跳转至

Embeddings Cohere节点#

使用Embeddings Cohere节点为给定文本生成嵌入向量

在此页面上,您将找到Embeddings Cohere节点的节点参数和更多资源的链接。

凭证

您可以在此处找到此节点的身份验证信息。

子节点中的参数解析

子节点在使用表达式处理多个项目时,与其他节点的行为不同。

大多数节点(包括根节点)接受任意数量的项目作为输入,处理这些项目,并输出结果。您可以使用表达式引用输入项目,节点会依次为每个项目解析表达式。例如,给定五个 name 值的输入,表达式 {{ $json.name }} 会依次解析为每个名称。

在子节点中,表达式始终解析为第一个项目。例如,给定五个 name 值的输入,表达式 {{ $json.name }} 始终解析为第一个名称。

节点参数#

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

Cohere模型文档中了解更多可用模型信息。

模板和示例#

Automate Sales Cold Calling Pipeline with Apify, GPT-4o, and WhatsApp

by Khairul Muhtadin

View template details
Build a Document QA System with RAG using Milvus, Cohere, and OpenAI for Google Drive

by Aitor | 1Node

View template details
Basic RAG chat

by JustinLee

View template details
Browse Embeddings Cohere integration templates, or search all templates

相关资源#

有关该服务的更多信息,请参阅LangChain的Cohere嵌入向量文档

查看 n8n 的高级 AI 文档。

此页面是否
💬 微信

🚀 与作者交流

关注公众号
n8n实战笔记公众号
n8n实战笔记
📚 教程 💡 案例 🔧 技巧
添加微信
添加作者微信
1对1 专业指导
⚡ 快答 🎯 定制 🚀 支持