
ساخت خودکار تیکت Jira از ایمیل با هوش مصنوعی Llama 3.2
10 دقیقه مطالعه · منتشر شده ۱۴۰۵/۴/۲۶
دانلود workflow
فایل JSON آماده import در n8n — credentialها باید در n8n شما تنظیم شوند.
- فایل JSON را دانلود کنید.
- در n8n: Workflows → Import from File.
- Credentialهای هر node را متصل کنید.
- workflow را فعال کنید.
شناسه workflow: 5473 · منبع: کاتالوگ Axeto
ایجاد تیکت Jira از ایمیل با هوش مصنوعی و Llama 3.2
این گردش کار، تبدیل ایمیلهای دریافتی به تیکتهای ساختاریافته Jira را با استفاده از درک زبان طبیعی مبتنی بر هوش مصنوعی خودکار میکند. این گردش کار برای تیمهایی طراحی شده است که درخواستهای کاری یا گزارشهای اشکال را از طریق ایمیل دریافت میکنند و میخواهند با ایجاد خودکار تیکتهای اصلی Jira و وظایف فرعی مربوطه، ردیابی مسائل خود را سادهتر کنند.
این گردش کار و سایر گردش کارهای اتوماسیون قدرتمند را در کاتالوگ Axeto کاوش کنید: https://axeto.ai/n8n
نمای کلی گردش کار
گردش کار به صورت منطقی به بلوکهای زیر تقسیم میشود:
1. دریافت ایمیل و بازیابی محتوا: به صورت دورهای Gmail را برای یافتن ایمیلهای جدید از فرستنده مشخصی بررسی کرده و محتوای کامل آنها را بازیابی میکند.
2. تحلیل ایمیل با هوش مصنوعی و استخراج وظایف: از Llama 3.2 از طریق یک عامل LangChain برای تحلیل محتوای ایمیل، دستهبندی آن (ویژگی/مشکل)، خلاصهسازی تیکت اصلی و استخراج وظایف فرعی در قالبی ساختاریافته JSON استفاده میکند.
3. تجزیه JSON و آمادهسازی دادهها: خروجی خام JSON هوش مصنوعی را پاکسازی و تجزیه کرده، سپس وظایف فرعی را به آیتمهای جداگانه برای پردازش تقسیم میکند.
4. ایجاد تیکت Jira: یک تیکت اصلی Jira را بر اساس خلاصه هوش مصنوعی ایجاد کرده و متعاقباً تمام وظایف فرعی مرتبط را که به تیکت اصلی پیوند داده شدهاند، ایجاد میکند.
5. هماهنگی و همگامسازی: از گرههای انتظار (Wait nodes) برای اطمینان از اجرای متوالی و مدیریت وابستگیها بین پردازش هوش مصنوعی و ایجاد تیکت Jira استفاده میکند.
تشریح جزئیات نودها
۱. دریافت ایمیل و بازیابی محتوا
این بخش به صورت دورهای برای بررسی ایمیلهای جدید از فرستنده پیکربندی شده فعال میشود و محتوای کامل آنها را برای پردازش توسط هوش مصنوعی بازیابی میکند.
- نودها:
* Check for New Emails (Gmail Trigger)
* Fetch Full Email Content (Gmail Node)
- جزئیات نود:
* Check for New Emails
* نوع: n8n-nodes-base.gmailTrigger
* نقش: هر ۵ دقیقه Gmail را بررسی میکند و ایمیلهای ارسالی از یک فرستنده مشخص را فیلتر میکند.
* پیکربندی: از اعتبارنامه OAuth2 "Gmail account - test" استفاده میکند. بر اساس ایمیل فرستنده فیلتر میکند.
* ورودی: ندارد (نود تریگر).
* خروجی: متادیتای ایمیلهای جدید، از جمله شناسه پیام (message ID) را منتشر میکند.
* نسخه: ۱.۲
* مشکلات احتمالی: محدودیتهای نرخ API Gmail، عدم وجود ایمیل مطابق، خطاهای احراز هویت.
* Fetch Full Email Content
* نوع: n8n-nodes-base.gmail
* نقش: با استفاده از شناسه پیام (message ID)، محتوای کامل یک ایمیل را بازیابی میکند.
* پیکربندی: عملیات روی "get" تنظیم شده و messageId به صورت پویا از خروجی تریگر (={{ $json.id }}) تنظیم میشود.
* اعتبارنامهها: از همان اعتبارنامه OAuth2 "Gmail account - test" استفاده میکند.
* ورودی: خروجی Check for New Emails.
