تجمیع پاسخ‌های هوش مصنوعی از GPT، Claude و Gemini

تجمیع پاسخ‌های تحقیقاتی از مدل‌های هوش مصنوعی متعدد

این گردش کار نحوه دریافت یک پیام چت، تعیین اینکه آیا درخواست تحقیق است یا خیر، و سپس پردازش آن به صورت موازی در GPT‑5.2، Claude Opus 4.6 و Gemini 3 Pro را نشان می‌دهد. سپس پاسخ‌ها در یک پاسخ واحد و ترکیبی تجمیع می‌شوند. اگر ورودی یک پرس‌وجوی تحقیقاتی نباشد، یک پیام جایگزین برگردانده می‌شود.

کاتالوگ n8n Axeto.ai: https://axeto.ai/n8n

---

۱. نمای کلی گردش کار

عنوان: شورای تحقیقاتی چند هوش مصنوعی

هدف: دریافت پیام چت، طبقه‌بندی آن به عنوان درخواست تحقیق، اجرای بهینه کوئری به صورت موازی در GPT‑5.2، Claude Opus 4.6 و Gemini 3 Pro، و در نهایت تجمیع پاسخ‌های آن‌ها در یک پاسخ واحد و ترکیبی. کوئری‌های غیر تحقیقاتی یک پاسخ جایگزین را فعال می‌کنند.

موارد استفاده کلیدی:

• مثلث‌بندی تحقیقاتی: کاهش سوگیری تک‌مدلی با مقایسه پاسخ‌ها از چندین مدل پیشرفته هوش مصنوعی.
• ترکیب مقایسه‌ای: شناسایی اجماع و اختلافات در میان پاسخ‌های هوش مصنوعی.
• مسیریابی کارآمد: جلوگیری از پردازش غیرضروری هوش مصنوعی برای پیام‌های معمولی یا غیرمرتبط با تحقیق.

۱.۱ دریافت ورودی

گردش کار با دریافت یک پیام چت از طریق تریگر چت LangChain در n8n آغاز می‌شود.

۱.۲ طبقه‌بندی و بهینه‌سازی کوئری

یک مدل Gemini برای طبقه‌بندی پیام کاربر (شناسایی آن به عنوان کوئری تحقیق یا عدم تحقیق) و تولید یک رشته کوئری بهینه استفاده می‌شود. این خروجی با استفاده از یک پارسر خروجی در قالب JSON ساختاردهی می‌شود.

۱.۳ مسیریابی شرطی

یک نود IF بر اساس طبقه‌بندی، گردش کار را هدایت می‌کند:

• اگر به عنوان کوئری تحقیق طبقه‌بندی شود (output.search === "yes"), به اجرای موازی چندمدلی ادامه می‌دهد.
• در غیر این صورت، به یک پاسخ جایگزین هدایت می‌شود.

۱.۴ اجرای تحقیقاتی موازی چندمدلی

کوئری بهینه شده به طور همزمان به سه زنجیره LLM مختلف ارسال می‌شود:

• OpenAI GPT‑5.2 Pro: شامل قابلیت‌های جستجوی وب داخلی است.
• Anthropic Claude Opus 4.6: برای استدلال عمیق‌تر با فعال کردن "تفکر" پیکربندی شده است.
• Google Gemini 3 Pro Preview: از آخرین مدل Gemini استفاده می‌کند.

۱.۵ نرمال‌سازی و تجمیع پاسخ

پاسخ هر مدل در یک فیلد مجزا (chatgpt, claude, gemini) نگاشت می‌شود. سپس یک LLM تجمیع‌کننده این پاسخ‌های فردی را به یک پاسخ نهایی واحد و منسجم تبدیل می‌کند.

---

۲. تحلیل گره به گره

بلوک A: دریافت ورودی

• مرور کلی: دریافت پیام‌های چت ورودی برای شروع گردش کار.
• گره‌ها:

* When chat message received

• جزئیات گره:

* نوع/نقش: @n8n/n8n-nodes-langchain.chatTrigger

* به عنوان نقطه ورود webhook برای تعاملات چت عمل می‌کند.

* پیکربندی کلیدی: responseMode: "responseNodes" تضمین می‌کند که گردش کار از طریق گره‌های پاسخ تعیین شده، پاسخی را به کلاینت چت ارسال خواهد کرد.

* اتصالات:

* خروجی اصلی به گره Search Query Optimizer متصل می‌شود.

