پاسخ‌دهنده خودکار ایمیل با هوش مصنوعی و RAG

پاسخ‌دهنده خودکار ایمیل با هوش مصنوعی و RAG

14 دقیقه مطالعه · منتشر شده ۱۴۰۵/۴/۱۸

دانلود workflow

فایل JSON آماده import در n8n — credentialها باید در n8n شما تنظیم شوند.

  1. فایل JSON را دانلود کنید.
  2. در n8n: Workflows → Import from File.
  3. Credentialهای هر node را متصل کنید.
  4. workflow را فعال کنید.

شناسه workflow: 4748 · منبع: کاتالوگ Axeto

سیستم پاسخ‌دهنده خودکار ایمیل با هوش مصنوعی: عامل RAG هوش مصنوعی برای صندوق ورودی ایمیل

این گردش کار با استفاده از هوش مصنوعی برای درک پرس‌وجوها، بازیابی اطلاعات مرتبط از پایگاه دانش و ایجاد پاسخ‌های هوشمند، پاسخ‌دهی به ایمیل‌ها را خودکار می‌کند. این سیستم به عنوان یک دستیار ایمیل مبتنی بر هوش مصنوعی عمل کرده و کارایی پشتیبانی و ارتباطات را بهبود می‌بخشد.

دسته‌بندی‌ها: پشتیبانی، هوش مصنوعی

کاتالوگ Axeto: https://axeto.ai/n8n

---

۱. نمای کلی گردش کار

گردش کار سیستم پاسخ‌دهنده خودکار ایمیل با هوش مصنوعی - عامل RAG هوش مصنوعی برای صندوق ورودی ایمیل فرآیند دریافت ایمیل‌ها، تجزیه و تحلیل محتوای آن‌ها با هوش مصنوعی، جستجوی اطلاعات مرتبط در فروشگاه‌های برداری (vector stores) و ایجاد پاسخ‌های هوشمند را خودکار می‌کند. این سیستم به عنوان یک دستیار ایمیل مبتنی بر هوش مصنوعی طراحی شده است که پرس‌وجوها را درک می‌کند، زمینه را استخراج می‌کند، پایگاه دانش را جستجو می‌کند و به طور مناسب از طریق Gmail پاسخ می‌دهد.

گردش کار را می‌توان به صورت منطقی به بلوک‌های عملکردی زیر تقسیم کرد:

  • ۱.۱ دریافت ورودی: گوش دادن به ایمیل‌های ورودی و محرک‌های گردش کار خارجی، و بارگیری داده‌های جدید از Google Drive هنگام به‌روزرسانی.
  • ۱.۲ پردازش محتوای ایمیل: آماده‌سازی و طبقه‌بندی محتوای ایمیل ورودی، و تعیین اینکه آیا حاوی سوال است یا خیر.
  • ۱.۳ بازیابی دانش و استدلال هوش مصنوعی: استفاده از فروشگاه‌های برداری (vector stores) و مدل‌های زبان هوش مصنوعی برای جستجوی اطلاعات مرتبط و تولید پاسخ‌ها.
  • ۱.۴ ترکیب و ارسال پاسخ: نوشتن پاسخ نهایی با استفاده از عوامل هوش مصنوعی و ارسال پاسخ از طریق Gmail.
  • ۱.۵ نگهداری پایگاه دانش: بارگیری و پردازش اسناد از Google Drive در یک فروشگاه برداری (vector store) برای بازیابی اطلاعات به‌روز.

---

۲. تحلیل گره به گره

۲.۱ دریافت ورودی

این بخش مسئول دریافت اولیه اطلاعات است، چه از طریق ایمیل‌های جدید، به‌روزرسانی‌های Google Drive، یا تریگرهای گردش کار خارجی.

  • Gmail Trigger

* نوع: n8n-nodes-base.gmailTrigger

* نقش: صندوق ورودی Gmail را برای ایمیل‌های ورودی جدید نظارت می‌کند.

* پیکربندی: تنظیمات پیش‌فرض برای دریافت تمام ایمیل‌های ورودی.

* ورودی: رویداد ایمیل جدید.

* خروجی: داده‌های ایمیل را برای پردازش به گره "Set Data" ارسال می‌کند.

* خطاهای احتمالی: خطاهای احراز هویت API Gmail، محدودیت‌های سهمیه، قطع اتصال.

