n8n 术语表
AI 智能体（AI agent）
AI 智能体是一种人工智能系统，能够响应请求、做出决策并代替用户执行现实世界中的任务。它们使用大型语言模型（LLM）来理解用户输入，并决定如何利用现有信息和资源以最佳方式处理请求。
AI 链（AI chain）
AI 链允许你通过对各组件进行顺序调用，与大型语言模型（LLM）和其他资源进行交互。n8n 中的 AI 链不使用持久记忆，因此无法引用之前的对话上下文（如需引用上下文请使用 AI 智能体）。
AI 补全（AI completion）
补全（Completion）是指由 GPT 等模型生成的回应内容。
AI 嵌入（AI embedding）
嵌入（Embedding）是使用向量对数据进行的数值化表示。AI 通过将值映射到多维空间来解读复杂的数据和关系。向量数据库（Vector store）是专为存储和检索嵌入向量而设计的数据库。
AI 接地性（AI groundedness）
在 AI 领域，尤其是检索增强生成（RAG）场景中，接地性和非接地性是衡量模型回应准确反映原始信息程度的指标。模型使用源文档生成有据可查的接地性回应，而非接地性回应则涉及源文档无法支撑的推测或幻觉内容。
AI 幻觉（AI hallucination）
AI 幻觉是指大型语言模型（LLM）错误地感知到并不存在的模式或对象。
AI 重排序（AI reranking）
重排序（Reranking）是一种优化候选文档排序的技术，旨在提高搜索结果的相关性。检索增强生成（RAG）和其他应用使用重排序技术来优先呈现最相关的信息，以用于生成回答或下游任务。
AI 记忆（AI memory）
AI 记忆是指让 AI 智能体能够在对话过程中记住和引用之前的交互内容，从而保持对话的连贯性。
AI 检索增强生成（AI retrieval-augmented generation, RAG）
检索增强生成（RAG）是一种让 LLM 从外部来源获取新信息的技术，旨在提升 AI 回应的质量。RAG 系统通过检索相关文档，将回应锚定在最新的、特定领域的或专有知识上，对原始训练数据进行补充。RAG 系统通常依赖向量数据库来高效地管理和检索这些外部数据。
AI 工具（AI tool）
在 AI 语境中，工具是 AI 在响应请求时可以调用的附加资源，用于获取特定信息或执行特定功能。AI 模型可以使用工具与外部系统交互，或完成特定的专项任务。
AI 向量数据库（AI vector store）
向量数据库（Vector store）存储的是信息的数学表示形式。与嵌入（Embeddings）和检索器（Retrievers）配合使用，可以构建一个 AI 能够在回答问题时访问的知识库。
API
API 即应用程序编程接口，提供对服务数据和功能的程序化访问。API 使软件更容易与外部系统交互，通常作为通过浏览器或 UI 进行传统人工操作的替代方式提供。
画布（canvas，n8n）
画布是 n8n 编辑器界面中用于构建工作流的主要区域。你在画布上添加节点并将它们连接起来，从而组合成完整的工作流。
集群节点（cluster node，n8n）
在 n8n 中，集群节点是一组协同工作的节点，共同在工作流中提供某个功能。集群节点由一个根节点和一个或多个子节点组成，子节点负责扩展根节点的功能。
凭据（credential，n8n）
在 n8n 中，凭据用于存储连接特定应用和服务所需的身份验证信息。创建凭据并填写相关认证信息（用户名/密码、API Key、OAuth 密钥等）后，就可以通过对应的应用节点与该服务进行交互。
数据固定（data pinning，n8n）
数据固定允许你在工作流开发过程中，临时冻结某个节点的输出数据。这样你可以在不反复请求外部服务的情况下，使用可预测的数据进行开发。生产环境中的工作流会忽略固定的数据，并在每次执行时重新获取新数据。
编辑器（editor，n8n）
n8n 编辑器界面用于创建和管理工作流。主要区域是画布，你可以在此通过添加、配置和连接节点来组建工作流。侧边栏和顶部面板提供了访问凭据、模板、变量、执行记录等其他界面的入口。
权益（entitlement，n8n）
在 n8n 中，权益（Entitlement）授予特定 n8n 实例在一定时限内访问受方案限制的功能。
浮动权益是一种可在多个 n8n 实例之间分配的权益池。你可以通过重新分配浮动权益，将访问权限转移到不同的 n8n 实例。
评估（evaluation，n8n）
在 n8n 中，评估功能允许你对执行历史进行标注和整理，并与新执行记录进行比较。你可以借此了解工作流在迭代修改过程中的表现变化，这在开发以 AI 为核心的工作流时尤为有用。
表达式（expression，n8n）
在 n8n 中，表达式允许你通过执行 JavaScript 代码动态填充节点参数。你可以使用 n8n 表达式语法定义参数值，而不必写死一个静态值。表达式可以引用来自前置节点、其他工作流或 n8n 环境的数据。
LangChain
LangChain 是一个用于处理大型语言模型（LLM）的 AI 开发框架。它提供了一套标准化的系统，支持与多种模型及其他资源交互，并将不同组件组合在一起，用于构建复杂的 AI 应用。
大型语言模型（Large language model, LLM）
大型语言模型（LLM）是专为自然语言处理（NLP）任务而设计的 AI 机器学习模型。它们通过对大量数据进行训练，建立起对语言和其他数据的概率模型。
节点（node，n8n）
在 n8n 中，节点是组成工作流的独立组件。节点用于定义工作流的触发时机、获取/发送/处理数据、定义流程控制逻辑，以及与外部服务进行交互。
项目（project，n8n）
n8n 项目允许你将工作流、变量和凭据划分到独立的分组中，便于统一管理。项目让团队更轻松地通过共享和隔离相关资源来协同工作。
根节点（root node，n8n）
每个 n8n 集群节点包含一个根节点，定义了集群的主要功能。一个或多个子节点附加在根节点上以扩展其功能。
子节点（sub node，n8n）
n8n 集群节点由一个或多个子节点连接到根节点组成。子节点扩展根节点的功能，提供对特定服务或资源的访问，或提供特定类型的专项处理能力（例如计算器功能）。
模板（template，n8n）
n8n 模板是由 n8n 团队和社区成员设计的预构建工作流，可导入到你的 n8n 实例中使用。使用模板时，你可能需要填写凭据并根据自己的需求调整配置。
触发节点（trigger node，n8n）
触发节点是一种特殊节点，负责在特定条件满足时触发工作流执行。所有生产工作流都需要至少一个触发器来决定其运行时机。
工作流（workflow，n8n）
n8n 工作流是一系列节点的集合，用于自动化某个完整的流程。工作流在触发条件满足时开始执行，并按顺序运行以完成复杂任务。