ساخت سیستم هوشمند توصیه‌گر کارت اعتباری با GPT و تلگرام

ساخت سیستم هوشمند توصیه‌گر کارت اعتباری با GPT و تلگرام

6 دقیقه مطالعه · منتشر شده ۱۴۰۵/۴/۲۶

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: 7714 · منبع: کاتالوگ Axeto

سیستم توصیه‌گر کارت اعتباری مبتنی بر هوش مصنوعی با OpenAI GPT، تلگرام و Google Sheets

این گردش کار از هوش مصنوعی برای ارائه توصیه‌های شخصی‌سازی شده کارت اعتباری استفاده می‌کند. کاربران از طریق تلگرام با سیستم تعامل می‌کنند و به مجموعه‌ای از سوالات پاسخ می‌دهند. پاسخ‌های آن‌ها در Google Sheets ذخیره و مدیریت می‌شود، در حالی که OpenAI GPT پروفایل آن‌ها را تجزیه و تحلیل می‌کند تا مناسب‌ترین کارت‌های اعتباری را پیشنهاد دهد.

این گردش کار و موارد دیگر را در کاتالوگ n8n در Axeto.ai کاوش کنید.

نمای کلی گردش کار

سیستم کاربر را از طریق یک آزمون راهنمایی می‌کند تا عادات مالی و ترجیحات او را درک کند. بر اساس پاسخ‌های او، مجموعه داده‌ای از کارت‌های اعتباری را بازیابی کرده و از OpenAI GPT برای تولید توصیه‌های سفارشی استفاده می‌کند.

گردش کار به مراحل منطقی زیر ساختار یافته است:

1. ورودی کاربر و مدیریت وضعیت: دریافت پیام‌ها از تلگرام، بازیابی یا مقداردهی اولیه داده‌های کاربر از Google Sheets.

2. پردازش پاسخ و به‌روزرسانی وضعیت: پردازش پاسخ‌های کاربر، قالب‌بندی آن‌ها و به‌روزرسانی پروفایل آن‌ها در Google Sheets.

3. پیشرفت آزمون: مدیریت جریان سوالات، تعیین سوال بعدی برای پرسیدن یا پایان دادن به آزمون.

4. آماده‌سازی داده‌ها برای هوش مصنوعی: دریافت داده‌های کارت اعتباری و ادغام آن با پروفایل کاربر.

5. تولید توصیه‌گر هوش مصنوعی: ساخت یک prompt برای OpenAI GPT و بازیابی پیشنهادات کارت اعتباری شخصی‌سازی شده.

6. قالب‌بندی و تحویل خروجی: پاکسازی و قالب‌بندی توصیه‌های هوش مصنوعی برای نمایش در تلگرام.

---

جزئیات گره‌ها

۱. ورودی کاربر و مدیریت وضعیت

این بخش تعامل اولیه با کاربر و بازیابی داده‌های تاریخی او را مدیریت می‌کند.

  • گره‌ها:

* Trigger: Incoming Telegram Message (Telegram Trigger)

* Extract Telegram Message Text (Code)

* Lookup User State (Google Sheet) (Google Sheets - Read)

* Merge Incoming Message with State (Merge)

  • فرآیند:

1. گره Incoming Telegram Message به عنوان نقطه ورود عمل می‌کند و منتظر پیام‌های جدید است.

2. گره Extract Telegram Message Text داده‌های ورودی را تجزیه و تحلیل می‌کند تا محتوای پیام کاربر را جدا کند.

3. Lookup User State (Google Sheet) با استفاده از شناسه کاربر، Google Sheets را جستجو می‌کند تا پروفایل موجود او را پیدا کند. اگر پروفایلی وجود نداشته باشد، داده خالی برمی‌گرداند.

4. گره Merge Incoming Message with State پیام جدید را با هر وضعیت کاربر بازیابی شده ترکیب می‌کند و یک شیء داده یکپارچه برای پردازش بعدی ایجاد می‌کند.