  • Google Drive Trigger

* نوع: n8n-nodes-base.googleDriveTrigger

* نقش: تغییرات (فایل‌های جدید، به‌روزرسانی‌ها) را در پوشه مشخص شده Google Drive تشخیص می‌دهد.

* پیکربندی: تنظیمات پیش‌فرض، نظارت بر پوشه‌ها یا فایل‌های مشخص نشده.

* ورودی: رویداد تغییر فایل Google Drive.

* خروجی: گره "Google Drive" را برای دریافت فایل‌های به‌روز شده فعال می‌کند.

* خطاهای احتمالی: خطاهای احراز هویت API Drive، مسائل مربوط به مجوز دسترسی به فایل.

  • Google Drive

* نوع: n8n-nodes-base.googleDrive

* نقش: اسناد را از Google Drive هنگام فعال شدن بازیابی می‌کند.

* پیکربندی: اسناد را بر اساس رویداد دریافتی از "Google Drive Trigger" دریافت می‌کند.

* ورودی: رویداد فعال‌سازی از "Google Drive Trigger".

* خروجی: داده‌های سند را برای بخش نگهداری پایگاه دانش جهت نمایه‌سازی ارسال می‌کند.

* خطاهای احتمالی: فایل یافت نشد، دسترسی رد شد، قطع اتصال API.

  • When Executed by Another Workflow

* نوع: n8n-nodes-base.execute (به طور ضمنی، این به تریگر "Execute Workflow" اشاره دارد)

* نقش: هنگام فعال شدن این گردش کار توسط یک گردش کار n8n دیگر، داده‌های ورودی را دریافت می‌کند.

* پیکربندی: برای پذیرش داده‌ها از فراخوانی‌های گردش کار خارجی پیکربندی شده است.

* ورودی: داده‌ها از یک گردش کار n8n خارجی.

* خروجی: داده‌های دریافتی را به گره "Notion" ارسال می‌کند.

* خطاهای احتمالی: خطاهای فراخوانی گردش کار، عدم تطابق پارامترها.

  • Notion

* نوع: n8n-nodes-base.notion

* نقش: با پایگاه‌های داده Notion تعامل دارد، به طور بالقوه داده‌ها را می‌خواند یا تجمیع می‌کند.

* پیکربندی: پارامترهایی برای خواندن یا تجمیع داده‌های Notion (جزئیات بسته به پیاده‌سازی متفاوت است).

* ورودی: داده‌ها از گره "When Executed by Another Workflow".

* خروجی: داده‌های پردازش شده را به گره "Aggregate" ارسال می‌کند.

* خطاهای احتمالی: خطاهای API Notion، مسائل مربوط به احراز هویت.

  • Aggregate

* نوع: n8n-nodes-base.aggregate

* نقش: داده‌ها را از منابع مختلف، مانند Notion، برای پردازش یکپارچه تجمیع می‌کند.

* پیکربندی: تنظیمات برای تجمیع داده‌ها.

* ورودی: داده‌ها از گره "Notion".

* خروجی: داده‌های تجمیع شده را به گره "Edit Fields" ارسال می‌کند.

* خطاهای احتمالی: ناسازگاری فرمت داده.

  • Edit Fields

* نوع: n8n-nodes-base.set

* نقش: فیلدهای خاصی را در ساختار داده اصلاح یا تنظیم می‌کند.

* پیکربندی: قوانین برای ویرایش یا تنظیم فیلدهای داده.

* ورودی: داده‌های تجمیع شده.

* خروجی: داده‌های پردازش شده را به بخش‌های پردازش بعدی تغذیه می‌کند.

* خطاهای احتمالی: خطاهای عبارت، ارجاعات فیلد نامعتبر.

۲.۲ پردازش محتوای ایمیل

این بخش بر آماده‌سازی محتوای ایمیل و تعیین اینکه آیا نیاز به پاسخ تولید شده توسط هوش مصنوعی دارد، تمرکز دارد.

  • Set Data

* نوع: n8n-nodes-base.set

* نقش: داده‌های ایمیل ورودی را برای تجزیه و تحلیل هوش مصنوعی ساختاربندی و قالب‌بندی می‌کند.

* پیکربندی: ساختار داده و فیلدها را برای پردازش هوش مصنوعی تعریف می‌کند.

* ورودی: داده‌های ایمیل از "Gmail Trigger".

* خروجی: داده‌های قالب‌بندی شده را به گره "Check if Question" ارسال می‌کند.

