این گردش کار چگونه به مدیریت ایمیلهای شرکتی کمک میکند؟

این گردش کار با خلاصهسازی خودکار ایمیلهای ورودی، تولید پیشنویس پاسخهای هوشمندانه با استفاده از دانش سازمانی و ارسال آنها برای تأیید انسانی قبل از ارسال، به مدیریت کارآمدتر ایمیلهای شرکتی کمک میکند.

نقش هوش مصنوعی در این گردش کار چیست؟

هوش مصنوعی برای خلاصهسازی محتوای ایمیلهای ورودی و همچنین برای تولید پیشنویس پاسخهای دقیق و مرتبط با استفاده از پایگاه دانش شرکت (از طریق پایگاه داده وکتور) به کار گرفته میشود.

چرا تأیید انسانی در این گردش کار گنجانده شده است؟

تأیید انسانی برای اطمینان از دقت، لحن مناسب و انطباق پاسخهای تولید شده توسط هوش مصنوعی با استانداردهای شرکت قبل از ارسال نهایی ضروری است و کنترل کیفیت را تضمین میکند.

چه ابزارهایی برای ساخت این گردش کار استفاده شده است؟

این گردش کار از نودهای n8n مانند Gmail، IMAP، Markdown، LangChain (برای خلاصهسازی، مدلهای چت و عامل هوش مصنوعی) و پایگاه داده وکتور Qdrant برای بازیابی دانش استفاده میکند.

پاسخ‌دهنده خودکار ایمیل با هوش مصنوعی و گردش کار تأیید

پردازش ایمیل با هوش مصنوعی: پاسخ‌دهنده خودکار با تأیید پاسخ

این گردش کار، رسیدگی به ایمیل‌های ورودی را با خلاصه‌سازی محتوای آن‌ها، تولید پاسخ‌های حرفه‌ای با استفاده از هوش مصنوعی، و هدایت این پاسخ‌ها برای تأیید انسانی قبل از ارسال، خودکار می‌کند. این سیستم برای صندوق‌های ورودی شرکتی طراحی شده است تا ارتباطات را ساده‌سازی کرده و در عین حال کنترل کیفیت را حفظ کند.

کاتالوگ Axeto.ai: گردش کارهای n8n را در Axeto.ai کاوش کنید

نمای کلی گردش کار

این گردش کار پردازش ایمیل را از طریق چندین مرحله کلیدی خودکار می‌کند:

1. دریافت و پیش‌پردازش ایمیل: ایمیل‌های ورودی را از طریق IMAP دریافت کرده و محتوای HTML را به فرمتی سازگارتر با هوش مصنوعی (Markdown/متن ساده) تبدیل می‌کند.

2. خلاصه‌سازی محتوای ایمیل: از هوش مصنوعی برای ایجاد خلاصه‌های مختصر از محتوای ایمیل استفاده می‌کند.

3. تولید پاسخ با قدرت هوش مصنوعی: از یک عامل هوش مصنوعی استفاده می‌کند که از پایگاه داده وکتور (Qdrant) برای بازیابی دانش مرتبط شرکت بهره می‌برد و از پاسخ‌های آگاهانه و دقیق اطمینان حاصل می‌کند.

4. ارسال پیش‌نویس و تأیید انسانی: پیش‌نویس پاسخ تولید شده توسط هوش مصنوعی را به یک آدرس ایمیل تعیین شده برای بررسی و تأیید انسانی ارسال می‌کند. بر اساس نتیجه تأیید، گردش کار یا ایمیل نهایی را ارسال می‌کند یا بررسی بیشتری را آغاز می‌کند.

---

تشریح کامل گردش کار

۱. دریافت و پیش‌پردازش ایمیل

این بخش بر دریافت ایمیل‌های جدید و آماده‌سازی محتوای آن‌ها برای تحلیل هوش مصنوعی تمرکز دارد.

نودها:

* Email Read (IMAP) (تریگر)

* Markdown

جزئیات نود:

* Email Read (IMAP):

* نقش: صندوق ورودی IMAP مشخص شده را برای ایمیل‌های ورودی جدید نظارت می‌کند.

* پیکربندی: با استفاده از اعتبارنامه‌های IMAP برای info@n3witalia.com متصل می‌شود. در این مرحله هیچ فیلتر خاصی اعمال نمی‌شود.

* خروجی: داده‌های ایمیل، از جمله محتوای HTML و فراداده‌های مرتبط را فراهم می‌کند.

* مشکلات احتمالی: خرابی اتصال IMAP یا احراز هویت، مدیریت ایمیل‌های با فرمت نادرست، و تأخیر به دلیل پیوست‌های بزرگ.

