编辑器 UI 中构建工作流的主要界面。你可以在画布上添加并连接节点，以组合成完整的工作流。
cluster node（集群节点，n8n）#
在 n8n 中，集群节点是由一组协同工作的节点组成的，用于在工作流中提供特定功能。它们包含一个根节点（root node）以及一个或多个扩展该节点功能的子节点（sub nodes）。
credential（凭据，n8n）#
在 n8n 中，凭据用于存储连接特定应用和服务所需的认证信息。创建凭据（如用户名密码、API 密钥、OAuth 密钥等）后，即可使用相应的应用节点与该服务进行交互。
data pinning（数据固定，n8n）#
数据固定允许你在开发工作流期间临时冻结某个节点的输出数据。这样可以在不反复调用外部服务的情况下，使用可预测的数据进行开发。生产环境中的工作流会忽略固定数据，并在每次执行时重新请求新数据。
editor（编辑器，n8n）#
n8n 编辑器 UI 允许你创建和管理工作流。主区域是画布，在这里可以通过添加、配置和连接节点来构建工作流。侧边栏和顶部面板则提供对其他 UI 区域的访问，例如凭据、模板、变量、执行记录等。
entitlement（权限许可，n8n）#
在 n8n 中，权限许可（entitlements）授予 n8n 实例在特定时间段内访问受限功能的权利。
浮动权限许可（Floating entitlements）是一组可在多个 n8n 实例之间分配的许可池。你可以重新分配浮动许可，将其访问权限转移给另一个 n8n 实例。
evaluation（评估，n8n）#
在 n8n 中，评估功能允许你标记和组织执行历史，并将其与新的执行结果进行比较。你可以借此了解随着更改的推进，工作流性能的变化情况。尤其在开发以 AI 为中心的工作流时非常有用。
expression（表达式，n8n）#
在 n8n 中，表达式允许你通过执行 JavaScript 代码动态填充节点参数。相比提供静态值，你可以使用 n8n 的表达式语法，基于前序节点、其他工作流或 n8n 环境中的数据来定义参数值。
LangChain#
LangChain 是一个用于操作大语言模型（LLMs）的 AI 开发框架。它提供了一套标准化系统，可用于整合多种模型和其他资源，并将不同组件连接起来构建复杂应用。
Large language model (LLM)（大语言模型）#
大语言模型（Large Language Models，简称 LLMs）是专为自然语言处理（NLP）任务优化的人工智能机器学习模型。它们通过对海量数据进行训练，建立语言及其他数据的概率模型。
node（节点，n8n）#
在 n8n 中，节点是构成工作流的基本单元。节点定义了工作流的触发时机，可用于获取、发送和处理数据，实现流程控制逻辑，并与外部服务连接。
project（项目，n8n）#
n8n 项目允许你将工作流、变量和凭据分组管理，便于组织和维护。项目有助于团队协作，通过共享和隔离相关资源提升效率。
root node（根节点，n8n）#
每个 n8n 集群节点都包含一个根节点，用于定义该集群的核心功能。一个或多个子节点连接到根节点，以扩展其功能。
sub node（子节点，n8n）#
n8n 集群节点由一个或多个连接至根节点的子节点组成。子节点扩展根节点的功能，提供对特定服务或资源的访问，或提供专用处理能力（例如计算器功能）。
template（模板，n8n）#
n8n 模板是由 n8n 团队或社区成员预先构建的工作流，可直接导入你的 n8n 实例中使用。使用模板时，可能需要填写凭据信息并调整配置以满足实际需求。
trigger node（触发节点，n8n）#
触发节点是一种特殊节点，负责在满足特定条件时启动工作流的执行。所有生产级工作流都至少需要一个触发器，以确定何时运行工作流。
workflow（工作流，n8n）#
n8n 工作流是由多个节点组成的自动化流程。当触发条件满足时，工作流开始执行，并按顺序运行各节点以完成复杂任务。