3 ธันวาคม 2568 n8n เปิดตัว Node ใหม่ ชื่อว่า Redis Vector Store node เป็นตัวกลาง ที่เอา Redis ที่คุณมีอยู่แล้ว มาใช้เก็บและค้นหาข้อมูลสำหรับ AI ได้ง่าย ๆ เหมือนทำเป็นคลังความรู้ให้ LLM เวลา AI จะตอบ ก็หยิบข้อมูลจากตรงนี้ไปใช้ต่อได้เลย โดยคุณไม่ต้องไปตั้งระบบใหม่เพิ่ม

การใช้งาน Redis Vector Store node คุณต้องมี Redis database ที่เปิดใช้งาน Redis Query Engine อยู่ก่อนแล้ว โดยใช้แบบใดแบบหนึ่งต่อไปนี้:

  1. Redis Open Source (v8.0 ขึ้นไป) มี Redis Query Engine มาให้ในตัวอยู่แล้ว
  2. Redis Cloud – เป็น fully managed service
  3. Redis Software – เป็นแบบ self-managed deployment

Redis Vector Store node เอง จะมี 4 โหมดหลัก:

  1. Get Many
    • ใช้คำถาม/ข้อความ (Prompt) แล้วให้ Redis ช่วยหาเอกสารที่ใกล้เคียงที่สุดหลาย ๆ อัน ที่คล้ายกับข้อความนี้ กลับมา
    • Parameters ของ Get Many ประกอบด้วย
      • Redis Index – ใช้ index ไหน
      • Prompt – ข้อความ/คำถามที่อยากให้ช่วยหาเอกสารที่ใกล้เคียง
      • Limit – จะเอากี่ชิ้น เช่น 5 / 10 / 20
      • Metadata Filter (option) – กรองเพิ่ม เช่น เอาเฉพาะหมวด A หรือ tag B
  2. Insert Documents
    • เอาเอกสาร/ข้อความใหม่ ๆ เข้าไปเก็บใน Redis ให้กลายเป็นคลังความรู้ของเรา
    • Parameters ของ Insert Documents ประกอบด้วย
      • Redis Index – เก็บลง index ไหน (ถ้าไม่มี เดี๋ยวระบบช่วยสร้างให้)
      • Insert Options ประกอบด้วย
      • 1. Overwrite Documents – จะยอมเขียนทับของเดิมไหม
      • 2. Time-to-Live – ตั้งอายุเอกสารเป็นวินาที (หมดอายุได้ แต่ index ยังอยู่)
  3. Retrieve Documents (As Vector Store for Chain/Tool)
    • เอาไว้ใช้คู่กับ retriever/chain ให้ Node อื่น เพื่อเรียก Redis มาขุดเอกสารไปใช้
    • Parameters ของ Retrieve Documents (As Vector Store for Chain/ Tool) ประกอบด้วย
      • Redis Index – ใช้ index ไหน
      • Metadata Filter (option) – กรองเอกสารก่อนส่งให้ retriever
  4. Retrieve Documents (As Tool for AI Agent)
    • เอาไว้ประกาศให้ AI Agent รู้ว่า นี่คือ tool หนึ่งนะ ชื่ออะไร ทำหน้าที่อะไร แล้วให้ Agent เลือกใช้เองเวลาเจอคำถามที่เกี่ยวข้อง
    • Parameters ของ Retrieve Documents (As Tool for AI Agent) ประกอบด้วย
      • Name – ตั้งชื่อ vector store นี้ให้ Agent เรียกรู้ เช่น CompanyDocsRedis
      • Description – อธิบายให้ LLM/Agent เข้าใจว่า tool นี้เก็บข้อมูลอะไร ใช้ตอบเรื่องไหน
      • Redis Index – ใช้ index ไหน
      • Limit – เวลา Agent เรียกใช้ ให้ดึงเอกสารกลับมากี่ชิ้น
      • Include Metadata – จะให้ติด metadata ของเอกสารกลับมาด้วยไหม (มีประโยชน์ถ้าใช้ tag / category)

Parameter กลาง ๆ เจอทุกโหมด

  1. Operation Mode
    • เลือกก่อนเลยว่าใช้โหมดไหน (Get Many / Insert / Retrieve ฯลฯ)
  2. Redis Index
    • ชื่อ index ใน Redis ที่ใช้เก็บ/ค้นเอกสาร (เหมือนชื่อ “ชั้นวางหนังสือ”)
  3. Rerank Results (ตัวเลือก)
    • ถ้าเปิด ต้องไปต่อกับ reranking node เพื่อให้จัดอันดับผลลัพธ์ใหม่ให้ตรงคำถามขึ้น
  4. Metadata Filter (Node option)
    • ไว้กรองเอกสารตาม metadata เช่น ประเภท, หมวดหมู่ ฯลฯ
    • (เป็น OR – ใส่หลายเงื่อนไข แค่ตรงอันใดอันหนึ่งก็ผ่าน)
  5. Redis Configuration Options
    • เอาไว้กำหนด ชื่อ Key ต่าง ๆ ใน Redis hash เช่น
      • Metadata Key → ชื่อช่องที่เก็บ metadata (ปกติ metadata)
      • Key Prefix → คำขึ้นต้น key เวลาเก็บเอกสาร (ปกติ doc:)
      • Content Key → ช่องที่เก็บเนื้อหาเอกสารจริง ๆ (ปกติ content)
      • Embedding Key → ช่องที่เก็บ embedding (ปกติ embedding)

ข้อสรุป:

Redis Vector Store node จุดเชื่อมที่เอาข้อมูลใน Redis มาเสิร์ฟให้ AI ใช้ค้นและอ้างอิงได้แบบเป็นระเบียบเข้าใจง่าย ช่วยหาของที่ใกล้เคียงกับคำถามขึ้นมาให้แบบรวดเร็ว เหมาะกับคนที่อยากอัปเกรดระบบเดิมให้ฉลาดขึ้น เช่น chatbot ตอบเอกสารภายใน ระบบค้นหาข้อมูล หรือ workflow ที่ต้องให้ AI หยิบความรู้จากฐานข้อมูลเองอัตโนมัติ

Source:

X (n8n), n8n docs