* Markdown:

* نقش: فیلد textHtml از ایمیل ورودی را به Markdown یا متن ساده تبدیل می‌کند که معمولاً پردازش آن برای مدل‌های هوش مصنوعی آسان‌تر است.

* پیکربندی: محتوای HTML را از نود IMAP (={{ $json.textHtml }}) به عنوان ورودی دریافت می‌کند.

* خروجی: نسخه متنی ساده محتوای ایمیل.

* مشکلات احتمالی: تبدیل نادرست برای ایمیل‌های با ساختارهای پیچیده HTML یا تصاویر جاسازی شده؛ مشکلات مربوط به محتوای HTML خالی یا گمشده.

۲. خلاصه‌سازی محتوای ایمیل

این مرحله از هوش مصنوعی برای فشرده‌سازی محتوای ایمیل به یک خلاصه کوتاه استفاده می‌کند.

نودها:

* LangChain Summarization Chain

* LangChain OpenAI Chat Model (پیکربندی شده برای DeepSeek R1)

جزئیات نود:

* LangChain Summarization Chain:

* نقش: با استفاده از پرامپت‌های هوش مصنوعی، خلاصه‌ای مختصر (حداکثر ۱۰۰ کلمه) از محتوای ایمیل تولید می‌کند.

* پیکربندی:

* ورودی: متن Markdown از نود Markdown ($json.data).

* پرامپت: به هوش مصنوعی دستور می‌دهد تا در کمتر از ۱۰۰ کلمه و بدون شمارش صریح کلمات خلاصه کند.

* حالت عملیاتی: Node input binary.

* خروجی: متن خلاصه‌شده در یک فیلد پاسخ JSON ارائه می‌شود.

* مشکلات احتمالی: اتمام زمان مدل هوش مصنوعی، داده‌های ورودی ناقص، یا تفسیر نادرست پرامپت.

* LangChain OpenAI Chat Model (DeepSeek R1):

* نقش: قابلیت‌های مدل زبان هوش مصنوعی مورد نیاز زنجیره خلاصه‌سازی را فراهم می‌کند.

* پیکربندی: از مدل deepseek/deepseek-r1:free از طریق اعتبارنامه‌های API OpenRouter استفاده می‌کند.

* خروجی: نتایج خلاصه‌سازی را به LangChain Summarization Chain بازمی‌گرداند.

* مشکلات احتمالی: محدودیت‌های نرخ API، خطاهای احراز هویت، یا عدم دسترسی به مدل.

۳. تولید پاسخ با هوش مصنوعی با بازیابی دانش متنی

این بخش بر ایجاد یک پاسخ ایمیلی مرتبط و آموزنده با گنجاندن دانش خارجی تمرکز دارد.

نودها:

* LangChain Agent (برای نوشتن ایمیل)

* LangChain Vector Store (Qdrant)

* LangChain Embeddings Node (OpenAI)

* LangChain OpenAI Chat Model (پیکربندی شده برای GPT-4o-mini)

* Set (برای ذخیره ایمیل تولید شده)

جزئیات نود:

* LangChain Agent (نوشتن ایمیل):

* نقش: متن پاسخ ایمیل را با فرمت HTML، بر اساس ایمیل خلاصه‌شده و دانش بازیابی‌شده، تولید می‌کند.

* پیکربندی:

* پرامپت ورودی: شامل متن خلاصه‌شده ایمیل است.

* پیام سیستمی: به هوش مصنوعی دستور می‌دهد تا بدنه ایمیل تجاری حرفه‌ای، مختصر (حداکثر ۱۰۰ کلمه) و با فرمت HTML ایجاد کند.

* تجزیه‌کننده خروجی: برای ساختاردهی خروجی هوش مصنوعی فعال شده است.

* ورودی: متن خلاصه‌شده از LangChain Summarization Chain و اسناد مرتبط بازیابی‌شده توسط Qdrant Vector Store.

* خروجی: متن بدنه ایمیل HTML تولید شده.

* مشکلات احتمالی: خطاهای تولید هوش مصنوعی، خروجی HTML با فرمت نادرست، یا تفسیر نادرست پرامپت.

* LangChain Vector Store (Qdrant):

* نقش: اسناد مرتبط را از پایگاه دانش شرکت ذخیره‌شده در Qdrant برای اطلاع‌رسانی به پاسخ هوش مصنوعی بازیابی می‌کند.

* پیکربندی:

* نام مجموعه: به صورت پویا تنظیم شده است (=COLLECTION).

* احراز هویت: از اعتبارنامه‌های API Qdrant استفاده می‌کند.

* ورودی: بردارهای جاسازی شده تولید شده توسط LangChain Embeddings Node (OpenAI).

* خروجی: اسناد مرتبط به عنوان ابزارهایی برای عامل هوش مصنوعی ارائه می‌شوند.

