Catalogue des nœuds Intelligence artificielleSur cette page
Retrouver les documents pertinents dans une base vectorielle.
Utilisation et spécificités
documentsSource fournit la sortie complète du stockage simple. queryVectorSource fournit l’embedding de la question, par exemple nodes.question.vectors[0]. Conservez le même modèle et la même dimension que pour les documents. topK limite les résultats matches ; une différence de dimension provoque une erreur.
Type technique : ai_vector_store_retriever. Runtime : nodulz.
Identifiants et prérequis
Aucun identifiant externe dédié n’est défini par ce nœud. Les sources distantes ou la cible d’exécution peuvent néanmoins nécessiter leurs propres accès.
Consultez le guide des identifiants si une source distante ou une cible d’exécution nécessite un accès.
Paramètres
Les noms ci-dessous correspondent aux clés techniques. Les valeurs par défaut ne constituent pas une configuration prête à exécuter : renseignez les champs requis par votre opération. Les chemins contenant [] décrivent les éléments d’une liste ; certains champs dépendent du mode sélectionné.
Paramètre
Type
Par défaut
Valeurs / limites
query
string
""
-
topK
number
4
-; ≥ 1, ≤ 1000
searchMode
enum
"vector"
vector, hybrid
candidateK
number
20
-; ≥ 1, ≤ 1000
rerank
boolean
false
-
chunksSource
string
""
-
vectorsSource
string
""
-
documentsSource
string
""
-
credentialId
string
-
-
model
string
""
-
workflowId
string
""
-
Configuration initiale
Exemple de configuration initiale du catalogue, à adapter avant exécution. Les secrets doivent rester dans les identifiants.
Testez le nœud avec des données représentatives. Contrôlez sa sortie dans l’inspecteur et les logs, puis utilisez le mapping de l’éditeur pour les champs des nœuds suivants. Un test de déclencheur avec payload simulé ne valide pas la livraison du service externe.
Retrouver les documents pertinents dans une base vectorielle.
Utilisation et spécificités
documentsSource fournit la sortie complète du stockage simple. queryVectorSource fournit l’embedding de la question, par exemple nodes.question.vectors[0]. Conservez le même modèle et la même dimension que pour les documents. topK limite les résultats matches ; une différence de dimension provoque une erreur.
Type technique :
ai_vector_store_retriever. Runtime :nodulz.Identifiants et prérequis
Aucun identifiant externe dédié n’est défini par ce nœud. Les sources distantes ou la cible d’exécution peuvent néanmoins nécessiter leurs propres accès.
Consultez le guide des identifiants si une source distante ou une cible d’exécution nécessite un accès.
Paramètres
Les noms ci-dessous correspondent aux clés techniques. Les valeurs par défaut ne constituent pas une configuration prête à exécuter : renseignez les champs requis par votre opération. Les chemins contenant [] décrivent les éléments d’une liste ; certains champs dépendent du mode sélectionné.
querystring""topKnumber4searchModeenum"vector"vector,hybridcandidateKnumber20rerankbooleanfalsechunksSourcestring""vectorsSourcestring""documentsSourcestring""credentialIdstringmodelstring""workflowIdstring""Configuration initiale
Exemple de configuration initiale du catalogue, à adapter avant exécution. Les secrets doivent rester dans les identifiants.
{ "query": "", "topK": 4, "searchMode": "vector", "candidateK": 20, "rerank": false, "chunksSource": "", "vectorsSource": "", "documentsSource": "", "model": "", "workflowId": "" }Vérification
Testez le nœud avec des données représentatives. Contrôlez sa sortie dans l’inspecteur et les logs, puis utilisez le mapping de l’éditeur pour les champs des nœuds suivants. Un test de déclencheur avec payload simulé ne valide pas la livraison du service externe.
Voir aussi : Expressions et données, Exécutions, Catalogue des nœuds.