تحلیل مکالمه‌ای داده‌های Airtable با ایجنت هوش مصنوعی

ایجنت هوش مصنوعی برای تجزیه و تحلیل مکالمه‌ای داده‌های Airtable

این گردش کار به شما امکان می‌دهد با استفاده از زبان طبیعی با داده‌های Airtable خود تعامل داشته باشید. از طریق یک رابط مکالمه‌ای، سؤال بپرسید، رکوردها را بازیابی کنید، تجزیه و تحلیل انجام دهید و حتی داده‌ها را مصورسازی کنید.

کاتالوگ n8n در Axeto.ai را کاوش کنید: https://axeto.ai/n8n

نمای کلی گردش کار

این گردش کار از ایجنت‌های هوش مصنوعی برای ارائه روشی پویا و هوشمند برای پرس‌وجو و تجزیه و تحلیل داده‌های ذخیره شده در Airtable استفاده می‌کند. این گردش کار ورودی چت، برنامه‌ریزی مبتنی بر هوش مصنوعی، بازیابی داده از Airtable، تجمیع داده و تولید پاسخ، از جمله تجسم اختیاری داده را مدیریت می‌کند.

موارد استفاده کلیدی:

• دسترسی مکالمه‌ای به داده‌ها: توسعه‌دهندگان، تحلیلگران داده و کاربران تجاری می‌توانند پایگاه‌های Airtable را با استفاده از زبان طبیعی پرس‌وجو کنند.
• بازیابی و تجزیه و تحلیل داده‌ها: واکشی رکوردهای خاص، انجام تجمیع‌های ریاضی (تعداد، مجموع، میانگین) و تجزیه و تحلیل روندها.
• پرس‌وجوی پویا: هوش مصنوعی می‌تواند جستجو و فیلتر کردن پرس‌وجوها را بر اساس ورودی کاربر و زمینه مکالمه اصلاح کند.
• تجسم داده‌ها: تولید تجسم‌های نقشه از داده‌های مکانی.

ساختار گردش کار:

گردش کار به چندین بلوک منطقی سازماندهی شده است:

1. دریافت ورودی و مدیریت حافظه: پیام‌های چت کاربر را دریافت کرده و زمینه مکالمه را حفظ می‌کند.

2. پردازش ایجنت هوش مصنوعی: از یک ایجنت هوش مصنوعی برای تفسیر درخواست‌های کاربر، برنامه‌ریزی اقدامات و هماهنگ‌سازی استفاده از ابزارها استفاده می‌کند.

3. ابزارهای تعامل با Airtable: مجموعه‌ای از ابزارها برای لیست کردن پایگاه‌ها، بازیابی شمای پایگاه، جستجوی رکوردها و اجرای کد سفارشی برای دستکاری داده‌ها.

4. تولید فیلتر جستجو: توضیحات زبان طبیعی را با استفاده از یک مدل هوش مصنوعی به فیلترهای فرمول Airtable تبدیل می‌کند.

5. تجمیع داده‌ها و آماده‌سازی پاسخ: داده‌های بازیابی شده را پردازش می‌کند، تجمیع‌ها را انجام می‌دهد، منطق شرطی برای پاسخ‌ها را مدیریت می‌کند و خروجی را آماده می‌کند.

---

تحلیل جزئیات بلوک‌ها

۱. دریافت ورودی و مدیریت حافظه

این بلوک مسئول دریافت پیام‌های چت ورودی و نگهداری تاریخچه مکالمه برای ارائه زمینه به ایجنت هوش مصنوعی است.

• هنگام دریافت پیام چت

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

* هدف: به عنوان نقطه ورود برای پیام‌های چت جدید عمل می‌کند. با ارسال پیام توسط کاربر، گردش کار را فعال می‌کند.

* پیکربندی: معمولاً با یک URL وب‌هوک پیکربندی می‌شود.

* ورودی: پیام چت کاربر و شناسه جلسه.

* خروجی: پیام و شناسه جلسه را به گره بعدی منتقل می‌کند.

• حافظه بافر پنجره‌ای (Window Buffer Memory)

* نوع: n8n-nodes-base.stickyNote (این گره اغلب برای شبیه‌سازی حافظه یا ذخیره‌سازی زمینه در گردش کارهای ساده‌تر استفاده می‌شود. برای مدیریت حافظه پیچیده‌تر، ممکن است از گره‌های حافظه اختصاصی Langchain استفاده شود.)

* هدف: تاریخچه مکالمه مرتبط با یک شناسه جلسه خاص را ذخیره و بازیابی می‌کند و اطمینان می‌دهد که ایجنت هوش مصنوعی برای سؤالات بعدی زمینه لازم را دارد.

* پیکربندی: از sessionId از تریگر چت برای مدیریت مکالمات مجزا استفاده می‌کند.

