ربات هوشمند دسته‌بندی مسائل GitHub با GPT-4o و Pinecone

ربات هوشمند دسته‌بندی مسائل GitHub با GPT-4o و Pinecone

این گردش کار (Workflow) دسته‌بندی مسائل GitHub را با استفاده از هوش مصنوعی پیشرفته خودکار می‌کند. این سیستم از GPT-4o برای تجزیه و تحلیل هوشمند، Pinecone برای بازیابی کارآمد زمینه کد و مستندات مرتبط، و ادغام با Discord برای هشدارهای بی‌درنگ استفاده می‌کند. فرآیند با دریافت داده‌های مسئله GitHub از طریق یک وب‌هوک آغاز می‌شود، سپس متن مسئله جاسازی (embed) شده و Pinecone برای یافتن زمینه مرتبط جستجو می‌شود. یک عامل هوش مصنوعی سپس از این اطلاعات برای طبقه‌بندی یا پیشنهاد اقدامات دسته‌بندی استفاده می‌کند و نتایج به تماس‌گیرنده وب‌هوک بازگردانده می‌شوند.

فناوری‌های کلیدی:

• وب‌هوک‌های GitHub: برای دریافت رویدادهای مسئله جدید.
• OpenAI GPT-4o: برای درک و تولید پیشرفته زبان طبیعی.
• Pinecone: یک پایگاه داده برداری برای ذخیره و بازیابی جاسازی‌های کد و مستندات.
• Langchain: یک چارچوب ارکستراسیون برای ساخت برنامه‌های کاربردی مبتنی بر هوش مصنوعی.
• Discord: برای ارسال هشدارهای خودکار و اعلان‌ها.

ساختار گردش کار:

1. دریافت مسئله: دریافت داده‌های مسئله ورودی GitHub از طریق یک وب‌هوک.

2. جاسازی و جستجوی برداری زمینه: ایجاد جاسازی برای مسئله و بازیابی زمینه مرتبط از Pinecone.

3. دسته‌بندی مبتنی بر هوش مصنوعی: استفاده از یک عامل Langchain با GPT-4o برای تجزیه و تحلیل مسئله و تولید پیشنهادات دسته‌بندی.

4. پاسخ و هشدار: ارسال نتایج دسته‌بندی به تماس‌گیرنده وب‌هوک و در صورت تمایل فعال کردن هشدار Discord.

5. پیکربندی: شامل گره‌هایی برای تنظیم پارامترها و ارائه راهنمایی.

---

جزئیات گره‌ها

۱. دریافت مسئله

این بخش ورودی اولیه مسائل جدید GitHub را مدیریت می‌کند.

• Webhook

* نوع: n8n-nodes-base.webhook

* نقش: به عنوان ماشه (trigger) گردش کار عمل می‌کند و به درخواست‌های HTTP POST ورودی از GitHub هنگام ایجاد یک مسئله جدید گوش می‌دهد.

* پیکربندی: نیاز به یک مسیر وب‌هوک منحصر به فرد دارد.

* ورودی: درخواست HTTP خارجی از GitHub.

* خروجی: داده‌های مسئله دریافتی را به گره Set بعدی منتقل می‌کند.

• آماده‌سازی داده‌های مسئله

* نوع: n8n-nodes-base.set

* نقش: این گره برای کاربران است تا نحوه پردازش داده‌های مسئله ورودی را سفارشی کنند. می‌توان از آن برای استخراج فیلدهای خاص (مانند عنوان، بدنه، برچسب‌ها) یا تبدیل داده‌ها به قالبی مناسب برای پردازش هوش مصنوعی استفاده کرد.

* پیکربندی: جفت‌های کلید-مقدار تعریف شده توسط کاربر.

* ورودی: داده‌ها از گره Webhook.

* خروجی: داده‌های پردازش شده به گره Set بعدی.

• قالب‌بندی برای هوش مصنوعی

* نوع: n8n-nodes-base.set

* نقش: یک گره اختیاری برای قالب‌بندی یا غنی‌سازی بیشتر داده‌ها قبل از ارسال به هوش مصنوعی. این می‌تواند شامل ساخت یک الگوی پرامپت باشد.

* پیکربندی: جفت‌های کلید-مقدار تعریف شده توسط کاربر.

* ورودی: داده‌ها از گره آماده‌سازی داده‌های مسئله.

* خروجی: داده‌های قالب‌بندی شده برای پردازش هوش مصنوعی.