* خطاهای احتمالی: نگاشت داده نادرست، فیلدهای گمشده.

  • Check if Question

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

* نقش: از یک مدل زبان برای تجزیه و تحلیل متن ایمیل و طبقه‌بندی اینکه آیا حاوی سوال است، استفاده می‌کند.

* پیکربندی: با یک پرامپت و یک مدل هوش مصنوعی (مانند OpenAI) برای انجام طبقه‌بندی پیکربندی شده است.

* ورودی: داده‌های ایمیل آماده شده.

* خروجی: نتیجه طبقه‌بندی (سوال/غیر سوال) را به گره "If" ارسال می‌کند.

* خطاهای احتمالی: قطع اتصال مدل هوش مصنوعی، ورودی مبهم، خطاهای API.

  • OpenAI Chat Model2

* نوع: @n8n/n8n-nodes-langchain.chainLlm (یا گره LLM مشابه)

* نقش: قابلیت‌های استنتاج هوش مصنوعی را برای گره "Check if Question" فراهم می‌کند.

* پیکربندی: به API چت OpenAI متصل می‌شود.

* ورودی: متن ایمیل یا پرامپت مشتق شده از "Check if Question".

* خروجی: طبقه‌بندی یا تجزیه و تحلیل تولید شده توسط هوش مصنوعی.

* خطاهای احتمالی: محدودیت‌های API، خطاهای احراز هویت.

  • If

* نوع: n8n-nodes-base.if

* نقش: مسیر اجرای گردش کار را بر اساس اینکه آیا ایمیل به عنوان سوال شناسایی شده است، کنترل می‌کند.

* پیکربندی: یک عبارت شرطی بر اساس خروجی "Check if Question".

* ورودی: نتیجه از "Check if Question".

* خروجی: اگر درست باشد (سوال است)، به بخش بازیابی دانش ادامه می‌دهد؛ در غیر این صورت، ممکن است تولید پاسخ هوش مصنوعی را رد کند.

* خطاهای احتمالی: پیکربندی نادرست عبارت منطقی.

۲.۳ بازیابی دانش و استدلال هوش مصنوعی

این بخش مسئول پرس و جو از پایگاه دانش و استفاده از هوش مصنوعی برای تدوین پاسخ است.

  • Search Information

* نوع: @n8n/n8n-nodes-langchain.agent

* نقش: یک عامل هوش مصنوعی که از ابزارها (مانند جستجوی فروشگاه برداری) برای یافتن اطلاعات مرتبط و تولید پاسخ استفاده می‌کند.

* پیکربندی: با ابزارهای موجود و یک LLM پیکربندی شده است.

* ورودی: متن سوال ایمیل، زمینه از حافظه، و خلاصه برند.

* خروجی: پاسخ تولید شده توسط هوش مصنوعی را به گره "Response writer" ارسال می‌کند.

* خطاهای احتمالی: خطاهای API، قطع اتصال فروشگاه برداری، زمینه ناقص.

  • Simple Memory

* نوع: n8n-nodes-base.stickyNote (این گره اغلب برای مدیریت حافظه/وضعیت ساده استفاده می‌شود)

* نقش: تاریخچه مکالمه را برای ارائه زمینه به عوامل هوش مصنوعی حفظ می‌کند.

* پیکربندی: تنظیمات برای اندازه بافر حافظه و ذخیره‌سازی داده‌ها.

* ورودی: تاریخچه مکالمه و ورودی‌های جدید.

* خروجی: زمینه غنی شده را به عامل "Search Information" ارائه می‌دهد.

* خطاهای احتمالی: سرریز حافظه، از دست دادن داده.

  • Get Brand brief

* نوع: (احتمالاً یک گره سفارشی یا فراخوانی گردش کار فرعی)

* نقش: اطلاعات خاص برند را برای غنی‌سازی زمینه هوش مصنوعی بازیابی می‌کند.

* پیکربندی: برای دریافت داده‌های مرتبط با برند طراحی شده است.

* ورودی: در طول اجرای ابزار عامل "Search Information" فعال می‌شود.

* خروجی: متن خلاصه برند یا داده‌ها برای زمینه هوش مصنوعی.

* خطاهای احتمالی: خطاهای گردش کار فرعی، داده‌های گمشده.

  • OpenAI Chat Model

* نوع: @n8n/n8n-nodes-langchain.chainLlm (یا گره LLM مشابه)

* نقش: به عنوان مدل زبان اصلی برای درک پرس و جو و تولید پاسخ در عامل عمل می‌کند.