* مشکلات احتمالی: خطاهای API Qdrant، مشکلات مربوط به مجموعه‌های خالی یا گمشده، یا اتمام زمان اتصال شبکه.

* LangChain Embeddings Node (OpenAI):

* نقش: داده‌های متنی را به بردارهای جاسازی شده تبدیل می‌کند و امکان جستجوی شباهت را در پایگاه داده برداری Qdrant فراهم می‌سازد.

* پیکربندی: از اعتبارنامه‌های API OpenAI استفاده می‌کند.

* ورودی: داده‌های متنی از نودهای قبلی.

* خروجی: بردارهای جاسازی شده.

* مشکلات احتمالی: محدودیت‌های نرخ API OpenAI یا متن ورودی نامعتبر.

* LangChain OpenAI Chat Model (GPT-4o-mini):

* نقش: قابلیت‌های اصلی مدل زبان هوش مصنوعی را برای عامل فراهم می‌کند.

* پیکربندی: از مدل GPT-4o-mini با اعتبارنامه‌های API OpenAI استفاده می‌کند.

* ورودی: درخواست‌ها از LangChain Agent.

* خروجی: متن تولید شده توسط هوش مصنوعی.

* مشکلات احتمالی: خطاهای API OpenAI یا محدودیت‌های نرخ.

* Set (اختصاص متغیر ایمیل):

* نقش: متن بدنه ایمیل تولید شده را در متغیری به نام email برای استفاده در نودهای بعدی ذخیره می‌کند.

* پیکربندی: خروجی LangChain Agent (={{ $json.response.text }}) را به متغیر email اختصاص می‌دهد.

* خروجی: یک شیء JSON حاوی فیلد email.

* مشکلات احتمالی: داده‌های ورودی گمشده یا با فرمت نادرست.

۴. ارسال پیش‌نویس و تأیید انسانی

این مرحله نهایی به بررسی و ارسال ایمیل تولید شده توسط هوش مصنوعی می‌پردازد.

نودها:

* Gmail (ارسال و انتظار برای پاسخ)

* If (برای بررسی تأیید)

* Email Send (SMTP)

* Set (برای پردازش مجدد احتمالی)

جزئیات نود:

* Gmail (ارسال پیش‌نویس):

* نقش: پیش‌نویس ایمیل تولید شده توسط هوش مصنوعی را به یک گیرنده تعیین شده برای تأیید ارسال می‌کند. گردش کار تا زمان تصمیم‌گیری تأیید در اینجا متوقف می‌شود.

* پیکربندی:

* گیرنده: YOUR GMAIL ADDRESS (کاربر باید این را جایگزین کند).

* بدنه ایمیل: شامل محتوای HTML ایمیل اصلی و پاسخ تولید شده توسط هوش مصنوعی است.

* موضوع: با پیشوند [Approval Required] مشخص شده است.

* احراز هویت: از اعتبارنامه‌های OAuth2 Gmail استفاده می‌کند.

* حالت عملیاتی: sendAndWait برای توقف گردش کار.

* نوع تأیید: برای تأیید دو مرحله‌ای پیکربندی شده است (نیاز به دو تأیید کننده دارد).

* ورودی: محتوای ایمیل تولید شده و فراداده ایمیل اصلی.

* خروجی: داده‌هایی که وضعیت تأیید را منعکس می‌کنند.

* مشکلات احتمالی: محدودیت‌های نرخ API Gmail، توکن‌های OAuth منقضی شده، یا اتمام زمان تأیید.

* If (تأیید؟):

* نقش: وضعیت تأیید دریافتی از نود Gmail را ارزیابی می‌کند.

* پیکربندی: بررسی می‌کند که آیا فیلد data.approved برابر با true است (={{ $json.data.approved }}).

* خروجی:

* شاخه True: به ارسال ایمیل نهایی ادامه می‌دهد.

* شاخه False: گردش کار را برای بررسی بیشتر یا مداخله دستی هدایت می‌کند.

* مشکلات احتمالی: داده‌های تأیید گمشده یا با فرمت نادرست.

* Email Send (SMTP):

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

* پیکربندی:

* موضوع: Re: {{ original email subject }}.

* به: آدرس ایمیل فرستنده اصلی.

* از: آدرس ایمیل گیرنده اصلی (مثلاً info@n3witalia.com).

* بدنه ایمیل: محتوای HTML تولید شده توسط LangChain Agent.

* احراز هویت: از اعتبارنامه‌های SMTP برای info@n3witalia.com استفاده می‌کند.

* ورودی: محتوای ایمیل تأیید شده و فراداده ایمیل اصلی.

* خروجی: تأیید ارسال موفقیت‌آمیز ایمیل.