۲. پردازش پاسخ و به‌روزرسانی وضعیت

این مرحله بر روی رسیدگی به پاسخ‌های کاربر و اطمینان از به‌روز بودن پایگاه داده Google Sheet تمرکز دارد.

  • گره‌ها:

* Check if User Exists in DB (If)

* Map & Format Answer for Google Sheet (Code)

* Extract Metadata from Answer (Set)

* Append Full User State for Processing (Code)

* Merge Updated State for Next Step (Merge)

* Carry Forward Previous Answers (Set)

* Update Answer in Google Sheet (Google Sheets - Update)

* Insert New User into Google Sheet (Google Sheets - Append)

  • فرآیند:

1. گره Check if User Exists in DB گردش کار را بر اساس اینکه آیا رکورد کاربری در مرحله قبل پیدا شده است یا خیر، منشعب می‌کند.

2. برای کاربران جدید، گره Map & Format Answer for Google Sheet ورودی را برای ذخیره‌سازی آماده می‌کند.

3. گره Extract Metadata from Answer هر فراداده مرتبطی را به پاسخ کاربر اضافه می‌کند.

4. Append Full User State for Processing پاسخ و فراداده جدید را با وضعیت موجود ترکیب می‌کند.

5. Merge Updated State for Next Step وضعیت به‌روز شده را با سایر جریان‌های داده ادغام می‌کند.

6. Carry Forward Previous Answers تداوم پیشرفت آزمون کاربر را تضمین می‌کند.

7. اگر کاربر وجود داشته باشد، Update Answer in Google Sheet رکورد موجود او را اصلاح می‌کند.

8. اگر کاربر جدید باشد، Insert New User into Google Sheet یک رکورد جدید در پایگاه داده ایجاد می‌کند.

۳. پیشرفت آزمون

این بخش جریان آزمون توصیه‌گر را کنترل می‌کند.

  • گره‌ها:

* Determine Next Quiz Question (Code)

* Check if More Questions Remaining (Switch)

* Is Q7 Answered? (If)

* Get Question Text (Code)

* Send Question (Telegram - Send Message)

  • فرآیند:

1. گره Determine Next Quiz Question وضعیت کاربر را تجزیه و تحلیل می‌کند تا سوال بعدی را تعیین کند یا اینکه آیا آزمون باید پایان یابد.

2. گره Check if More Questions Remaining گردش کار را هدایت می‌کند: یا برای ادامه آزمون یا برای رفتن به مرحله تولید توصیه‌گر.

3. گره Is Q7 Answered? به طور خاص بررسی می‌کند که آیا سوال نهایی پاسخ داده شده است یا خیر، که بر مرحله بعدی تأثیر می‌گذارد.

4. Get Question Text متن واقعی سوال بعدی تعیین شده را بازیابی می‌کند.

5. Send Question سوال را از طریق تلگرام به کاربر تحویل می‌دهد.

۴. آماده‌سازی داده‌ها برای هوش مصنوعی

قبل از تولید توصیه‌ها، این مرحله داده‌های لازم را جمع‌آوری و آماده می‌کند.

  • گره‌ها:

* Fetch Cards (Google Sheets - Read)

* Clean Q1–Q7 Inputs (Set)

* Merge User Profile & Card Dataset (Merge)

  • فرآیند:

1. Fetch Cards اطلاعات کارت اعتباری موجود را از یک Google Sheet می‌خواند.

2. Clean Q1–Q7 Inputs پاسخ‌های کاربر از آزمون را پاکسازی و استاندارد می‌کند.

3. Merge User Profile & Card Dataset داده‌های پاکسازی شده کاربر را با اطلاعات کارت اعتباری ترکیب می‌کند و یک مجموعه داده جامع برای هوش مصنوعی ایجاد می‌کند.