* پیکربندی: به API چت OpenAI متصل می‌شود.

* ورودی: پرامپت‌ها از عامل "Search Information" و سایر اجزا.

* خروجی: متن تولید شده توسط هوش مصنوعی را به ابزارها و عوامل بعدی ارسال می‌کند.

* خطاهای احتمالی: سهمیه API، خطای احراز هویت.

  • Pinecone Vector Store1

* نوع: (احتمالاً یک گره سفارشی یا یکپارچه‌سازی خاص فروشگاه برداری)

* نقش: به یک شاخص Pinecone برای جستجوی معنایی متصل می‌شود.

* پیکربندی: کلید API Pinecone و جزئیات شاخص.

* ورودی: جاسازی‌های تولید شده توسط "Embeddings OpenAI".

* خروجی: قطعات سند مرتبط را به گره "Answer questions with a vector store" ارائه می‌دهد.

* خطاهای احتمالی: خطاهای شبکه، مسائل مربوط به سازگاری شاخص.

  • Embeddings OpenAI

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

* نقش: داده‌های متنی را با استفاده از مدل‌های OpenAI به جاسازی‌های برداری تبدیل می‌کند.

* پیکربندی: کلید API OpenAI برای جاسازی‌ها.

* ورودی: داده‌های متنی از اسناد یا پرس و جوها.

* خروجی: جاسازی‌های برداری برای ذخیره‌سازی در Pinecone یا برای پرس و جو.

* خطاهای احتمالی: خطاهای API، محدودیت نرخ.

  • Answer questions with a vector store

* نوع: @n8n/n8n-nodes-langchain.vectorStore (یا گره ابزار مشابه)

* نقش: یک ابزار Langchain که بازیابی فروشگاه برداری را با قابلیت‌های LLM برای پاسخ به سوالات ترکیب می‌کند.

* پیکربندی: از اسناد بازیابی شده و یک LLM برای تدوین پاسخ‌ها استفاده می‌کند.

* ورودی: جاسازی‌ها و پرامپت‌های هوش مصنوعی.

* خروجی: پاسخ‌های اصلاح شده را به عامل "Search Information" ارسال می‌کند.

* خطاهای احتمالی: داده‌های نامطابق، نتایج جستجوی خالی.

  • OpenAI Chat Model1

* نوع: @n8n/n8n-nodes-langchain.chainLlm (یا گره LLM مشابه)

* نقش: با پردازش نتایج از فروشگاه برداری، ساختار پاسخ را پشتیبانی می‌کند.

* پیکربندی: به API چت OpenAI متصل می‌شود.

* ورودی: زمینه دریافتی از ابزار فروشگاه برداری.

* خروجی: پاسخ‌های اصلاح شده را به گره "Answer questions with a vector store" ارسال می‌کند.

* خطاهای احتمالی: خطاهای API یا عبارت.

  • OpenAI Chat Model3

* نوع: @n8n/n8n-nodes-langchain.chainLlm (یا گره LLM مشابه)

* نقش: متن خروجی را در طول مرحله نوشتن پاسخ نهایی می‌کند.

* پیکربندی: به API چت OpenAI متصل می‌شود.

* ورودی: پاسخ پردازش شده از عامل "Response writer".

* خروجی: متن نهایی پاسخ ایمیل.

* خطاهای احتمالی: محدودیت‌های API، پرامپت‌های بدشکل.

۲.۴ ترکیب و ارسال پاسخ

این بخش محتوای تولید شده توسط هوش مصنوعی را به یک ایمیل نهایی قالب‌بندی کرده و آن را ارسال می‌کند.

  • Response writer

* نوع: @n8n/n8n-nodes-langchain.agent

* نقش: پاسخی قابل فهم و حرفه‌ای را از اطلاعات تولید شده توسط هوش مصنوعی ایجاد می‌کند.

* پیکربندی: یک عامل هوش مصنوعی پیکربندی شده برای تولید و قالب‌بندی متن.

* ورودی: پاسخ از "Search Information" و خروجی‌های مدل‌های زبان.

* خروجی: محتوای نهایی ایمیل را به گره "Gmail" ارسال می‌کند.

* خطاهای احتمالی: قطع اتصال مدل، داده‌های ناقص.