* ورودی: پیام‌های چت با شناسه‌های جلسه.

* خروجی: زمینه مکالمه را به ایجنت هوش مصنوعی ارائه می‌دهد.

۲. پردازش ایجنت هوش مصنوعی

این بخش هسته اصلی گردش کار است که در آن ایجنت هوش مصنوعی درخواست کاربر را تفسیر کرده و تصمیم می‌گیرد از کدام ابزارها استفاده کند.

• مدل چت OpenAI

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

* هدف: قابلیت‌های مدل زبان را برای ایجنت هوش مصنوعی فراهم می‌کند. زبان طبیعی را پردازش کرده و پاسخ‌ها یا برنامه‌هایی برای اجرای ابزار تولید می‌کند.

* پیکربندی: نیاز به اعتبارنامه API OpenAI دارد.

* ورودی: توسط گره ایجنت هوش مصنوعی استفاده می‌شود.

* خروجی: پاسخ‌های هوش مصنوعی و برنامه‌های فراخوانی ابزار را تولید می‌کند.

• ایجنت هوش مصنوعی

* نوع: @n8n/n8n-nodes-langchain.agent

* هدف: تصمیم‌گیرنده مرکزی است. ورودی کاربر را دریافت می‌کند، حافظه مکالمه را بررسی کرده و از مدل زبان پیکربندی شده برای تعیین بهترین اقدام، از جمله فراخوانی ابزارهای Airtable یا توابع کد، استفاده می‌کند.

* پیکربندی:

* نوع ایجنت: openAiFunctionsAgent معمولاً برای فراخوانی تابع استفاده می‌شود.

* حداکثر تکرار: تعداد مراحل ایجنت را برای جلوگیری از حلقه‌های بی‌نهایت محدود می‌کند.

* پیام سیستمی: برای تعریف شخصیت و دستورالعمل‌های ایجنت حیاتی است. ایجنت را هدایت می‌کند تا:

* به عنوان دستیار Airtable عمل کند.

* شناسه‌های پایگاه داده و جدول Airtable را تأیید کند.

* از توابع کد برای محاسبات و مصورسازی استفاده کند.

* استراتژی‌های جایگزین را پیاده‌سازی کند (مانند تلاش مجدد جستجو بدون فیلتر).

* تکمیل و دقت وظیفه را تأیید کند.

* همیشه نام پایگاه داده و جدول را در پاسخ‌ها بگنجاند.

* ورودی: پیام چت کاربر، حافظه مکالمه و مدل چت OpenAI.

* خروجی: گردش کارهای ابزار خاص را بر اساس درخواست کاربر فعال می‌کند.

۳. ابزارهای تعامل با Airtable

این بلوک شامل گردش کارهای فرعی قابل استفاده مجدد (گردش کارهای ابزار) است که برای تعامل با Airtable طراحی شده‌اند.

• دریافت لیست پایگاه‌های داده (گردش کار ابزار)

* نوع: n8n-nodes-base.httpRequest (درون یک گردش کار فرعی)

* هدف: لیستی از تمام پایگاه‌های داده Airtable موجود، از جمله شناسه‌ها و نام‌های آن‌ها را بازیابی می‌کند.

* پیکربندی: یک گردش کار فرعی به نام "Airtable Agent Tools" را با دستور get_bases فراخوانی می‌کند.

* ورودی: یک پارامتر دستور.

* خروجی: لیستی از پایگاه‌های داده Airtable.

• دریافت شمای پایگاه داده (گردش کار ابزار)

* نوع: n8n-nodes-base.httpRequest (درون یک گردش کار فرعی)

* هدف: شمای (جداول و فیلدها) یک پایگاه داده Airtable مشخص را دریافت می‌کند.

* پیکربندی: یک گردش کار فرعی را با دستور get_base_tables_schema فراخوانی کرده و به base_id نیاز دارد.

* ورودی: base_id پایگاه داده Airtable هدف.

* خروجی: جزئیات شمای پایگاه داده.

• جستجوی رکوردها (گردش کار ابزار)

* نوع: n8n-nodes-base.httpRequest (درون یک گردش کار فرعی)

* هدف: رکوردهایی را در یک پایگاه داده و جدول Airtable مشخص جستجو می‌کند. از فیلتر کردن، مرتب‌سازی و انتخاب فیلد پشتیبانی می‌کند.

* پیکربندی: یک گردش کار فرعی را با دستور search فراخوانی کرده و پارامترهایی مانند base_id، table_id، limit، filter_desc، sort و fields را می‌پذیرد.

* ورودی: پارامترهای جستجو که توسط ایجنت هوش مصنوعی ارائه شده است.

* خروجی: رکوردهای مطابق با معیارهای جستجو.

