Ajouter à la Mémoire
Stockez facilement des informations importantes dans votre workflow avec le composant Ajouter à la Mémoire. Enregistrez sans effort des données ou documents dan...
2 min de lecture
Memory
Automation
+3
Recherche de Mémoire
Le composant Recherche de Mémoire permet à votre flux de récupérer des informations à partir de la mémoire stockée selon les requêtes des utilisateurs, soutenant des flux de travail contextuels et orientés connaissances.
Description du composant
Comment fonctionne le composant Recherche de Mémoire
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.
Questions fréquemment posées
- Que fait le composant Recherche de Mémoire ?
Recherche de Mémoire permet à votre flux de travail de récupérer des informations pertinentes à partir de la mémoire stockée ou de documents grâce à des requêtes, rendant vos solutions d’IA plus contextuelles.
- Comment sélectionne-t-il les documents à renvoyer ?
Il récupère les documents qui correspondent le mieux à la requête saisie, avec des options pour limiter le nombre de résultats et contrôler le format ou la stratégie de sortie.
- Puis-je contrôler le nombre de résultats ou le type de contenu ?
Oui, vous pouvez définir une limite de résultats, choisir les types de contenu des documents à inclure et ajuster les stratégies de combinaison des extraits de documents.
- Comment Recherche de Mémoire aide-t-il mon chatbot ou mon flux de travail ?
En permettant l’accès à des connaissances antérieures ou à une mémoire à long terme, votre bot peut fournir des réponses plus informées, précises et contextuellement pertinentes.
- Recherche de Mémoire convient-il aux applications IA avancées ?
Absolument. Il est conçu pour s’intégrer à des flux complexes où la récupération de contexte ou de connaissances à partir de données antérieures est cruciale pour l’automatisation intelligente.
Essayez FlowHunt Recherche de Mémoire
Boostez vos solutions d’IA en intégrant la recherche et la récupération de mémoire. Connectez-vous à une base de connaissances à long terme et offrez des réponses plus intelligentes.
En savoir plus
Recherche de documents JSON
Le composant Recherche de documents JSON permet des capacités de recherche avancées dans les fichiers JSON, en utilisant soit une recherche textuelle, soit des ...
3 min de lecture
Data
Automation
+4
Rechercher des e-mails Gmail
Le composant Rechercher des e-mails vous permet de trouver et de récupérer automatiquement des e-mails depuis Gmail selon des critères spécifiques. Il prend en ...
3 min de lecture
Email
Gmail
+4