Hugging Face Inference Model 노드 문서

n8n에서 Hugging Face Inference Model 노드를 사용하는 방법을 알아보세요. 기술 문서를 참고하여 워크플로에 Hugging Face Inference Model 노드를 통합하세요.

Hugging Face Inference Model 노드를 사용하여 Hugging Face의 모델을 활용하세요. 이 페이지에서는 Hugging Face Inference Model 노드의 파라미터와 추가 리소스 링크를 확인할 수 있습니다. 이 노드는 도구 지원이 없으므로 AI Agent 노드와 함께 작동하지 않습니다. 대신 Basic LLM Chain 노드와 연결하여 사용하세요. 자격 증명 이 노드의 인증 정보는 여기 에서 확인할 수 있습니다. 서브 노드에서의 파라미터 해석 서브 노드는 표현식을 사용하여 여러 항목을 처리할 때 다른 노드와 다르게 동작합니다. 루트 노드를 포함한 대부분의 노드는 임의 수의 항목을 입력으로 받아 처리한 후 결과를 출력합니다. 표현식을 사용하여 입력 항목을 참조할 수 있으며, 노드는 각 항목에 대해 순서대로 표현식을 해석합니다. 예를 들어, 5개의 name 값이 입력된 경우 {{ $json.name }} 표현식은 각 이름을 순서대로 해석합니다. 서브 노드에서는 표현식이 항상 첫 번째 항목으로 해석됩니다. 예를 들어, 5개의 name 값이 입력된 경우 {{ $json.name }} 표현식은 항상 첫 번째 이름으로 해석됩니다. 노드 파라미터 # 모델(Model) : 완성 생성에 사용할 모델을 선택합니다. 노드 옵션 # 커스텀 추론 엔드포인트(Custom Inference Endpoint) : 커스텀 추론 엔드포인트 URL을 입력합니다. 빈도 패널티(Frequency Penalty) : 이 옵션을 사용하여 모델이 반복될 가능성을 제어합니다. 값이 높을수록 모델이 반복될 가능성이 줄어듭니다. 최대 토큰 수(Maximum Number of Tokens) : 사용할 최대 토큰 수를 입력하며, 완성 길이를 설정합니다. 존재 패널티(Presence Penalty) : 이 옵션을 사용하여 모델이 새로운 주제를 이야기할 가능성을 제어합니다. 값이 높을수록 모델이 새로운 주제를 이야기할 가능성이 높아집니다. 샘플링 온도(Sampling Temperature) : 이 옵션을 사용하여 샘플링 프로세스의 무작위성을 제어합니다. 온도가 높을수록 더 다양한 샘플링이 생성되지만 환각 위험이 높아집니다. Top K : 모델이 다음 토큰을 생성하는 데 사용하는 토큰 선택 수를 입력합니다. Top P : 완성이 사용해야 할 확률을 설정합니다. 낮은 값을 사용하면 확률이 낮은 옵션을 무시합니다. 템플릿 및 예시 # 이 노드의 워크플로 템플릿은 n8n 워크플로 템플릿 갤러리 에서 확인할 수 있습니다. 관련 리소스 # 이 서비스에 대한 자세한 내용은 LangChain의 Hugging Face Inference Model 문서 를 참조하세요. n8n의 Advanced AI 문서를 확인하세요.