• پردازش داده با کد (گردش کار ابزار)

* نوع: @n8n/n8n-nodes-langchain.toolCode

* هدف: کد جاوا اسکریپت سفارشی را برای وظایف پردازش داده، مانند انجام تجمیع‌های ریاضی یا آماده‌سازی داده‌ها برای مصورسازی، اجرا می‌کند.

* پیکربندی: یک گردش کار فرعی را با دستور code فراخوانی کرده و توضیحات درخواست و داده‌های خام را به عنوان ورودی می‌گیرد.

* ورودی: توضیحات وظیفه و داده‌هایی که باید پردازش شوند.

* خروجی: داده‌های پردازش شده یا خروجی تولید شده (مانند URL تصاویر).

• ایجاد تصویر نقشه (کد ابزار)

* نوع: @n8n/n8n-nodes-langchain.toolCode

* هدف: با استفاده از Mapbox، بر اساس مختصات طول و عرض جغرافیایی ارائه شده، یک URL تصویر نقشه ثابت تولید می‌کند.

* پیکربندی: حاوی کد جاوا اسکریپت است که URL API Mapbox را می‌سازد. توجه: باید <your_public_key> را با کلید عمومی Mapbox واقعی خود جایگزین کنید.

* ورودی: رشته‌ای از مختصات (نشانگرها).

* خروجی: URL اشاره کننده به تصویر نقشه تولید شده.

۴. تولید فیلتر جستجو

این بلوک فرمول‌های فیلتر Airtable را به صورت پویا بر اساس توضیحات زبان طبیعی ارائه شده توسط کاربر ایجاد می‌کند.

• تریگر اجرای گردش کار

* نوع: n8n-nodes-base.executeWorkflow

* هدف: به عنوان نقطه ورود برای دستورات خارجی عمل می‌کند و اغلب payloadهای JSON حاوی دستور و جزئیات پرس و جو را دریافت می‌کند.

* خروجی: دستور را به گره Switch هدایت می‌کند.

• Switch

* نوع: n8n-nodes-base.switch

* هدف: اجرای گردش کار را بر اساس فیلد command دریافتی از تریگر (مانند get_bases، search، code) هدایت می‌کند.

* خروجی: گردش کار را به مسیر پردازش مناسب منشعب می‌کند.

• اگر توضیحات فیلتر وجود دارد

* نوع: n8n-nodes-base.if

* هدف: بررسی می‌کند که آیا پرس و جوی کاربر شامل توضیحات برای فیلتر کردن داده‌ها است یا خیر.

* خروجی:

* True: برای تولید فرمول فیلتر ادامه می‌دهد.

* False: مرحله تولید فیلتر را رد می‌کند.

• تنظیم شمای و پرامپت

* نوع: n8n-nodes-base.set

* هدف: پرامپت سیستمی و شمای JSON را برای مدل OpenAI که فرمول فیلتر را تولید می‌کند، پیکربندی می‌کند.

* پیکربندی:

* پرامپت: هوش مصنوعی را برای ایجاد فیلترهای فرمول Airtable معتبر، با تأکید بر بهترین شیوه‌ها و ارائه مثال‌ها، آموزش می‌دهد.

* شمای JSON: فرمت خروجی مورد انتظار را تعریف می‌کند، معمولاً یک شیء با ویژگی filter حاوی رشته فرمول.

* خروجی: پرامپت و شمای لازم را به گره OpenAI ارائه می‌دهد.

• OpenAI - تولید فیلتر جستجو

* نوع: n8n-nodes-base.httpRequest

* هدف: API Chat Completions OpenAI (با استفاده از مدلی مانند gpt-4o-mini) را برای تبدیل توضیحات فیلتر کاربر به یک فرمول Airtable فراخوانی می‌کند.

* ورودی: پرامپت سیستمی، شمای JSON و توضیحات فیلتر کاربر.

* خروجی: یک شیء JSON حاوی فرمول filter تولید شده.

• Merge

* نوع: n8n-nodes-base.merge

* هدف: فرمول فیلتر تولید شده را با سایر پارامترهای پرس و جو ترکیب می‌کند تا درخواست نهایی برای Airtable آماده شود.

۵. تجمیع داده و آماده‌سازی پاسخ

این بلوک پردازش داده‌های بازیابی شده از Airtable، انجام تجمیع‌ها و قالب‌بندی پاسخ نهایی به کاربر را مدیریت می‌کند.

• دریافت پایگاه‌های داده

* نوع: n8n-nodes-base.airtable

* هدف: لیستی از پایگاه‌های داده Airtable را با استفاده از API Airtable دریافت می‌کند.

* ورودی: از گره Switch هدایت شده است.

* خروجی: لیست پایگاه‌های داده، که اغلب به یک گره تجمیع منتقل می‌شود.

• دریافت شمای پایگاه/جداول

* نوع: n8n-nodes-base.airtable

* هدف: شمای (جداول و فیلدها) یک پایگاه داده Airtable مشخص را بازیابی می‌کند.