* مشکلات احتمالی:

* پیکربندی نادرست URL تریگر یا راه‌اندازی ادغام چت.

* اگر هیچ گره پاسخ سازگاری در پایین دست فعال نشود، کلاینت چت ممکن است پاسخی دریافت نکند.

• یادداشت‌های چسبان:

* "تحقیق شورای چند هوش مصنوعی: تجمیع GPT 5.2، Claude Opus 4.6 و Gemini 3 Pro" (یادداشت کلی گردش کار)

* "مرحله ۱ - پردازش ورودی …"

---

بلوک B: طبقه‌بندی و بهینه‌سازی پرس‌وجو

• مرور کلی: استفاده از Gemini برای طبقه‌بندی ورودی و تولید یک پرس‌وجوی ساختاریافته و بهینه.
• گره‌ها:

* Search Query Optimizer

* Google Gemini Chat Model (برای طبقه‌بندی)

* Structured Output Parser

• جزئیات گره:

* Google Gemini Chat Model

* نوع/نقش: @n8n/n8n-nodes-langchain.lmChatGoogleGemini

* بک‌اند LLM را برای وظیفه طبقه‌بندی و بهینه‌سازی فراهم می‌کند.

* اعتبارنامه‌ها: Google Gemini(PaLM) (Eure)

* اتصالات: به گره Search Query Optimizer متصل می‌شود.

* مشکلات احتمالی: کلیدهای API نامعتبر/منقضی شده، محدودیت‌های سهمیه API، یا تغییرات در دسترس بودن مدل.

* Structured Output Parser

* نوع/نقش: @n8n/n8n-nodes-langchain.outputParserStructured

* اجبار می‌کند که خروجی مدل Gemini با یک طرح JSON خاص مطابقت داشته باشد.

* طرح: انتظار یک شیء با خصوصیات search (رشته) و query (رشته) را دارد.

* اتصالات: به گره Search Query Optimizer متصل می‌شود.

* مشکلات احتمالی:

* مدل خروجی غیر JSON یا JSON ناقص برمی‌گرداند و باعث شکست تجزیه می‌شود.

* عدم تطابق بین فیلدهای درخواست شده در پرامپت و طرح تعریف شده.

* Search Query Optimizer

* نوع/نقش: @n8n/n8n-nodes-langchain.chainLlm

* این زنجیره LLM دو عملکرد اصلی را انجام می‌دهد:

۱. ورودی کاربر را به عنوان یک پرس‌وجوی تحقیقاتی (بله/خیر) طبقه‌بندی می‌کند.

۲. یک رشته پرس‌وجوی بهینه شده تولید می‌کند.

* پیکربندی کلیدی: از یک پرامپت سیستمی برای تعریف معیارهای طبقه‌بندی و فرمت خروجی JSON مورد نیاز استفاده می‌کند. hasOutputParser: true تضمین می‌کند که خروجی از طریق $json.output قابل دسترسی است.

* عبارات کلیدی استفاده شده در پایین دست:

* {{$json.output.search}}

* {{$json.output.query}}

* اتصالات:

* ورودی را از When chat message received دریافت می‌کند.

* به گره IF Search? خروجی می‌دهد.

* به Google Gemini Chat Model و Structured Output Parser متصل می‌شود.

* مشکلات احتمالی:

* اگر output.search دقیقاً "yes" نباشد، گره IF به حالت جایگزین هدایت می‌شود.

* اگر output.query وجود نداشته باشد یا خالی باشد، فراخوانی‌های LLM بعدی از پرامپت‌های خالی استفاده خواهند کرد.

• یادداشت‌های چسبان:

* "مرحله ۱ - پردازش ورودی …"

* "تحقیق شورای چند هوش مصنوعی …" (عمومی)

---

بلوک C: مسیریابی شرطی

• مرور کلی: هدایت گردش کار بر اساس مقدار output.search از بلوک قبلی.
• گره‌ها:

* Search? (گره IF)

* Chat (پاسخ جایگزین)

• جزئیات گره:

* Search?

* نوع/نقش: n8n-nodes-base.if

* اجرای گردش کار را منشعب می‌کند.

* شرط: {{$json.output.search}} equals "yes" (مقایسه رشته‌ای دقیق).

* اتصالات:

* True: به گره‌های اجرای موازی چند مدلی (ChatGPT 5.2, Claude Opus 4.6, Gemini 3 Pro) متصل می‌شود.

* False: به گره Chat (جایگزین) متصل می‌شود.

