AI代理异常检测工作流 - 使用Qdrant向量数据库设置聚类中心
AI代理,异常检测,Qdrant向量数据库,聚类分析,大数据分析,n8n工作流

Vector Database as a Big Data Analysis Tool for AI Agents

来自网络研讨会”使用Qdrant和n8n构建生产就绪的AI代理”的工作流。

这一系列工作流展示了如何借助向量数据库为生产就绪的AI代理构建大数据分析工具。这些管道可适应任何图像数据集，因此适用于许多生产用例。

上传（图像）数据集到Qdrant
为Qdrant中的异常检测设置元变量
异常检测工具
KNN分类器工具

对于异常检测
第一个管道将图像数据集上传到Qdrant。
2. 这是第二个管道，用于设置异常检测所需的聚类（类）中心和聚类（类）阈值分数。
第三个是异常检测工具，它接受任何图像作为输入，并使用在Qdrant上完成的所有准备工作来检测它是否是上传数据集的异常。

对于KNN（k最近邻）分类
第一个管道将图像数据集上传到Qdrant。
第二个是KNN分类器工具，它接受任何图像作为输入，并根据上传到Qdrant的数据集对其进行分类。

要重新创建两者
您需要将Kaggle上的作物和土地数据集上传到您自己的Google存储桶，并重新创建与Qdrant Cloud（您可以使用免费层集群）、Voyage AI API和Google Cloud Storage的API/连接。

[此工作流] 设置聚类（类）中心和聚类（类）阈值分数以进行异常检测

准备工作流，用于设置聚类中心和聚类阈值分数，以便可以根据这些阈值检测异常。
在这里，我们使用两种方法来设置这些中心：”距离矩阵方法”和”多模态嵌入模型方法”。

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。