پردازش و جستجوی ایمیل با هوش مصنوعی در n8n

استخراج و تحلیل داده‌های ایمیل با هوش مصنوعی

این Workflow با عنوان "طرح اقدام: استفاده از مدل OpenAI با منابع ایمیل و جدول داده" فرآیند دریافت، ساختاردهی و جستجو در اطلاعات را از منابع مختلف ایمیل با استفاده از هوش مصنوعی ساده‌سازی می‌کند. این Workflow محتوای نامشخص ایمیل را به یک جدول داده قابل جستجو تبدیل می‌کند و امکان مدیریت کارآمد داده‌ها و قابلیت‌های جستجوی تعاملی را فراهم می‌آورد.

این Workflow و موارد دیگر را در کاتالوگ Axeto کاوش کنید: https://axeto.ai/n8n

نمای کلی Workflow

این Workflow برای موارد زیر طراحی شده است:

1. دریافت ایمیل‌ها: جمع‌آوری خودکار ایمیل‌های جدید از حساب‌های Gmail، Microsoft Outlook و IMAP.

2. تجزیه و تحلیل با هوش مصنوعی: استفاده از مدل‌های هوش مصنوعی (مانند OpenAI GPT-4 یا Google Gemini) برای استخراج اطلاعات کلیدی (فرستنده، گیرنده، موضوع، خلاصه) از محتوای ایمیل.

3. ساختاردهی داده‌ها: اطمینان از اینکه داده‌های استخراج شده برای ثبات، با یک طرحواره JSON از پیش تعریف شده مطابقت دارند.

4. ذخیره‌سازی داده‌ها: ذخیره داده‌های ساختاریافته ایمیل در یک جدول داده n8n برای ذخیره‌سازی دائمی.

5. فعال‌سازی جستجوی تعاملی: ارائه یک رابط چت مبتنی بر هوش مصنوعی برای جستجوی پویا در داده‌های ایمیل ذخیره شده.

جزئیات Workflow

۱. دریافت ورودی ایمیل

این بخش به دریافت ایمیل‌های جدید از منابع مختلف می‌پردازد و برای هر پیام دریافتی، Workflow را راه‌اندازی می‌کند.

• Nodes:

* Gmail Trigger

* Microsoft Outlook Trigger

* EmailReadIMAP

• جزئیات:

* Gmail Trigger: صندوق ورودی Gmail شما را در فواصل زمانی منظم (مثلاً هر دقیقه) برای ایمیل‌های جدید نظارت می‌کند.

* Microsoft Outlook Trigger: همین کار را برای صندوق ورودی Microsoft Outlook شما انجام می‌دهد.

* EmailReadIMAP: به یک سرور IMAP عمومی متصل می‌شود تا ایمیل‌های جدید را دریافت کند.

این Nodes برای بررسی ایمیل‌های جدید پیکربندی شده‌اند و داده‌های خام ایمیل را به مراحل پردازش بعدی خروجی می‌دهند.

۲. تجزیه و تحلیل و ساختاردهی با هوش مصنوعی

این بخش هسته هوش مصنوعی است که در آن داده‌های خام ایمیل برای استخراج و ساختاردهی اطلاعات مرتبط پردازش می‌شوند.

• Nodes:

* Langchain Agent (برای تجزیه و تحلیل)

* Langchain OpenAI Chat Model (مثلاً GPT-4)

* Langchain Output Parser Structured

• جزئیات:

* Langchain Agent (تجزیه و تحلیل): این عامل داده‌های خام ایمیل را دریافت می‌کند. این عامل با یک پیام سیستمی پیکربندی شده است که مدل هوش مصنوعی را برای استخراج فیلدهای خاصی مانند "from"، "to"، "subject" و یک "summary" از بدنه ایمیل راهنمایی می‌کند.

* Langchain OpenAI Chat Model: این Node مدل هوش مصنوعی (مثلاً gpt-4.1-mini) را که عامل برای تجزیه و تحلیل استفاده می‌کند، فراهم می‌کند. این Node، prompt تولید شده توسط عامل را دریافت کرده و پاسخ هوش مصنوعی را برمی‌گرداند.

* Langchain Output Parser Structured: این Node خروجی خام هوش مصنوعی را دریافت کرده و آن را با یک طرحواره JSON از پیش تعریف شده (مثلاً {from: string, to: string, subject: string, summary: string}) اعتبارسنجی می‌کند. همچنین می‌تواند تلاش کند تا مشکلات جزئی قالب‌بندی را به طور خودکار اصلاح کند تا اطمینان حاصل شود که داده‌ها تمیز و سازگار هستند.

۳. ذخیره‌سازی داده‌ها

داده‌های ساختاریافته و اعتبارسنجی شده ایمیل سپس برای استفاده‌های بعدی ذخیره می‌شوند.

• Nodes:

* Data Table Node (Insert row)

• جزئیات:

* Data Table Node (Insert row): این Node خروجی JSON ساختاریافته را از مرحله تجزیه و تحلیل دریافت کرده و آن را به عنوان یک ردیف جدید در یک جدول داده n8n مشخص (مثلاً "Email output parser") درج می‌کند. ستون‌های جدول داده با فیلدهای استخراج شده (From, To, Subject, Summary) نگاشت می‌شوند.

۴. رابط جستجوی تعاملی ایمیل

این بخش به کاربران امکان می‌دهد تا از طریق یک رابط چت هوش مصنوعی، داده‌های ایمیل ذخیره شده را جستجو کنند.

• Nodes:

* Langchain Chat Trigger

* Langchain Agent (برای جستجو)

* Data Table Tool

• جزئیات:

* Langchain Chat Trigger: به عنوان یک webhook عمل می‌کند و منتظر پیام‌های چت ورودی از کاربران است.

* Langchain Agent (Search): پیام چت کاربر را دریافت می‌کند. prompt سیستمی آن، عامل را راهنمایی می‌کند تا از ابزار "Emails" (یعنی Data Table Tool) برای یافتن اطلاعات مرتبط استفاده کند.

* Data Table Tool: این ابزار برای جستجو در جدول داده "Email output parser" پیکربندی شده است. این ابزار معیارهای جستجو را که توسط عامل جستجو تولید شده‌اند، دریافت کرده و رکوردهای ایمیل مطابق با فیلترهای اعمال شده بر روی فیلدهایی مانند From, To, Subject و Summary را برمی‌گرداند.

* Langchain Google Gemini Chat Model (اختیاری): می‌تواند به عنوان یک مدل هوش مصنوعی جایگزین برای پردازش پیام‌های چت در این جریان جستجوی تعاملی استفاده شود.

جدول خلاصه