* خروجی: محتوای کامل ایمیل (بدنه، فرستنده، موضوع و غیره).
* نسخه: ۲.۱
* مشکلات احتمالی: شناسه پیام نامعتبر یا حذف شده، خطاهای API Gmail، محتوای ایمیل خالی.
۲. تحلیل ایمیل با هوش مصنوعی و استخراج وظایف
این بخش متن خام ایمیل را با استفاده از یک مدل زبانی پردازش میکند تا درخواست را طبقهبندی کرده و اطلاعات ساختاریافتهای برای تیکت Jira استخراج کند.
- نودها:
* Analyze Email & Extract Tasks (LangChain Agent Node)
* Chat Model (LangChain LLM Chat Ollama Node)
* AI Tool - Think Support (LangChain Tool Think Node)
- جزئیات نود:
* Analyze Email & Extract Tasks
* نوع: @n8n/n8n-nodes-langchain.agent
* نقش: از یک عامل LLM برای تحلیل متن ایمیل و خروجی گرفتن JSON ساختاریافته حاوی دسته بندی تیکت، خلاصه، توضیحات و وظایف فرعی استفاده میکند.
* پیکربندی:
* متن ورودی، بدنه ایمیل است (={{ $json.text }}).
* پیام سیستمی به هوش مصنوعی دستور میدهد که JSON خالص با فیلدهای مشخص: category, main_ticket, main_description, و sub_tasks را خروجی دهد.
* از ابزار "think" برای استدلال کمکی استفاده میکند.
* ورودی: محتوای ایمیل از Fetch Full Email Content.
* خروجی: رشته خروجی خام هوش مصنوعی حاوی JSON.
* نسخه: ۱.۸
* مشکلات احتمالی: خروجی هوش مصنوعی JSON نامعتبر، محتوای ایمیل ناقص/مبهم، خطاهای زمانی یا خطاهای مدل.
* Chat Model
* نوع: @n8n/n8n-nodes-langchain.lmChatOllama
* نقش: بکاند مدل Llama 3.2 را برای عامل هوش مصنوعی فراهم میکند.
* پیکربندی: مدل روی "llama3.2" تنظیم شده است.
* اعتبارنامهها: از اعتبارنامه API "Ollama - test" استفاده میکند.
* ورودی: به عنوان ارائهدهنده مدل زبانی از Analyze Email & Extract Tasks متصل شده است.
* خروجی: پاسخ متنی تولید شده توسط هوش مصنوعی.
* نسخه: ۱
* مشکلات احتمالی: خطاهای احراز هویت API، عدم دسترسی به مدل، خطاهای زمانی درخواست.
* AI Tool - Think Support
* نوع: @n8n/n8n-nodes-langchain.toolThink
* نقش: ابزاری کمکی برای بهبود استدلال هوش مصنوعی در طول استخراج وظایف.
* ورودی: به عنوان ارائهدهنده ابزار هوش مصنوعی به Analyze Email & Extract Tasks متصل شده است.
* خروجی: به تولید پاسخهای بهتر هوش مصنوعی کمک میکند.
* نسخه: ۱
* مشکلات احتمالی: خرابی ابزار یا پیکربندی نادرست.
۳. تجزیه JSON و آمادهسازی دادهها
این بخش رشته خروجی خام هوش مصنوعی را پاکسازی کرده، آن را به JSON تجزیه میکند و سپس آرایه وظایف فرعی را به آیتمهای جداگانه برای ایجاد وظایف فرعی Jira تقسیم میکند.
- نودها:
* Parse JSON Output from AI (Code Node)
* Wait (Wait Node)
* Split Subtasks JSON to Items (Code Node)
- جزئیات نود:
* Parse JSON Output from AI
* نوع: n8n-nodes-base.code
* نقش: پاسخ خام هوش مصنوعی را پردازش میکند، نشانگرهای بلوک کد markdown (```json) را حذف کرده و JSON را تجزیه میکند.
* عناصر کلیدی کد: نشانگرهای ``json در ابتدا و ` در انتها را حذف میکند. از JSON.parse استفاده کرده و در صورت شکست خطا ایجاد میکند. یک شیء JSON تجزیه شده با category, main_ticket, main_description, و sub_tasks` برمیگرداند.
* ورودی: خروجی از Analyze Email & Extract Tasks.
* خروجی: شیء JSON ساختاریافته برای نودهای پاییندستی.
* نسخه: ۲
* مشکلات احتمالی: خطاهای تجزیه به دلیل خروجی نامعتبر هوش مصنوعی، کلیدهای گم شده در JSON.