* مشکلات احتمالی: خطاهای سرور SMTP یا آدرس‌های ایمیل گیرنده نامعتبر.

* Set (استفاده دوم):

* نقش: در شاخه "false" نود If استفاده می‌شود. بسته به پیکربندی خاص آن در شاخه false، می‌تواند برای تنظیم یا بازنشانی محتوای ایمیل برای پردازش بیشتر، ویرایش دستی، یا اهداف ثبت استفاده شود.

* ورودی/خروجی: عملکرد مشابه نود Set قبلی، بسته به پیکربندی خاص آن در شاخه false.

---

جدول خلاصه

نام نود (Node Name)	نوع نود (Node Type)	نقش عملکردی (Functional Role)	نود ورودی (Input Node(s))	نود خروجی (Output Node(s))	یادداشت چسبان (Sticky Note)
`Email Read (IMAP)`	Email Read (IMAP) Trigger	گوش دادن به ایمیل‌های ورودی جدید	N/A	`Markdown`	گردش کار ایمیل شرکتی را از طریق IMAP مدیریت می‌کند.
`Markdown`	Markdown Conversion	تبدیل ایمیل HTML به Markdown/متن ساده	`Email Read (IMAP)`	`LangChain Summarization Chain`	ایمیل را به فرمت Markdown برای درک بهتر توسط مدل‌های LLM تبدیل کنید.
`LangChain OpenAI Chat Model`	LangChain OpenAI Chat Model	ارائه مدل هوش مصنوعی برای خلاصه‌سازی	`LangChain Summarization Chain`	`LangChain Summarization Chain`	زنجیره‌ای که ایمیل دریافتی را خلاصه می‌کند.
`LangChain Summarization Chain`	LangChain Summarization Chain	خلاصه‌سازی مختصر محتوای ایمیل	`Markdown`	`Set` (Assign email variable)	زنجیره‌ای که ایمیل دریافتی را خلاصه می‌کند.
`Set` (Assign email variable)	Set Node	اختصاص متن خلاصه شده به متغیر `email`	`LangChain Summarization Chain`	`LangChain Agent`
`LangChain Agent` (Write email)	LangChain Agent	تولید پاسخ ایمیل حرفه‌ای در قالب HTML	`Set` (Assign email variable), `Qdrant Vector Store`	`Gmail`	عامل اطلاعات تجاری را از پایگاه داده وکتور بازیابی کرده و پاسخ را پردازش می‌کند.
`LangChain Embeddings Node`	LangChain Embeddings Node	ایجاد بردارهای جاسازی (embeddings) برای بازیابی دانش	`LangChain Agent`	`Qdrant Vector Store`
`Qdrant Vector Store`	LangChain Vector Store (Qdrant)	بازیابی اسناد دانش مرتبط شرکت	`LangChain Embeddings Node`	`LangChain Agent`
`LangChain OpenAI Chat Model`	LangChain OpenAI Chat Model	ارائه مدل هوش مصنوعی برای عامل (Agent)	`LangChain Agent`	`LangChain Agent`
`Gmail` (Send Draft)	Gmail Node (Send and Wait)	ارسال پیش‌نویس برای تأیید و انتظار برای پاسخ	`LangChain Agent`, `Email Read (IMAP)`	`If`	جریان اصلی: مرحله مقدماتی برای ایجاد پایگاه داده وکتور و توکن‌سازی اسناد.
`If` (Approve?)	If Node	بررسی وضعیت تأیید (اگر `data.approved` درست باشد)	`Gmail`	`Email Send` (True), `Set` (False)
`Email Send` (SMTP)	Email Send (SMTP)	ارسال ایمیل نهایی تأیید شده به فرستنده اصلی	`Gmail`, `LangChain Agent`	Confirmation
`Set` (for re-processing)	Set Node	مدیریت منطق برای پاسخ‌های تأیید نشده	`If`	(پردازش بیشتر یا بازبینی دستی)	در شاخه نادرست تأیید برای تنظیم یا بازنشانی محتوای ایمیل برای پردازش بیشتر یا ویرایش دستی استفاده می‌شود.

پاسخ‌دهنده خودکار ایمیل با هوش مصنوعی و گردش کار تأیید

دانلود workflow

پردازش ایمیل با هوش مصنوعی: پاسخ‌دهنده خودکار با تأیید پاسخ

نمای کلی گردش کار

تشریح کامل گردش کار

۱. دریافت و پیش‌پردازش ایمیل

۲. خلاصه‌سازی محتوای ایمیل

۳. تولید پاسخ با هوش مصنوعی با بازیابی دانش متنی

۴. ارسال پیش‌نویس و تأیید انسانی

جدول خلاصه

Nodeهای استفاده‌شده

سوالات متداول

workflowهای مرتبط