۵. تولید توصیه‌گر هوش مصنوعی

اینجاست که OpenAI GPT برای تولید توصیه‌های شخصی‌سازی شده استفاده می‌شود.

  • گره‌ها:

* Build GPT Prompt with User Profile & Card Data (Code)

* Send Prompt to GPT for Card Matching (@n8n/n8n-nodes-langchain.openAi)

  • فرآیند:

1. گره Build GPT Prompt with User Profile & Card Data یک prompt دقیق می‌سازد که شامل پروفایل کاربر و مجموعه داده کارت اعتباری است.

2. گره Send Prompt to GPT for Card Matching (با استفاده از ادغام LangChain OpenAI) این prompt را به API OpenAI ارسال می‌کند و توصیه‌های تولید شده توسط هوش مصنوعی را دریافت می‌کند.

۶. قالب‌بندی و تحویل خروجی

مرحله نهایی خروجی هوش مصنوعی را برای خوانایی کاربر قالب‌بندی کرده و از طریق تلگرام ارسال می‌کند.

  • گره‌ها:

* Clean GPT Output & Split into Sections (Code)

* Format GPT Card Recommendations for Telegram (Code)

* Send Card Recommendations to Telegram (Telegram - Send Message)

  • فرآیند:

1. Clean GPT Output & Split into Sections پاسخ خام را از GPT تجزیه و تحلیل می‌کند، متن اضافی را حذف کرده و توصیه‌ها را ساختار می‌دهد.

2. Format GPT Card Recommendations for Telegram داده‌های ساختار یافته را به قالبی مناسب برای تلگرام، احتمالاً با استفاده از Markdown، تبدیل می‌کند.

3. Send Card Recommendations to Telegram توصیه‌های نهایی و قالب‌بندی شده را به چت کاربر تحویل می‌دهد.

---

یادداشت‌های فنی

  • وابستگی‌ها: این گردش کار به گره‌هایی از بسته پایه n8n، ادغام‌های Google Sheets و Telegram، و همچنین بسته @n8n/n8n-nodes-langchain برای ادغام OpenAI نیاز دارد.
  • اعتبارنامه‌ها: اطمینان حاصل کنید که اعتبارنامه‌های API معتبر برای Google Sheets و OpenAI، و همچنین یک توکن ربات تلگرام را پیکربندی کرده‌اید.
  • راه‌اندازی Google Sheets: یک Google Sheet برای ذخیره وضعیت کاربر و مجموعه داده کارت اعتباری مورد نیاز است. ساختار این برگه‌ها باید با پیکربندی گره‌ها مطابقت داشته باشد.

Nodeهای استفاده‌شده

سوالات متداول

این گردش کار چگونه به کاربران در انتخاب کارت اعتباری کمک می‌کند؟

این گردش کار با پرسیدن سوالاتی از طریق تلگرام، عادات مالی و ترجیحات کاربر را درک می‌کند. سپس با استفاده از OpenAI GPT، این اطلاعات را تحلیل کرده و بهترین کارت‌های اعتباری را متناسب با نیازهای کاربر پیشنهاد می‌دهد.

چه ابزارهایی برای ساخت این سیستم توصیه‌گر استفاده می‌شود؟

این سیستم از ابزارهای قدرتمندی مانند n8n برای اتوماسیون گردش کار، OpenAI GPT برای تحلیل هوشمندانه پاسخ‌ها، تلگرام برای تعامل با کاربر و Google Sheets برای ذخیره‌سازی و مدیریت داده‌ها استفاده می‌کند.

آیا این گردش کار برای کاربران جدید نیز قابل استفاده است؟

بله، این گردش کار به گونه‌ای طراحی شده است که هم کاربران جدید و هم کاربران قبلی را مدیریت کند. برای کاربران جدید، اطلاعات اولیه را جمع‌آوری و ذخیره می‌کند و برای کاربران قبلی، وضعیت و پاسخ‌های قبلی آن‌ها را در نظر می‌گیرد.

workflowهای مرتبط

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