LangChain Code node#

ใช้ LangChain Code node เพื่อ import LangChain ซึ่งหมายความว่าหากมีฟังก์ชันที่คุณต้องการแต่ n8n ยังไม่ได้สร้าง node ให้ คุณก็ยังสามารถใช้งานได้ โดยการกำหนดค่า LangChain Code node connectors คุณสามารถใช้มันเป็น node ปกติ, root node หรือ sub-node ได้

ในหน้านี้ คุณจะพบ node parameters, คำแนะนำในการกำหนดค่า node และลิงก์ไปยังแหล่งข้อมูลเพิ่มเติม

Not available on Cloud

Node นี้มีให้ใช้งานเฉพาะบน n8n แบบ self-hosted เท่านั้น

Node parameters#

Add Code#

เพิ่ม custom code ของคุณ เลือกโหมด Execute หรือ Supply Data คุณสามารถใช้ได้เพียงโหมดเดียว

ต่างจาก Code node LangChain Code node ไม่รองรับ Python

Execute: ใช้ LangChain Code node เหมือนกับ Code node ของ n8n เอง ซึ่งจะรับ input data จาก workflow, ประมวลผล และส่งคืนเป็น node output โหมดนี้ต้องการ main input และ output คุณต้องสร้างการเชื่อมต่อเหล่านี้ใน Inputs และ Outputs
Supply Data: ใช้ LangChain Code node เป็น sub-node โดยส่งข้อมูลไปยัง root node ซึ่งจะใช้ output อื่นที่ไม่ใช่ main

โดยค่าเริ่มต้น คุณไม่สามารถโหลด built-in หรือ external modules ใน node นี้ได้ ผู้ใช้ self-hosted สามารถ เปิดใช้งาน built-in และ external modules ได้

Inputs#

เลือกประเภท input

Main input คือ connector ปกติที่พบใน n8n workflows ทั้งหมด หากคุณมี main input และ output ที่ตั้งค่าไว้ใน node จำเป็นต้องใช้ code แบบ Execute

Outputs#

เลือกประเภท output

Main output คือ connector ปกติที่พบใน n8n workflows ทั้งหมด หากคุณมี main input และ output ที่ตั้งค่าไว้ใน node จำเป็นต้องใช้ code แบบ Execute

Node inputs and outputs configuration#

โดยการกำหนดค่า LangChain Code node connectors (inputs และ outputs) คุณสามารถใช้มันเป็น app node, root node หรือ sub-node ได้

Node type	Inputs	Outputs	Code mode
App node คล้ายกับ Code node	Main	Main	Execute
Root node	Main; อย่างน้อยหนึ่งประเภทอื่น	Main	Execute
Sub-node	-	ประเภทอื่นที่ไม่ใช่ main ต้องตรงกับประเภท input ที่คุณต้องการเชื่อมต่อ	Supply Data
Sub-node พร้อม sub-nodes	ประเภทอื่นที่ไม่ใช่ main	ประเภทอื่นที่ไม่ใช่ main ต้องตรงกับประเภท input ที่คุณต้องการเชื่อมต่อ	Supply Data

Built-in methods#

n8n มี methods เหล่านี้เพื่อให้ง่ายต่อการทำงานทั่วไปใน LangChain Code node

Method	Description
`this.addInputData(inputName, data)`	Populate the data of a specified non-main input. Useful for mocking data. `inputName` is the input connection type, and must be one of: `ai_agent`, `ai_chain`, `ai_document`, `ai_embedding`, `ai_languageModel`, `ai_memory`, `ai_outputParser`, `ai_retriever`, `ai_textSplitter`, `ai_tool`, `ai_vectorRetriever`, `ai_vectorStore` `data` contains the data you want to add. Refer to Data structure for information on the data structure expected by n8n.
`this.addOutputData(outputName, data)`	Populate the data of a specified non-main output. Useful for mocking data. `outputName` is the input connection type, and must be one of: `ai_agent`, `ai_chain`, `ai_document`, `ai_embedding`, `ai_languageModel`, `ai_memory`, `ai_outputParser`, `ai_retriever`, `ai_textSplitter`, `ai_tool`, `ai_vectorRetriever`, `ai_vectorStore` `data` contains the data you want to add. Refer to Data structure for information on the data structure expected by n8n.
`this.getInputConnectionData(inputName, itemIndex, inputIndex?)`	Get data from a specified non-main input. `inputName` is the input connection type, and must be one of: `ai_agent`, `ai_chain`, `ai_document`, `ai_embedding`, `ai_languageModel`, `ai_memory`, `ai_outputParser`, `ai_retriever`, `ai_textSplitter`, `ai_tool`, `ai_vectorRetriever`, `ai_vectorStore` `itemIndex` should always be `0` (this parameter will be used in upcoming functionality) Use `inputIndex` if there is more than one node connected to the specified input.
`this.getInputData(inputIndex?, inputName?)`	Get data from the main input.
`this.getNode()`	Get the current node.
`this.getNodeOutputs()`	Get the outputs of the current node.
`this.getExecutionCancelSignal()`	Use this to stop the execution of a function when the workflow stops. In most cases n8n handles this, but you may need to use it if building your own chains or agents. It replaces the Cancelling a running LLMChain code that you'd use if building a LangChain application normally.

Templates and examples#

ดูเอกสาร Advanced AI ของ n8n

AI glossary#

completion: Completions are the responses generated by a model like GPT.
hallucinations: Hallucination in AI is when an LLM (large language model) mistakenly perceives patterns or objects that don't exist.
vector database: A vector database stores mathematical representations of information. Use with embeddings and retrievers to create a database that your AI can access when answering questions.
vector store: A vector store, or vector database, stores mathematical representations of information. Use with embeddings and retrievers to create a database that your AI can access when answering questions.