Generate Embedding

基本用法​

執行 Generate Embedding 時，會使用指定的 Embedding Model 將輸入文字轉換為數值向量，這些向量可用於語意搜尋、相似度計算、文件分類等需要向量化處理的場景。生成的向量會以浮點數陣列形式儲存到指定變數中供後續 processor 使用。

配置參數​

節點的屬性面板：

×

Name​

顯示在畫布上的名稱，用於在工作流程中識別此 processor。

Description​

用於補充此 processor 的用途，提升工作流程的可讀性。

Properties​

Embedding Model（必填）​

選擇要使用的 Embedding Model 資源名稱。需要先建立 Embedding Model 資源，支援各種預訓練的 Embedding 模型，如 OpenAI text-embedding 系列等。

Input（必填）​

要轉換為向量的輸入內容。支援 Literal、Expression、Template 等設定類型，詳細說明請參考：Expression 介紹 - 取值方式。

Result Field（必填）​

向量化結果要儲存的變數名稱，查詢結果（浮點數陣列）會儲存到此變數名稱對應的 context payload 欄位中。

在 Workflow CRD 中的設定​

- name: proc-embed
  type: generate-embedding
  labels:
    display_name: 向量化使用者提問
  configs:
    - name: embeddingModel
      value: em-builtin
    - name: input
      expression: prevMessage
    - name: resultField
      value: result

resultField 的預設值是 result，其餘兩個沒有預設值，必須自行填入。

連接關係​

Success​

當成功生成文字向量時，工作流程會從此連接點繼續執行。向量化結果會以浮點數陣列形式儲存到 Result Field 指定的變數名稱中，該變數可供後續 processor 使用。

Failure​

當向量化過程發生錯誤時，工作流程會從此連接點繼續執行，並產生 prevError 變數儲存錯誤資訊。

一個實際的例子​

把使用者輸入轉成向量，接著拿去查知識庫。

執行後 query_vector 是一個數字陣列（Array[Number]）。變數名稱由 ResultField 決定，預設是 result。

注意事項​

• 不同的 Embedding Model 產生的向量維度不同，換模型之後舊向量不能拿來跟新向量比對。
• 向量只有跟同一個模型產生的向量比較才有意義。
• 模型有輸入長度上限，長文要自己先切段。