* مشکلات احتمالی:

* تطابق دقیق رشته‌ای ممکن است در صورت بازگرداندن بهینه‌ساز، تغییراتی مانند "Yes" یا "yes."، مسیریابی اشتباه را انجام دهد.

* اگر $json.output تعریف نشده باشد، ارزیابی شرط ممکن است با شکست مواجه شود.

* Chat (پاسخ جایگزین)

* نوع/نقش: @n8n/n8n-nodes-langchain.chat

* یک پیام از پیش تعریف شده را به کاربر ارسال می‌کند.

* پیام: "این متن تحقیقاتی نیست. لطفاً یکی وارد کنید."

* گزینه‌ها: memoryConnection: false (حافظه مکالمه‌ای را غیرفعال می‌کند).

* اتصالات: ورودی را از شاخه False گره Search? دریافت می‌کند. به عنوان یک گره پاسخ پایانی عمل می‌کند.

* مشکلات احتمالی: اگر تریگر چت انتظار یک گره پاسخ را داشته باشد و گردش کار با یکی از آن‌ها پایان نیابد (در این مورد، جایگزین آن را پوشش می‌دهد)، کاربر ممکن است پاسخی دریافت نکند.

• یادداشت‌های چسبان:

* "مرحله ۳ - مدیریت جایگزین …"

* "تحقیق شورای چند هوش مصنوعی …" (عمومی)

---

بلوک D: اجرای موازی پرس‌وجوی چند مدلی

• مرور کلی: اجرای همزمان پرس‌وجوی تحقیقاتی در سه مدل هوش مصنوعی مجزا.
• گره‌ها:

* مسیر OpenAI: OpenAI Chat Model + ChatGPT 5.2

* مسیر Anthropic: Anthropic Chat Model + Claude Opus 4.6

* مسیر Gemini: Google Gemini Chat Model1 + Gemini 3 Pro

• جزئیات گره:

* مسیر OpenAI:

* OpenAI Chat Model

* نوع/نقش: @n8n/n8n-nodes-langchain.lmChatOpenAi

* مدل: gpt-5.2-pro

* ابزارهای داخلی: جستجوی وب فعال است (webSearch.searchContextSize: "medium").

* اعتبارنامه‌ها: OpenAi account (Eure)

* اتصالات: به ChatGPT 5.2 متصل می‌شود.

* مشکلات احتمالی: عملکرد جستجوی وب ممکن است مشمول سیاست‌ها، سهمیه یا مشکلات شبکه باشد. افزایش تأخیر به دلیل جستجو.

* ChatGPT 5.2

* نوع/نقش: @n8n/n8n-nodes-langchain.chainLlm

* متن: ={{ $json.output.query }}

* اتصالات: ورودی را از شاخه True Search? دریافت می‌کند، به OpenAI Chat Model متصل می‌شود و به ChatGPT Result خروجی می‌دهد.

* مشکلات احتمالی: اگر $json.output.query تعریف نشده باشد، مدل ممکن است پاسخی نامربوط یا خطا تولید کند.

* مسیر Anthropic:

* Anthropic Chat Model

* نوع/نقش: @n8n/n8n-nodes-langchain.lmChatAnthropic

* مدل: claude-opus-4-6

* گزینه‌ها: thinking: true, thinkingBudget: 1024.

* اعتبارنامه‌ها: Anthropic account

* اتصالات: به Claude Opus 4.6 متصل می‌شود.

* مشکلات احتمالی: ویژگی "Thinking" استفاده از توکن را افزایش می‌دهد و احتمال قطع شدن یا رسیدن به محدودیت‌های توکن وجود دارد. مشکلات اعتبارنامه یا سهمیه.

* Claude Opus 4.6

* نوع/نقش: @n8n/n8n-nodes-langchain.chainLlm

* متن: ={{ $json.output.query }}

* اتصالات: ورودی را از شاخه True Search? دریافت می‌کند، به Anthropic Chat Model متصل می‌شود و به Claude Result خروجی می‌دهد.

* مسیر Gemini:

* Google Gemini Chat Model1

* نوع/نقش: @n8n/n8n-nodes-langchain.lmChatGoogleGemini

* نام مدل: models/gemini-3-pro-preview

* گزینه‌ها: maxOutputTokens: 2048.

* اعتبارنامه‌ها: Google Gemini(PaLM) (Eure)

* اتصالات: به Gemini 3 Pro متصل می‌شود.