* ورودی: base_id از تریگر اجرای گردش کار.

* خروجی: داده‌های شمای، که معمولاً به یک گره تجمیع منتقل می‌شود.

• Aggregate, Aggregate1, Aggregate2

* نوع: n8n-nodes-base.aggregate

* هدف: چندین آرایه داده ورودی را در یک شیء یا آرایه واحد و یکپارچه ترکیب می‌کند. Aggregate2 اغلب برای ادغام لیست رکوردهای بازیابی شده از Airtable استفاده می‌شود.

* ورودی: آرایه‌های داده از گره‌های قبلی.

* خروجی: داده‌های تجمیع شده.

• Airtable - جستجوی رکوردها

* نوع: n8n-nodes-base.httpRequest

* هدف: یک پرس و جوی جستجو را در Airtable با استفاده از API آن اجرا می‌کند. از ساخت URL پویا، صفحه‌بندی و شامل فیلترهای تولید شده توسط هوش مصنوعی پشتیبانی می‌کند.

* پیکربندی:

* URL: به صورت پویا با استفاده از base_id و table_id ساخته می‌شود.

* متد: POST.

* بدنه: شامل sort، limit، fields و filterByFormula (از فیلتر تولید شده) است.

* احراز هویت: از توکن API Airtable استفاده می‌کند.

* ورودی: پارامترهای جستجو، از جمله فرمول فیلتر تولید شده.

* خروجی: نتایج جستجو (رکوردها).

• OpenAI - ایجاد رشته گفتگو

* نوع: n8n-nodes-base.httpRequest

* هدف: یک رشته مکالمه جدید با یک دستیار OpenAI راه‌اندازی می‌کند، که اغلب برای وظایف پردازش پیچیده یا هنگام استفاده از ابزارهای مبتنی بر دستیار استفاده می‌شود.

* خروجی: شناسه رشته گفتگو.

• OpenAI - ارسال پیام

* نوع: n8n-nodes-base.httpRequest

* هدف: درخواست کاربر و هر داده مرتبط را به رشته دستیار OpenAI ارسال می‌کند.

* ورودی: درخواست کاربر و داده‌ها.

* خروجی: اجرای دستیار را فعال می‌کند.

• OpenAI - اجرای دستیار

* نوع: n8n-nodes-base.httpRequest

* هدف: دستیار OpenAI را اجرا می‌کند، که ممکن است ابزارهایی مانند مفسر کد فعال شده باشد، تا پردازش پیشرفته‌ای انجام دهد.

* خروجی: بازیابی پیام‌ها را فعال می‌کند.

• OpenAI - دریافت پیام‌ها

* نوع: n8n-nodes-base.httpRequest

* هدف: پیام‌ها و خروجی اجرای تکمیل شده دستیار را بازیابی می‌کند.

* خروجی: نتایج از دستیار، که به منطق شرطی تغذیه می‌شود.

• If1

* نوع: n8n-nodes-base.if

* هدف: خروجی دستیار OpenAI را بررسی می‌کند تا تعیین کند آیا حاوی پیوست‌های فایل یا داده‌های تصویری است که نیاز به رسیدگی ویژه دارند.

* خروجی: گردش کار را بر اساس وجود فایل‌ها منشعب می‌کند.

• OpenAI - دانلود فایل

* نوع: n8n-nodes-base.httpRequest

* هدف: فایل‌های تولید شده یا ارجاع شده توسط دستیار OpenAI را دانلود می‌کند.

* ورودی: شناسه فایل از خروجی دستیار.

* خروجی: محتوای فایل دانلود شده.

• آپلود فایل برای دریافت لینک

* نوع: n8n-nodes-base.httpRequest (یا یک گره آپلود فایل اختصاصی)

* هدف: فایل دانلود شده را به یک سرویس (مانند فضای ذخیره‌سازی ابری یا سرویس میزبانی فایل موقت) آپلود می‌کند تا یک لینک قابل اشتراک‌گذاری تولید کند.

* ورودی: محتوای فایل دانلود شده.

* خروجی: URL فایل آپلود شده.

• Response, Response1

* نوع: n8n-nodes-base.set (یا گره مشابه برای قالب‌بندی خروجی)

* هدف: پاسخ نهایی را برای ارسال مجدد به کاربر، از جمله متن، خلاصه‌های داده یا لینک فایل‌ها/تصاویر تولید شده، قالب‌بندی می‌کند.

* ورودی: داده‌های پردازش شده، لینک فایل‌ها و متن تولید شده توسط هوش مصنوعی.

* خروجی: پیام نهایی ارسال شده به کاربر.

• Merge

* نوع: n8n-nodes-base.merge

* هدف: داده‌ها را از شاخه‌های مختلف گردش کار قبل از تولید پاسخ نهایی ادغام می‌کند.