Milvus 和 n8n 入门
n8n 和 Milvus 向量存储节点介绍
n8n是一个功能强大的开源工作流自动化平台，允许用户将各种应用程序、服务和 API 连接在一起，无需编码即可创建自动化工作流。n8n 采用基于节点的可视化界面，用户只需连接代表不同服务或操作的节点，即可构建复杂的自动化流程。它可自行托管，具有高度可扩展性，并支持公平代码和企业许可。
n8n 中的Milvus 向量存储节点将Milvus集成到您的自动化工作流程中。这样，您就可以在 n8n 生态系统中执行语义搜索，为检索增强生成（RAG）系统提供动力，并构建智能 AI 应用程序。
本文档主要基于n8n Milvus Vector Store 官方文档。如果您发现任何过时或不一致的内容，请优先使用官方文档，并随时向我们提出问题。
主要功能
通过 n8n 中的 Milvus 向量存储节点，你可以
节点使用模式
你可以在 n8n 中以以下模式使用 Milvus 向量存储节点。
作为常规节点插入和检索文档
你可以把 Milvus 向量存储作为一个常规节点来插入或获取文档。这种模式把 Milvus 向量存储放在常规连接流中，而不使用 Agents。
请参阅本示例模板，了解如何构建一个在 Milvus 中存储文档并检索文档的系统，以支持引用、基于聊天的回答。
作为工具直接连接人工智能 Agents
你可以将 Milvus 向量存储节点直接连接到人工智能 Agents的工具连接器，以便在回答查询时使用向量存储作为资源。
连接方式如下AI 代理（工具连接器）-> Milvus 向量存储节点。请看这个示例模板，数据被 Embeddings 并索引到 Milvus 中，AI Agent 将向量存储作为知识工具用于回答问题。
使用检索器获取文档
你可以将向量存储检索器节点与 Milvus 向量存储节点一起使用，从 Milvus 向量存储节点中获取文档。这通常与问答链节点一起使用，以便从向量存储中获取与给定聊天输入相匹配的文档。
典型的节点连接流程如下：问答链（Retriever 连接器）-> 向量存储 Retriever（向量存储连接器）-> Milvus 向量存储。
查看这个工作流程示例，了解如何将外部数据摄入 Milvus 并构建基于聊天的语义问答系统。
使用 Vector Store 问题解答工具回答问题
另一种模式是使用Vector Store Question Answer Tool（向量存储问题解答工具）来汇总 Milvus Vector Store 节点的结果并回答问题。这种模式不是直接连接 Milvus 向量存储作为一个工具，而是使用一个专门用于汇总向量存储中数据的工具。
连接流程如下人工智能代理（工具连接器）-> 向量存储问题解答工具（向量存储连接器）-> Milvus 向量存储。
节点操作符
Milvus 向量存储节点支持多种操作模式，每种模式都是为不同的工作流程用例量身定制的。了解这些模式有助于设计更有效的工作流程。
下面我们将提供可用操作模式和选项的高级概览。有关每种模式的输入参数和配置选项的完整列表，请参阅官方文档。
操作模式概述
Milvus 向量存储节点支持四种不同的模式：
- 获取多个：根据与提示语义的相似性检索多个文档。
- 插入文档：向您的 Milvus Collections 中插入新文档。
- 检索文档（作为链/工具的向量存储）：在基于链的系统中将节点用作检索器。
- 检索文件（作为人工智能 Agents 的工具）：在回答问题时，将节点用作人工智能代理的工具资源。
其他节点选项
- 元数据过滤器（仅限 "获取许多 "模式）：根据自定义元数据关键字过滤结果。多个字段应用 AND 条件。
- 清除 Collections（仅限插入文档模式）：在插入新文档之前从 Collections 中删除现有文档。