dexblog.ro
Acces rapid: Învață AI Învață Programare Specificații Dispozitive Comparații
N8N Toate nodurile n8n AI

Embeddings OpenAI, Cohere & Ollama Node în n8n & Automatizări AI

RAG Vizual & Baze Vectoriale în n8n Nivel: începător

Sub-nodul care convertește fragmentele de text și întrebările utilizatorilor în vectori numerici multidimensionali pentru căutarea semantică în n8n.

Configurare nod & expresie 
Modele recomandate în nodul Embeddings:
  • OpenAI: text-embedding-3-small (1536 dim) / text-embedding-3-large (3072 dim)
  • Ollama (100% Local): nomic-embed-text (768 dim) / bge-m3 (1024 dim, multilingv)

Descriere & Utilizare

Orice nod Vector Store din n8n are în partea de jos un conector obligatoriu numit Embedding. Acesta face traducerea între limbajul uman și coordonatele matematice din spațiul vectorial, astfel încât o căutare după „cum îmi recuperez banii” să găsească paragraful despre „politica de rambursare și retur”, chiar dacă nu au niciun cuvânt identic.

Dacă folosești servicii cloud, nodul Embeddings OpenAI cu modelul text-embedding-3-small oferă un raport excelență/preț imbatabil și suport foarte bun pentru limba română.

Dacă rulezi n8n pe propriul server și vrei confidențialitate totală și cost zero pe API, conectează nodul Embeddings Ollama și folosește modelul multilingv bge-m3 sau nomic-embed-text descărcat local.

Cum să o reții ușor

💡 Ca un sistem GPS pentru idei: transformă fiecare paragraf într-o pereche de coordonate (latitudine/longitudine semantică), astfel încât ideile cu același înțeles să fie plasate vecine pe hartă.

Opțiuni și parametri tehnici

  • Model: numele modelului de embedding (ex: text-embedding-3-small, bge-m3, embed-multilingual-v3.0).
  • Dimensions (OpenAI v3): opțional, poți reduce numărul de dimensiuni (ex: de la 1536 la 512) pentru baze vectoriale cu limită de spațiu.
  • Batch Size: câte fragmente sunt trimise într-o singură cerere HTTP în timpul indexării unui document mare.

Exemple practice și cazuri de utilizare

  • Descărcarea modelului multilingv în Ollama pentru limba română: ollama pull bge-m3, apoi selectează bge-m3 în nodul Embeddings Ollama.
  • Configurare colecție Qdrant pentru text-embedding-3-small: setează dimensiunea vectorului la 1536 și metrica Cosine.
  • Configurare colecție Qdrant pentru bge-m3: setează dimensiunea vectorului la 1024.

Sfaturi de configurare & capcane

Pentru documente în limba română rulate local cu Ollama, alege bge-m3 în locul lui nomic-embed-text: bge-m3 este antrenat nativ pe peste 100 de limbi și oferă o acuratețe net superioară pe diacritice și sinonime românești.

Comenzi și ghiduri înrudite