۲. جاسازی و جستجوی برداری زمینه

این بخش داده‌های مسئله را با زمینه مرتبط از پایگاه دانش شما غنی می‌کند.

• ایجاد جاسازی‌های مسئله

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

* نقش: یک نمایش برداری (جاسازی) از محتوای متنی مسئله GitHub با استفاده از مدل‌های جاسازی OpenAI ایجاد می‌کند.

* پیکربندی: نیاز به اعتبارنامه API OpenAI و انتخاب یک مدل جاسازی (مانند text-embedding-3-large) دارد.

* ورودی: داده‌های متنی (عنوان/بدنه مسئله) از گره قالب‌بندی برای هوش مصنوعی.

* خروجی: جاسازی‌ها به گره‌های جستجوی Pinecone منتقل می‌شوند.

• جستجوی بردارهای مستندات

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

* نقش: شاخص Pinecone شما را که حاوی جاسازی‌های مستندات است، جستجو می‌کند تا مرتبط‌ترین قطعات مستندات مربوط به مسئله را پیدا کند.

* پیکربندی: نیاز به اعتبارنامه API Pinecone، محیط و نام شاخص مستندات شما دارد.

* ورودی: جاسازی‌ها از ایجاد جاسازی‌های مسئله.

* خروجی: زمینه مستندات مرتبط به عامل Langchain.

• جستجوی بردارهای کد

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

* نقش: شاخص Pinecone شما را که حاوی جاسازی‌های کد است، جستجو می‌کند تا مرتبط‌ترین قطعات کد مربوط به مسئله را پیدا کند.

* پیکربندی: نیاز به اعتبارنامه API Pinecone، محیط و نام شاخص کد شما دارد.

* ورودی: جاسازی‌ها از ایجاد جاسازی‌های مسئله.

* خروجی: زمینه کد مرتبط به عامل Langchain.

۳. دسته‌بندی مبتنی بر هوش مصنوعی

این واحد پردازش اصلی هوش مصنوعی است که در آن مسئله تجزیه و تحلیل و دسته‌بندی می‌شود.

• مدل زبان GPT-4o

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

* نقش: رابط کاربری مدل GPT-4o را برای استدلال پیچیده و تولید متن فراهم می‌کند.

* پیکربندی: نیاز به اعتبارنامه API OpenAI و انتخاب مدل (مانند gpt-4o) دارد.

* ورودی: توسط گره عامل دسته‌بندی هوش مصنوعی به عنوان مدل زبان خود استفاده می‌شود.

* خروجی: پاسخ‌های تولید شده توسط هوش مصنوعی به عامل دسته‌بندی هوش مصنوعی.

• عامل دسته‌بندی هوش مصنوعی

* نوع: @n8n/n8n-nodes-langchain.agent

* نقش: فرآیند تصمیم‌گیری هوش مصنوعی را ارکستره می‌کند. از داده‌های مسئله ارائه شده، مستندات بازیابی شده و زمینه کد برای تعیین اقدامات یا پیشنهادات دسته‌بندی مناسب استفاده می‌کند.

* پیکربندی: برای استفاده از مدل زبان GPT-4o و نتایج گره‌های جستجوی بردارهای مستندات و جستجوی بردارهای کد به عنوان ابزار پیکربندی شده است. یک پرامپت خاص رفتار عامل را هدایت می‌کند.

* ورودی: داده‌های مسئله از قالب‌بندی برای هوش مصنوعی، زمینه از گره‌های جستجوی برداری و مدل زبان.

* خروجی: پیشنهادات دسته‌بندی یا طبقه‌بندی به گره پاسخ به وب‌هوک.

۴. پاسخ و هشدار

این بخش ارسال نتایج و اطلاع‌رسانی به طرف‌های مربوطه را مدیریت می‌کند.

• پاسخ به وب‌هوک

* نوع: n8n-nodes-base.respondToWebhook

* نقش: یک پاسخ HTTP به سیستم مبدأ (مانند GitHub) ارسال می‌کند تا دریافت را تأیید کرده و اطلاعات دسته‌بندی تولید شده توسط هوش مصنوعی را ارائه دهد.

* پیکربندی: تنظیمات پیش‌فرض.

* ورودی: نتایج دسته‌بندی از عامل دسته‌بندی هوش مصنوعی.

* خروجی: ندارد (گره پایانی).

