示例工作流
将本地文档通过OpenAI的text-embedding-3-small模型转换成词向量,并保存至“G:\向量数据库”。运行该工作流后,会在“G:\向量数据库”生成一个“index.pkl”。
| 输入参数 | |
| file_content | 待向量化的文本内容。 |
| 控件参数 | |
| model_name | OpenAI向量化模型名称,例如text-embedding-3-small或text-embedding-3-large。 |
| is_enable | 是否启用该节点,关闭时跳过保存操作。 |
| chunk_size | 文本分块大小(默认200),控制每个切片的最大长度。 |
| chunk_overlap | 文本分块的重叠部分(默认 50),保证上下文语义连续性。 |
| save_path | 向量数据库的保存路径,例如G:\向量数据库。 |
| base_url | OpenAI API的访问地址,通常默认使用官方API,如有代理或私有化部署需修改。 |
| api_key | OpenAI API调用所需的密钥。 |
| is_ollama | 是否启用本地Ollama模型进行向量化,作为OpenAI API的替代方案。 |
将本地文档通过OpenAI的text-embedding-3-small模型转换成词向量,并保存至“G:\向量数据库”。运行该工作流后,会在“G:\向量数据库”生成一个“index.pkl”。

可加入知识星球获取所有示例工作流

微信扫码入群,加入AIGC大家庭,与大家一起交流学习