* مشکلات احتمالی: مدل‌های پیش‌نمایش ممکن است تغییر نام داده یا بازنشسته شوند. محدودیت‌های توکن ممکن است پاسخ‌های طولانی را کوتاه کنند.

* Gemini 3 Pro

* نوع/نقش: @n8n/n8n-nodes-langchain.chainLlm

* متن: ={{ $json.output.query }}

* اتصالات: ورودی را از شاخه True Search? دریافت می‌کند، به Google Gemini Chat Model1 متصل می‌شود و به Gemini Result خروجی می‌دهد.

• یادداشت‌های چسبان:

* "مرحله ۲ - اجرای پرس‌وجوی چند مدلی …"

* "تحقیق شورای چند هوش مصنوعی …" (عمومی)

---

بلوک E: نرمال‌سازی و تجمیع پاسخ

• مرور کلی: استانداردسازی خروجی‌های هر مدل و ترکیب آن‌ها در یک پاسخ واحد.
• گره‌ها:

* ChatGPT Result (گره Set)

* Claude Result (گره Set)

* Gemini Result (گره Set)

* Google Gemini Chat Model2 (LLM تجمیع‌کننده)

* Multi-Response Aggregator (زنجیره LLM)

• جزئیات گره:

* ChatGPT Result

* نوع/نقش: n8n-nodes-base.set

* خروجی متن را به یک فیلد استاندارد نگاشت می‌کند.

* اختصاص: chatgpt = {{$json.text}}

* اتصالات: به Multi-Response Aggregator متصل می‌شود.

* مشکلات احتمالی: اگر گره بالادستی فیلدی غیر از text خروجی دهد، این نگاشت خالی خواهد بود.

* Claude Result

* نوع/نقش: n8n-nodes-base.set

* برای نگاشت خروجی Claude در نظر گرفته شده است.

* اختصاص: claude = {{$json.text}}

* اتصالات: به Multi-Response Aggregator متصل می‌شود.

* مشکلات احتمالی: خطای حیاتی: پیکربندی ارائه شده یک عبارت ناقص ={{ $json.text } (بستن } و }} گم شده) را نشان می‌دهد. این باعث خطای تجزیه عبارت در زمان اجرا می‌شود و مانع از تکمیل این مسیر گردش کار می‌شود. این باید به ={{ $json.text }} تصحیح شود.

* Gemini Result

* نوع/نقش: n8n-nodes-base.set

* متن خروجی Gemini را نگاشت می‌کند.

* اختصاص: gemini = {{$json.text}}

* اتصالات: به Multi-Response Aggregator متصل می‌شود.

* Google Gemini Chat Model2

* نوع/نقش: @n8n/n8n-nodes-langchain.lmChatGoogleGemini

* بک‌اند LLM برای مرحله تجمیع.

* اعتبارنامه‌ها: Google Gemini(PaLM) Api account (توجه: این ممکن است به اعتبارنامه جداگانه‌ای نسبت به گره‌های Gemini که قبلاً استفاده شده‌اند نیاز داشته باشد).

* اتصالات: به Multi-Response Aggregator متصل می‌شود.

* مشکلات احتمالی: عدم تطابق اعتبارنامه‌ها بین محیط‌های مختلف n8n. اطمینان حاصل کنید که اعتبارنامه صحیح پیکربندی شده است.

* Multi-Response Aggregator

* نوع/نقش: @n8n/n8n-nodes-langchain.chainLlm

* پاسخ‌های نرمال‌سازی شده (chatgpt, claude, gemini) را دریافت کرده و آن‌ها را در یک پاسخ نهایی واحد ترکیب می‌کند.

* پیکربندی کلیدی: یک پرامپت به LLM دستور می‌دهد تا ورودی‌ها را ترکیب کند و بر اجماع و تفاوت‌ها تأکید کند.

* اتصالات:

* ورودی را از سه گره Set (ChatGPT Result, Claude Result, Gemini Result) دریافت می‌کند.

* به Google Gemini Chat Model2 متصل می‌شود.

* خروجی اصلی این گره معمولاً به عنوان پاسخ نهایی به تریگر چت عمل می‌کند (بسته به تنظیمات چت n8n شما).

* مشکلات احتمالی: کیفیت پاسخ ترکیبی به شدت به پرامپت و توانایی LLM در تطبیق ورودی‌های متنوع بستگی دارد.

• یادداشت‌های چسبان:

* "مرحله ۴ - تجمیع پاسخ …"

* "تحقیق شورای چند هوش مصنوعی …" (عمومی)