  • Gmail

* نوع: n8n-nodes-base.gmail

* نقش: پاسخ ایمیل ترکیب شده را به فرستنده اصلی ارسال می‌کند.

* پیکربندی: از اعتبارنامه‌های OAuth2 برای دسترسی به حساب Gmail استفاده می‌کند.

* ورودی: محتوای ایمیل از گره "Response writer".

* خروجی: پاسخ ایمیل را ارسال می‌کند.

* خطاهای احتمالی: خطاهای احراز هویت، محدودیت‌های سهمیه، آدرس‌های ایمیل نامعتبر.

۲.۵ نگهداری پایگاه دانش

این بخش فرآیند ورود، تقسیم‌بندی، جاسازی و ذخیره‌سازی اسناد در پایگاه داده برداری را مدیریت می‌کند.

  • Default Data Loader

* نوع: (احتمالاً یک گره سفارشی یا یکپارچه‌سازی بارگذار سند Langchain)

* نقش: محتوای سند را از فایل‌های دریافت شده از Google Drive بارگیری می‌کند.

* پیکربندی: تنظیمات برای بارگیری فرمت‌های مختلف سند.

* ورودی: فایل‌های به دست آمده از گره "Google Drive".

* خروجی: محتوای سند را به "Recursive Character Text Splitter" ارسال می‌کند.

* خطاهای احتمالی: خطاهای تجزیه فایل، فرمت‌های پشتیبانی نشده.

  • Recursive Character Text Splitter

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

* نقش: اسناد بزرگ را به قطعات کوچکتر و قابل مدیریت برای جاسازی کارآمد تقسیم می‌کند.

* پیکربندی: پارامترهای اندازه قطعه و همپوشانی را تعریف می‌کند.

* ورودی: متن سند بارگیری شده.

* خروجی: قطعات متن کوچکتر که به "Embeddings OpenAI1" ارسال می‌شوند.

* خطاهای احتمالی: خطاهای منطق تقسیم‌بندی، تولید قطعات خالی.

  • Embeddings OpenAI1

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

* نقش: جاسازی‌های برداری را برای قطعات متن تولید می‌کند.

* پیکربندی: کلید API OpenAI برای جاسازی‌ها.

* ورودی: قطعات متن از تقسیم‌کننده متن.

* خروجی: جاسازی‌ها را به "Pinecone Vector Store" ارائه می‌دهد.

* خطاهای احتمالی: محدودیت‌های نرخ API، ورودی بدشکل.

  • Pinecone Vector Store

* نوع: (احتمالاً یک گره سفارشی یا یکپارچه‌سازی خاص فروشگاه برداری)

* نقش: جاسازی‌های سند تولید شده را در یک شاخص برداری Pinecone ذخیره می‌کند.

* پیکربندی: کلید API Pinecone و جزئیات شاخص.

* ورودی: جاسازی‌ها از "Embeddings OpenAI1".

* خروجی: شاخص برداری را به‌روز می‌کند و اسناد را قابل جستجو می‌سازد.

* خطاهای احتمالی: خطاهای شبکه، مسائل مربوط به شاخص برداری.

