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

Noduri Vector Store: moduri de operare și lista completă în n8n & Automatizări AI

RAG Vizual & Baze Vectoriale în n8n n8n 2.45 (octombrie 2026)

Ce au în comun cele 14 noduri Vector Store din n8n (moduri, reranking, filtre) și ce nod alegi pentru fiecare bază vectorială.

Configurare nod & expresie 
Vector Store
  Operation Mode: Get Many | Insert Documents | Retrieve Documents (As Vector Store for Chain/Tool)
                | Retrieve Documents (As Tool for AI Agent) | Update Documents (doar unele noduri)
  Sub-noduri: Embedding (obligatoriu), Document (la Insert Documents), Reranker (opțional)

Ce face Noduri Vector Store: moduri de operare și lista completă

n8n are câte un nod rădăcină pentru fiecare bază vectorială. Toate au aceleași moduri: Get Many întoarce documentele cele mai apropiate de un prompt, cu scorul de similaritate; Insert Documents adaugă documente; Retrieve Documents (As Vector Store for Chain/Tool) dă baza unui retriever sau unui nod rădăcină; Retrieve Documents (As Tool for AI Agent) o face unealtă de agent, folosită când numele și descrierea se potrivesc întrebării. Azure AI Search, Pinecone și Supabase au și Update Documents, după ID.

Nodul are mereu nevoie de un sub-nod Embedding, iar la inserare de un document loader (care pune și metadatele). Rerank Results cere un nod de reranking conectat, de exemplu Reranker Cohere. În sub-noduri, expresiile se rezolvă doar pentru primul element de intrare.

În n8n 3.0 dispar nodurile separate de inserare și încărcare (In Memory Vector Store Insert/Load, Pinecone: Insert/Load, Supabase: Insert/Load) și Zep Vector Store. Se folosește nodul unic al fiecărei baze, cu operația aleasă în Operation Mode.

Sintaxă și opțiuni

Opțiune / Parametru Descriere
Azure AI Search Vector Store azure-ai-search-vector-store-n8n: căutare vectorială, keyword, hibridă, semantică; Update Documents.
Chroma Vector Store chroma-vector-store-n8n.
Databricks Vector Store databricks-vector-store-n8n: previzualizare din 2.45.0.
Milvus Vector Store milvus-vector-store-n8n.
MongoDB Atlas Vector Store mongodb-atlas-vector-store-n8n.
Oracle Database Vector Store oracle-vector-store-n8n.
PGVector Vector Store pgvector-vector-store-n8n.
Pinecone Vector Store pinecone-vector-store-n8n: namespace-uri; Update Documents.
Qdrant Vector Store n8n-vector-store.
Redis Vector Store redis-vector-store-n8n.
Simple Vector Store simple-vector-store-n8n: în memorie, doar pentru dezvoltare.
Supabase Vector Store supabase-vector-store-n8n: Update Documents.
Weaviate Vector Store weaviate-vector-store-n8n.
Zep Vector Store zep-vector-store-n8n: depreciat, eliminat în 3.0.

Exemple practice

Exemplul 1: Flux de inserare

Google Drive (Download File) -> Pinecone Vector Store (Insert Documents)
  Embedding: Embeddings OpenAI
  Document: Default Data Loader (Type of Data: Binary)

Exemplul 2: Cele trei moduri de a folosi baza la întrebări

AI Agent (Tool) -> Qdrant Vector Store (Retrieve Documents (As Tool for AI Agent))
Question and Answer Chain (Retriever) -> Vector Store Retriever -> Qdrant Vector Store
AI Agent (Tool) -> Vector Store Question Answer Tool -> Qdrant Vector Store

Greșeli frecvente și bune practici

  • Folosești alt model de embeddings la inserare decât la căutare. Vectorii trebuie să aibă aceeași dimensiune și să provină din același model.
  • Aștepți ca Metadata Filter să combine condițiile cu SAU. În majoritatea nodurilor este o interogare AND.
  • Folosești Simple Vector Store în producție: datele se pierd la repornire și sunt vizibile tuturor utilizatorilor instanței.

Comenzi înrudite