n8n-nodes-rckflr-textembeddings

Nó para n8n que gera embeddings de texto localmente usando Transformer.js

Este pacote contém um nó personalizado para n8n que permite converter texto em embeddings (vetores) usando Transformer.js localmente, sem depender de serviços externos ou conexão com a internet.

O nó foi projetado para receber texto diretamente como entrada e gerar embeddings de forma eficiente usando modelos leves.

Instalação

Instalação via npm (recomendado)

Instale o pacote na sua instalação do n8n:

# Instalação global
npm install n8n-nodes-rckflr-textembeddings -g

# Instalação local (na sua instalação do n8n)
cd ~/.n8n
npm install n8n-nodes-rckflr-textembeddings

Instalação a partir do código fonte

# Clonar o repositório
git clone https://github.com/MauricioPerera/n8n-nodes-rckflr-TextEmbeddings.git

# Instalar dependências
cd n8n-nodes-rckflr-TextEmbeddings
npm install

# Compilar o código
npm run build

# Criar link simbólico
npm link

# Na sua instalação do n8n
cd ~/.n8n
npm link n8n-nodes-rckflr-textembeddings

Características

• Entrada direta de texto: Insira o texto diretamente no nó sem necessidade de nós adicionais
• Processamento local: Gere embeddings sem enviar dados para serviços externos
• Desempenho otimizado: Utiliza modelos leves e eficientes
• Sem dependência de internet: Funciona completamente offline após o download do modelo
• Modelos pré-treinados: Inclui acesso a modelos de alta qualidade como all-MiniLM-L6-v2
• Normalização de vetores: Opção para normalizar os embeddings para cálculos de similaridade
• Metadados: Opção para incluir metadados sobre os embeddings gerados

Uso

Uma vez instalado, o nó "Text Embeddings" estará disponível na categoria "Transform" do n8n.

Parâmetros

| Parâmetro | Descrição | |-----------|-------------| | Text Input | O texto a ser convertido em embeddings (entrada direta) | | Model | O modelo de embeddings a ser utilizado (all-MiniLM-L6-v2 recomendado) | | Output Field | O nome do campo onde os embeddings serão armazenados | | Normalize Embeddings | Se os embeddings devem ser normalizados (recomendado para cálculos de similaridade) | | Include Metadata | Se devem ser incluídos metadados sobre os embeddings |

Exemplo de uso

1. Adicione um nó "Text Embeddings" ao seu fluxo de trabalho
2. Insira o texto que deseja converter em embeddings no campo "Text Input"
3. Selecione o modelo (recomendado: all-MiniLM-L6-v2)
4. Configure o campo de saída (padrão: "embeddings")
5. Ative a normalização se for realizar cálculos de similaridade
6. Execute o fluxo de trabalho

Exemplo de saída

{
  "embeddings": [0.015511, -0.004481, 0.070717, ...],
  "embeddings_metadata": {
    "model": "Xenova/all-MiniLM-L6-v2",
    "dimensions": 384,
    "normalized": true,
    "text_length": 24,
    "generated_at": "2025-06-05T12:27:21.468Z"
  }
}

Casos de uso

• Busca semântica: Encontre documentos similares com base no significado, não apenas em palavras-chave
• Agrupamento de textos: Agrupe textos similares para análise e categorização
• Sistemas de recomendação: Recomende conteúdo similar com base em embeddings
• Detecção de duplicados: Identifique conteúdo similar ou duplicado
• Análise de sentimento avançada: Melhore a análise de sentimento com representações vetoriais

Modelos disponíveis

all-MiniLM-L6-v2 (Recomendado)

• Dimensões: 384
• Tamanho: 22.7M parâmetros
• Desempenho: Rápido, eficiente em memória
• Qualidade: Boa para a maioria dos casos de uso

all-mpnet-base-v2

• Dimensões: 768
• Tamanho: Maior que all-MiniLM-L6-v2
• Desempenho: Mais lento, maior consumo de memória
• Qualidade: Superior para tarefas que requerem maior precisão

Desenvolvimento

Se deseja contribuir para o desenvolvimento deste nó, siga estes passos:

1. Clone o repositório
2. Instale as dependências com npm install
3. Faça suas alterações
4. Compile com npm run build
5. Teste o nó em uma instalação local do n8n

Licença

MIT