---

۳. جدول خلاصه

نام نود (Node Name)نوع نود (Node Type)نقش عملکردی (Functional Role)نود(های) ورودی (Input Node(s))نود(های) خروجی (Output Node(s))
Gmail Triggern8n-nodes-base.gmailTriggerنظارت بر ایمیل‌های دریافتی-Set Data
Google Drive Triggern8n-nodes-base.googleDriveTriggerتشخیص تغییرات در Google Drive-Google Drive
Google Driven8n-nodes-base.googleDriveبازیابی اسناد از Google DriveGoogle Drive TriggerDefault Data Loader
When Executed by Another Workflown8n-nodes-base.execute (Trigger)دریافت فراخوانی از ورک‌فلوهای خارجی-Notion
Notionn8n-nodes-base.notionتعامل با پایگاه‌های داده NotionWhen Executed by Another WorkflowAggregate
Aggregaten8n-nodes-base.aggregateتجمیع داده‌ها از منابع متعددNotionEdit Fields
Edit Fieldsn8n-nodes-base.setاصلاح فیلدهای دادهAggregate(به بلوک‌های پردازش بعدی)
Set Datan8n-nodes-base.setفرمت‌بندی داده‌های ایمیل برای هوش مصنوعیGmail TriggerCheck if Question
Check if Question@n8n/n8n-nodes-langchain.chainLlmطبقه‌بندی ایمیل به عنوان سوال یا غیر سوالSet DataIf
OpenAI Chat Model2@n8n/n8n-nodes-langchain.chainLlmمدل هوش مصنوعی برای طبقه‌بندی سوالCheck if QuestionCheck if Question
Ifn8n-nodes-base.ifانشعاب شرطیCheck if Question(به بازیابی دانش یا مسیرهای دیگر)
Search Information@n8n/n8n-nodes-langchain.agentعامل هوش مصنوعی برای بازیابی دانش و استدلالEmail question, Simple Memory, Get Brand briefResponse writer
Simple Memoryn8n-nodes-base.stickyNoteمدیریت تاریخچه مکالمه(تعاملات قبلی)Search Information
Get Brand brief(Custom/Sub-workflow)بازیابی زمینه مخصوص برندSearch Information (as a tool)Search Information
OpenAI Chat Model@n8n/n8n-nodes-langchain.chainLlmمدل اصلی LLM برای وظایف عاملSearch InformationSearch Information (via tools)
Pinecone Vector Store1(Vector Store Integration)اتصال به Pinecone برای جستجوEmbeddings OpenAIAnswer questions with a vector store
Embeddings OpenAI@n8n/n8n-nodes-langchain.embeddingsتولید امبدینگ‌های متن(اسناد/پرس‌وجوها)Pinecone Vector Store1
Answer questions with a vector store@n8n/n8n-nodes-langchain.vectorStoreبازیابی اطلاعات از فروشگاه برداری و LLMEmbeddings, AI promptsSearch Information
OpenAI Chat Model1@n8n/n8n-nodes-langchain.chainLlmLLM برای پردازش نتایج فروشگاه برداریVector store tool contextAnswer questions with a vector store
OpenAI Chat Model3@n8n/n8n-nodes-langchain.chainLlmLLM برای پالایش نهایی پاسخResponse writerResponse writer
Response writer@n8n/n8n-nodes-langchain.agentساخت پاسخ نهایی ایمیلSearch Information, LLM outputsGmail
Gmailn8n-nodes-base.gmailارسال پاسخ ایمیلResponse writer(ایمیل ارسال شد)
Default Data Loader(Document Loader Integration)بارگذاری اسناد از فایل‌هاGoogle DriveRecursive Character Text Splitter
Recursive Character Text Splitter@n8n/n8n-nodes-langchain.textSplitterتقسیم اسناد به قطعاتDefault Data LoaderEmbeddings OpenAI1
Embeddings OpenAI1@n8n/n8n-nodes-langchain.embeddingsتولید امبدینگ برای قطعات سندRecursive Character Text SplitterPinecone Vector Store
Pinecone Vector Store(Vector Store Integration)ذخیره امبدینگ‌های سند در PineconeEmbeddings OpenAI1(به‌روزرسانی شاخص برداری)

Nodeهای استفاده‌شده

سوالات متداول

این گردش کار چگونه به بهبود کارایی پشتیبانی کمک می‌کند؟

این گردش کار با خودکارسازی پاسخ‌دهی به ایمیل‌ها، زمان پاسخ‌دهی را کاهش داده و به تیم پشتیبانی اجازه می‌دهد تا بر روی مسائل پیچیده‌تر تمرکز کنند. همچنین با ارائه پاسخ‌های دقیق و مرتبط، رضایت مشتری را افزایش می‌دهد.

تکنیک RAG در این گردش کار به چه معناست؟

RAG مخفف Retrieval-Augmented Generation است. در این گردش کار، هوش مصنوعی ابتدا اطلاعات مرتبط را از یک پایگاه دانش (مانند اسناد Google Drive یا Notion) بازیابی می‌کند و سپس از این اطلاعات برای تولید یک پاسخ دقیق و متنی استفاده می‌کند.

چه ابزارهایی در این گردش کار برای پردازش ایمیل و پایگاه دانش استفاده می‌شود؟

این گردش کار از گره‌های Gmail برای دریافت و ارسال ایمیل، گره‌های Google Drive و Notion برای مدیریت پایگاه دانش، و گره‌های هوش مصنوعی مانند Langchain Agent و LLM برای پردازش زبان و تولید پاسخ استفاده می‌کند.

workflowهای مرتبط

این workflow در کاتالوگ Axeto.ai بایگانی شده است. لایسنس اصلی متعلق به سازنده workflow است.