Adicionar à Memória
Armazene facilmente informações importantes no seu fluxo de trabalho com o componente Adicionar à Memória. Salve dados ou documentos de forma contínua na memóri...
2 min de leitura
Memory
Automation
+3
Buscar Memória
O componente Buscar Memória permite que seu fluxo recupere informações da memória armazenada com base em consultas do usuário, apoiando fluxos de trabalho contextuais e orientados por conhecimento.
AI
Memory
Components
Automation
Descrição do componente
Como o componente Buscar Memória funciona
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.
Perguntas frequentes
- O que faz o componente Buscar Memória?
Buscar Memória permite que seu fluxo de trabalho busque informações relevantes da memória ou documentos armazenados usando consultas de entrada, tornando suas soluções de IA mais contextuais.
- Como ele seleciona quais documentos retornar?
Ele recupera os documentos que melhor correspondem à consulta de entrada, com opções para limitar o número de resultados e controlar o formato de saída ou a estratégia.
- Posso controlar o número de resultados ou o tipo de conteúdo?
Sim, você pode definir um limite de resultados, escolher quais tipos de conteúdo de documentos incluir e ajustar estratégias para combinar trechos de documentos.
- Como o Buscar Memória ajuda meu chatbot ou fluxo de trabalho?
Ao permitir acesso a conhecimentos anteriores ou à memória de longo prazo, seu bot pode fornecer respostas mais informadas, precisas e contextuais.
- O Buscar Memória é adequado para aplicações avançadas de IA?
Com certeza. Ele foi projetado para se integrar a fluxos complexos onde a recuperação de contexto ou conhecimento de dados anteriores é crucial para automação inteligente.
Experimente o Buscar Memória do FlowHunt
Turbine suas soluções de IA integrando busca e recuperação de memória. Conecte-se ao conhecimento de longo prazo e ofereça respostas mais inteligentes.
Saiba mais
Pesquisa em Documento JSON
O componente Pesquisa em Documento JSON permite buscas avançadas dentro de arquivos JSON, utilizando busca por texto ou expressões de consulta avançadas. Conect...
3 min de leitura
Data
Automation
+4
Pesquisar E-mails do Gmail
O componente Pesquisar E-mails permite encontrar e recuperar automaticamente e-mails do Gmail com base em critérios específicos. Ele suporta pesquisas filtradas...
3 min de leitura
Email
Gmail
+4