Zur Erinnerung hinzufügen
Speichern Sie wichtige Informationen ganz einfach in Ihrem Workflow mit der Komponente „Zur Erinnerung hinzufügen“. Speichern Sie nahtlos Daten oder Dokumente i...
2 Min. Lesezeit
Memory
Automation
+3
Speichersuche
Die Komponente Speichersuche ermöglicht es Ihrem Flow, Informationen aus gespeichertem Speicher basierend auf Benutzeranfragen abzurufen und unterstützt so kontextbezogene und wissensbasierte Workflows.
Komponentenbeschreibung
So funktioniert die Speichersuche-Komponente
The Search Memory component is designed to retrieve relevant information from your workflow’s memory storage, often referred to as “Long Term Memory”. It takes a user query and searches stored documents or knowledge resources, returning the most related content. This is particularly useful for AI workflows that need to reference previous information, retrieve supporting documents, or provide context-aware responses.
What Does the Component Do?
- Purpose: The component searches through stored information in the workflow’s memory using a user-defined query and returns the most relevant pieces of information.
- Use Case: Useful for chatbots, virtual assistants, or any AI process that requires access to previously stored knowledge or documents to provide informed, contextual answers.
Key Features
- Flexible Retrieval: Allows you to specify the number of results, set a similarity threshold, and choose how information is aggregated from documents.
- Customizable Output: You can control what sections/types of content (such as headings or paragraphs) are included in the results.
- Integration with Tools: The retrieved documents can be formatted as messages, raw documents, or as tools for further use in the workflow.
Settings
| Input Name | Type | Required | Description | Default Value |
|---|---|---|---|---|
| Title | str | No | Title of the block in the output. | Related resources |
| Result limit | int | Yes | Number of results to return. | 3 |
| From pointer | bool | Yes | If true, loads from the best matching point in the document; otherwise, loads all. | true |
| Hide resources | bool | No | If true, hides the retrieved resources from output. | false |
| max_tokens | int | No | Maximum number of tokens in the output text. | 3000 |
| strategy | str | Yes | Strategy for aggregating content: “Concat documents, fill from first up to tokens limit” or “Include equal size from each document”. | Include equal size from each documents |
| threshold | float | No | Similarity threshold for retrieved results (0 to 1). | 0.8 |
| tool_description | str | No | Description for the tool, used by agents to understand its function. | (empty) |
| tool_name | str | No | Name for the tool in the agent. | (empty) |
| use_content | multi-select | No | Which content types to export (e.g., H1-H6, Paragraph). | All (H1-H6, Paragraph) |
| verbose | bool | No | Whether to print verbose output for debugging or insights. | false |
Inputs
| Input Name | Type | Required | Description | Default Value |
|---|---|---|---|---|
| Lookup key | str | No | Key used to locate specific information in Long Term Memory. | (empty) |
| Input query | str | Yes | The search query to use in memory lookup. | (empty) |
Outputs
The component provides multiple output formats to suit different needs:
- Documents (Message): The retrieved information as a message, suitable for direct integration into conversational flows.
- Raw Documents (Document): The unprocessed, raw content of the matched documents for further parsing or analysis.
- Documents As Tool (Tool): The found documents formatted as a tool, enabling chaining or complex agent workflows.
| Output Name | Type | Description |
|---|---|---|
| documents | Message | Retrieved content as message(s) |
| documents_raw | Document | Raw, unprocessed document content |
| documents_as_tool | Tool | Documents formatted for use as a tool in agent workflows |
Why Use Search Memory?
- Contextual AI: Enhance your AI’s responses by providing access to previously stored data, making interactions more informed and coherent.
- Knowledge Management: Efficiently leverage existing documentation or user-provided information without manual searching.
- Advanced Customization: Fine-tune retrieval strategies and output formats to fit your specific workflow requirements.
Example Scenarios
- Conversational Agents: Retrieve past interactions or knowledge snippets to maintain context across conversations.
- Research Assistants: Quickly surface relevant documents or passages from a large knowledge base in response to a query.
- Automated Decision Making: Provide supporting evidence from stored memory to justify recommendations or actions.
Summary Table
| Feature | Benefit |
|---|---|
| Query-based search | Finds the most relevant stored information for any user query |
| Output options | Choose between message, raw document, or tool formats |
| Custom retrieval | Control over number of results, similarity threshold, and content |
| Integrates with AI | Ideal for AI agents needing dynamic access to stored knowledge |
This component is a versatile building block for any AI workflow that requires memory search, document retrieval, or contextual augmentation.
Häufig gestellte Fragen
- Was macht die Komponente Speichersuche?
Speichersuche ermöglicht es Ihrem Workflow, relevante Informationen aus gespeichertem Speicher oder Dokumenten anhand von Eingabeanfragen abzurufen, sodass Ihre KI-Lösungen kontextbewusster werden.
- Wie wird ausgewählt, welche Dokumente zurückgegeben werden?
Es werden die Dokumente abgerufen, die am besten zur Eingabeanfrage passen, mit Optionen zur Begrenzung der Anzahl der Ergebnisse und zur Steuerung des Ausgabeformats oder der Strategie.
- Kann ich die Anzahl der Ergebnisse oder den Inhaltstyp steuern?
Ja, Sie können ein Ergebnislimit festlegen, auswählen, welche Dokumenteninhaltsarten einbezogen werden, und Strategien zum Kombinieren von Dokumentenauszügen anpassen.
- Wie hilft Speichersuche meinem Chatbot oder Workflow?
Durch den Zugriff auf vorheriges Wissen oder Langzeitspeicher kann Ihr Bot fundiertere, genauere und kontextbezogenere Antworten liefern.
- Ist Speichersuche für fortgeschrittene KI-Anwendungen geeignet?
Absolut. Sie ist so konzipiert, dass sie in komplexe Flows integriert werden kann, bei denen der Abruf von Kontext oder Wissen aus früheren Daten entscheidend für intelligente Automatisierung ist.
Testen Sie FlowHunt Speichersuche
Steigern Sie Ihre KI-Lösungen durch Integration von Speichersuche und -abruf. Verbinden Sie sich mit langfristigem Wissen und liefern Sie intelligentere Antworten.
Mehr erfahren
JSON-Dokumentensuche
Die Komponente JSON-Dokumentensuche ermöglicht leistungsstarke Suchfunktionen innerhalb von JSON-Dateien, entweder per Textsuche oder mit erweiterten Abfrageaus...
3 Min. Lesezeit
Data
Automation
+4
Gmail-E-Mails durchsuchen
Die Komponente 'E-Mails durchsuchen' ermöglicht es Ihnen, automatisch E-Mails aus Gmail anhand bestimmter Kriterien zu finden und abzurufen. Sie unterstützt gef...
3 Min. Lesezeit
Email
Gmail
+4