* Wait
* نوع: n8n-nodes-base.wait
* نقش: با انتظار برای تکمیل نود Parse JSON Output from AI قبل از ادامه، پردازش متوالی را تضمین میکند.
* پیکربندی: انتظار پیشفرض (بدون تاخیر مشخص)، برای همگامسازی استفاده میشود.
* ورودی: از Analyze Email & Extract Tasks.
* خروجی: نود Parse JSON Output from AI را فعال میکند.
* نسخه: ۱.۱
* مشکلات احتمالی: تاخیرهای جزئی در اجرا.
* Split Subtasks JSON to Items
* نوع: n8n-nodes-base.code
* نقش: آرایه sub_tasks را از JSON تجزیه شده به آیتمهای جداگانه تبدیل میکند و امکان ایجاد جداگانه وظایف فرعی Jira را برای هر کدام فراهم میسازد.
* عناصر کلیدی کد: آرایه sub_tasks را استخراج میکند. هر شیء وظیفه فرعی را به یک آیتم جدید با کلید sub_task نگاشت میکند.
* ورودی: خروجی از Jira - Create Main Issue (پس از ایجاد تیکت اصلی).
* خروجی: چندین آیتم، که هر کدام یک وظیفه فرعی را نشان میدهند.
* نسخه: ۲
* مشکلات احتمالی: آرایه sub_tasks خالی، اشیاء وظیفه فرعی نامعتبر.
۴. ایجاد تیکت Jira
این بخش یک تیکت اصلی Jira با استفاده از اطلاعات استخراج شده توسط هوش مصنوعی ایجاد کرده و سپس وظایف فرعی را به عنوان فرزندان تیکت اصلی ایجاد میکند.
- نودها:
* Jira - Create Main Issue (Jira Node)
* Create Subtasks (Jira Node)
- جزئیات نود:
* Jira - Create Main Issue
* نوع: n8n-nodes-base.jira
* نقش: تیکت اصلی Jira را ایجاد میکند.
* پیکربندی:
* شناسه پروژه: 10002
* نوع تیکت: Task (شناسه 10008)
* خلاصه: به صورت پویا از فیلد main_ticket در JSON تجزیه شده تنظیم میشود.
* توضیحات: به صورت پویا از فیلد main_description تنظیم میشود.
* مسئول: شناسه کاربر 5fec3f15dd5eb501088e0226 (نام کش شده "ajay").
* اعتبارنامهها: از اعتبارنامه API "Jira SW Cloud - test" استفاده میکند.
* ورودی: از Parse JSON Output from AI.
* خروجی: کلید و جزئیات تیکت Jira برای تیکت اصلی تازه ایجاد شده.
* نسخه: ۱
* مشکلات احتمالی: خطاهای API Jira، شناسههای پروژه یا کاربر نامعتبر، مجوزهای ناکافی.
* Create Subtasks
* نوع: n8n-nodes-base.jira
* نقش: وظایف فرعی را زیر تیکت اصلی Jira ایجاد میکند.
* پیکربندی:
* شناسه پروژه: 10002
* نوع تیکت: Subtask (شناسه 10010)
* خلاصه و توضیحات: به صورت پویا از هر آیتم sub_task تنظیم میشود (sub_task.summary, sub_task.description).
* کلید تیکت والد: به صورت پویا از کلید تیکت اصلی پیوند داده میشود.
* مسئول: همانند تیکت اصلی.
* اعتبارنامهها: از همان اعتبارنامه API "Jira SW Cloud - test" استفاده میکند.
* ورودی: از Split Subtasks JSON to Items.
* خروجی: وظایف فرعی Jira ایجاد شده.
* نسخه: ۱
* مشکلات احتمالی: تیکت والد گم شده یا نامعتبر، خرابی API، دادههای نامعتبر وظیفه فرعی.
۵. هماهنگی گردش کار و یادداشتها
- نودها:
* Sticky Note (Sticky Note Node)
- جزئیات نود:
* Sticky Note
* نوع: n8n-nodes-base.stickyNote
* نقش: مروری بر پروژه و توضیحات آن را در بوم گردش کار ارائه میدهد.
* محتوا:
```
📌 ایجاد خودکار تیکت Jira از ایمیل (با هوش مصنوعی) – مرور کلی
این گردش کار با هوش مصنوعی، ایمیلها را میخواند، درخواست را با استفاده از LLM درک میکند و تیکتهای ساختاریافته Jira ایجاد میکند:
مراحل جریان:
📨 هر ۵ دقیقه ایمیلهای جدید را بررسی میکند.
