AI Nodes မိတ်ဆက် (Chat Models, Chains & Memory)

n8n AI Node Categories ၅ ခု

graph TD
    A[n8n AI Family] --> B[1. Chat Models - Brain]
    A --> C[2. Chains - Single Task Flow]
    A --> D[3. Memory - Conversation Context]
    A --> E[4. Tools - Real-world Actions]
    A --> F[5. Vector Stores - RAG & Knowledge]

1. Chat Models (AI ၏ ဦးနှောက်)

Chat Model Node များသည် LLM (Large Language Model) များထံသို့ တိုက်ရိုက် ချိတ်ဆက်ပေးသော Node များ ဖြစ်ပါသည်:

OpenAI Chat Model: gpt-4o, gpt-4o-mini (High quality & tool calling)
Anthropic Chat Model: claude-haiku-4-5-20251001 (Fast & highly cost-effective)
Google Gemini Chat Model: gemini-2.5-flash (Multi-modal support)
Ollama Chat Model: Local တွင် Self-host ထားသော Open-source Models (Llama, Mistral) များအား zero API cost ဖြင့် သုံးစွဲခြင်း။

2. Chains vs. Agents

အင်္ဂါရပ်	LLM Chains (Single Call / Chain)	AI Agents
အလုပ်လုပ်ပုံ	လမ်းကြောင်း တိကျစွာ သတ်မှတ်ထားသော Flow	AI အလိုအလျောက် Tool ကို ရွေးချယ် စဉ်းစားသော ReAct Loop
ခန့်မှန်းရရှိနိုင်မှု	Deterministic (ကြိုတင် မှန်းဆရ လွယ်ကူ)	Non-deterministic
သင့်တော်သော အသုံးပြုမှု	Summarization, Text Translation	Customer Support, Dynamic Multi-step Reasoning

3. Memory (Conversation Context)

AI Models များသည် Default အားဖြင့် မက်ဆေ့ချ် တစ်ခုနှင့် တစ်ခုအကြား Memory မရှိကြပါ။

Simple Memory (Window Buffer Memory):
- Context Window Length: အရင် ပြောကြားခဲ့သော မက်ဆေ့ချ် Pairs ဘယ်နှစ်ခုကို မှတ်ထားမည်လဲ (ဥပမာ - 10)။
- Session ID: Customer ၏ Telegram Chat ID သို့မဟုတ် User ID ကို Session ID အဖြစ် သတ်မှတ်၍ တစ်ဦးချင်းစီ၏ စကားပြောဆိုမှုများကို သီးခြား ခွဲခြား သိုလှောင်ခြင်း။