• ارسال هشدار Discord

* نوع: (نیاز به یک گره Discord دارد، مانند n8n-nodes-discord.sendMessage)

* نقش: یک اعلان به یک کانال Discord تعیین شده با جزئیات مربوط به مسئله دسته‌بندی شده ارسال می‌کند.

* پیکربندی: نیاز به توکن ربات Discord و شناسه کانال دارد.

* ورودی: نتایج دسته‌بندی از عامل دسته‌بندی هوش مصنوعی.

* خروجی: ندارد (گره پایانی).

۵. پیکربندی و راهنمایی

این گره‌ها دستورالعمل‌ها و جایگزین‌هایی برای سفارشی‌سازی ارائه می‌دهند.

• یادداشت چسبان: دستورالعمل‌های راه‌اندازی

* نوع: n8n-nodes-base.stickyNote

* نقش: حاوی دستورالعمل‌های متنی برای راه‌اندازی کلیدهای API، شاخص‌های Pinecone و ادغام Discord است.

• یادداشت چسبان: مهندسی پرامپت

* نوع: n8n-nodes-base.stickyNote

* نقش: راهنمایی در مورد نحوه اصلاح پرامپت استفاده شده توسط عامل دسته‌بندی هوش مصنوعی برای نتایج بهتر ارائه می‌دهد.

• یادداشت چسبان: نقاط سفارشی‌سازی

* نوع: n8n-nodes-base.stickyNote

* نقش: مناطقی را در گردش کار، به ویژه گره‌های Set، که در آن کاربران می‌توانند پردازش و قالب‌بندی داده‌ها را سفارشی کنند، برجسته می‌کند.

---

مراحل پیاده‌سازی گردش کار

1. راه‌اندازی وب‌هوک GitHub: یک وب‌هوک در مخزن GitHub خود پیکربندی کنید تا رویدادهای issues را به URL گره Webhook ارسال کند.

2. پیکربندی اعتبارنامه‌های API: کلید API OpenAI و کلید/محیط API Pinecone خود را به اعتبارنامه‌های n8n اضافه کنید.

3. پر کردن شاخص‌های Pinecone: اطمینان حاصل کنید که شاخص‌های Pinecone خود را با جاسازی‌های مستندات و کد پروژه خود پر کرده‌اید.

4. ایجاد گره‌ها: ساختار گردش کار را در n8n با استفاده از انواع گره مشخص شده در بالا تکرار کنید.

5. سفارشی‌سازی گره‌های Set: گره‌های آماده‌سازی داده‌های مسئله و قالب‌بندی برای هوش مصنوعی را برای تجزیه و تحلیل و قالب‌بندی صحیح محموله مسئله ورودی GitHub تنظیم کنید.

6. پیکربندی گره‌های هوش مصنوعی:

* گره ایجاد جاسازی‌های مسئله را با اعتبارنامه‌های OpenAI و مدل دلخواه خود تنظیم کنید.

* گره‌های جستجوی بردارهای مستندات و جستجوی بردارهای کد را با جزئیات Pinecone و نام شاخص‌های خود پیکربندی کنید.

* گره مدل زبان GPT-4o را با اعتبارنامه‌های OpenAI و انتخاب مدل خود تنظیم کنید.

* گره عامل دسته‌بندی هوش مصنوعی را پیکربندی کنید، ابزارهای آن (جستجوهای برداری، LLM) را تعریف کرده و یک پرامپت مؤثر ایجاد کنید.

7. پیکربندی پاسخ: اطمینان حاصل کنید که گره پاسخ به وب‌هوک برای ارسال خروجی هوش مصنوعی به درستی پیکربندی شده است.

8. راه‌اندازی هشدارهای Discord (اختیاری): اگر از هشدارهای Discord استفاده می‌کنید، یک گره Discord اضافه کرده و آن را با توکن ربات و شناسه کانال خود پیکربندی کنید و آن را به خروجی عامل دسته‌بندی هوش مصنوعی پیوند دهید.

9. تست کامل: مسائل جدیدی را در مخزن GitHub خود ایجاد کنید تا گردش کار را به صورت سرتاسری آزمایش کنید.

---

این گردش کار یک راه حل قدرتمند و خودکار برای مدیریت مسائل GitHub ارائه می‌دهد و از هوش مصنوعی پیشرفته برای بهبود کارایی و پاسخگویی در فرآیند توسعه شما استفاده می‌کند. برای اطلاعات بیشتر در مورد n8n و قابلیت‌های آن، از Axeto.ai/n8n بازدید کنید.