📬 محتوای کامل ایمیل را بازیابی میکند.
🧠 محتوا را با هوش مصنوعی تحلیل میکند تا مشکل را درک کند.
📝 یک تیکت اصلی Jira ایجاد میکند.
➕ وظایف فرعی مرتبط را ایجاد میکند.
```
* نسخه: ۱
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)) |
|---|---|---|---|---|
| Check for New Emails | n8n-nodes-base.gmailTrigger | بررسی Gmail برای ایمیلهای جدید از فرستنده | None | Fetch Full Email Content |
| Fetch Full Email Content | n8n-nodes-base.gmail | دریافت محتوای کامل ایمیل بر اساس شناسه پیام | Check for New Emails | Analyze Email & Extract Tasks |
| Analyze Email & Extract Tasks | @n8n/n8n-nodes-langchain.agent | هوش مصنوعی متن ایمیل را تحلیل کرده و اطلاعات تیکت را استخراج میکند | Fetch Full Email Content | Wait |
| Chat Model | @n8n/n8n-nodes-langchain.lmChatOllama | مدل زبانی بزرگ Llama 3.2 را برای تحلیل فراهم میکند | Analyze Email & Extract Tasks | Analyze Email & Extract Tasks |
| AI Tool - Think Support | @n8n/n8n-nodes-langchain.toolThink | ابزار کمکی استدلال هوش مصنوعی | Analyze Email & Extract Tasks | Analyze Email & Extract Tasks |
| Wait | n8n-nodes-base.wait | جریان پردازش را همگامسازی میکند | Analyze Email & Extract Tasks | Parse JSON Output from AI |
| Parse JSON Output from AI | n8n-nodes-base.code | خروجی خام JSON هوش مصنوعی را پاکسازی و تجزیه میکند | Wait | Jira - Create Main Issue |
| Jira - Create Main Issue | n8n-nodes-base.jira | تیکت اصلی Jira را با دادههای هوش مصنوعی ایجاد میکند | Parse JSON Output from AI | Split Subtasks JSON to Items |
| Split Subtasks JSON to Items | n8n-nodes-base.code | آرایه وظایف فرعی را به آیتمهای جداگانه تقسیم میکند | Jira - Create Main Issue | Create Subtasks |
| Create Subtasks | n8n-nodes-base.jira | وظایف فرعی Jira را زیر تیکت اصلی ایجاد میکند | Split Subtasks JSON to Items | None |
| Sticky Note | n8n-nodes-base.stickyNote | نمای کلی و توضیحات پروژه | None | None |
Nodeهای استفادهشده
سوالات متداول
این گردش کار چگونه ایمیلها را به تیکت Jira تبدیل میکند؟▾
این گردش کار با استفاده از مدل هوش مصنوعی Llama 3.2، محتوای ایمیلهای دریافتی را تحلیل میکند. سپس، اطلاعات کلیدی را استخراج کرده و یک تیکت اصلی Jira به همراه وظایف فرعی مرتبط با آن ایجاد میکند.
چه مدل هوش مصنوعی در این گردش کار استفاده میشود؟▾
در این گردش کار از مدل هوش مصنوعی Llama 3.2 از طریق LangChain Agent استفاده میشود تا تحلیل و استخراج اطلاعات از ایمیلها انجام شود.
آیا این گردش کار میتواند وظایف فرعی را نیز ایجاد کند؟▾
بله، این گردش کار قادر است علاوه بر تیکت اصلی Jira، وظایف فرعی مرتبط را نیز بر اساس تحلیل محتوای ایمیل استخراج و ایجاد کند.
چگونه میتوانم این گردش کار را برای نیازهای خود سفارشی کنم؟▾
شما میتوانید با مراجعه به کاتالوگ Axeto و بررسی گردش کارهای موجود، این گردش کار را مشاهده و بر اساس نیازهای خاص تیم و فرآیندهای خود سفارشیسازی کنید.
workflowهای مرتبط
- طبقهبندی خودکار حوادث امنیتی با GPT-4 و Google SheetsSecOps
- دستهبندی خودکار ایمیل جیمیل با GPT-4o و هشدار SlackAI Summarization
- دستهبندی خودکار پستهای وبلاگ با هوش مصنوعی و گیتهابContent Creation
- خودکارسازی اصلاح نقطه پایانی با Wazuh، ClamAV و GPT-4SecOps
- تغییر نام خودکار گرههای n8n با هوش مصنوعیEngineering
- ردیابی خودکار هزینهها از LINE با GPT-4 و Google SheetsPersonal Productivity
