گردش کار n8n: پایش خودکار اطلاعات با هوش مصنوعی و Slack

پایش اطلاعات با هوش مصنوعی با استفاده از OpenAI، Google Sheets، Jina AI و Slack

این گردش کار، پایش موضوعات مرتبط با هوش مصنوعی، علم داده و حوزه‌های مرتبط را خودکار می‌کند. این گردش کار مقالات را از فیدهای RSS دریافت کرده، ارتباط آن‌ها را با استفاده از هوش مصنوعی طبقه‌بندی می‌کند، محتوا را استخراج و خلاصه کرده و خلاصه‌های قالب‌بندی شده را به یک کانال Slack ارسال می‌کند. یک پایگاه داده Google Sheets برای پیگیری مقالات پردازش شده و جلوگیری از موارد تکراری نگهداری می‌شود.

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

نمای کلی گردش کار

گردش کار به بخش‌های منطقی زیر تقسیم می‌شود:

1. راه‌اندازی و مقداردهی اولیه: گردش کار را به صورت دوره‌ای راه‌اندازی کرده و URL مقالات تحت نظارت و URL فیدهای RSS را از Google Sheets دریافت می‌کند.

2. خواندن و فیلتر کردن فید RSS: مقالات را از فیدهای RSS دریافت کرده و مواردی را که قبلاً پردازش شده‌اند، فیلتر می‌کند.

3. طبقه‌بندی ارتباط مقاله: از OpenAI GPT-4o-mini برای طبقه‌بندی مقالات به عنوان مرتبط یا نامرتبط استفاده می‌کند.

4. استخراج محتوا برای مقالات مرتبط: محتوای کامل مقالات را با استفاده از Jina AI برای مقالاتی که مرتبط تشخیص داده شده‌اند، استخراج می‌کند.

5. خلاصه‌سازی و قالب‌بندی مقاله: محتوای مقاله را با استفاده از OpenAI GPT-4o-mini خلاصه و به قالب Slack Markdown تبدیل می‌کند.

6. اعلان به Slack و ذخیره‌سازی داده‌ها: خلاصه‌ها را در Slack منتشر کرده و پایگاه داده Google Sheets را با فراداده برای تمام مقالات پردازش شده به‌روز می‌کند.

---

تشریح گره‌ها (Nodes)

۱. راه‌اندازی و مقداردهی اولیه

این بخش گردش کار را در یک بازه زمانی مشخص راه‌اندازی کرده و داده‌های ضروری را از Google Sheets بازیابی می‌کند: لیست مقالات از قبل رصد شده و URLهای فید RSS برای پیگیری.

• راه‌انداز زمان‌بندی (Schedule Trigger)

* نوع: scheduleTrigger

* نقش: گردش کار را در یک بازه زمانی تعریف شده (پیش‌فرض: هر ۱۵ دقیقه) راه‌اندازی می‌کند.

* پیکربندی: بازه زمانی روی ۱۵ دقیقه تنظیم شده است.

* ورودی: ندارد.

* خروجی: اجرای گردش کار را آغاز می‌کند.

* یادداشت چسبان: فرکانس اجرای گردش کار را تعریف می‌کند.

• Google Sheets - دریافت پایگاه داده مقالات رصد شده (Get article monitored database)

* نوع: googleSheets.read

* نقش: ردیف‌ها را از شیت "article\_database" که حاوی URL مقالات پردازش شده است، بازیابی می‌کند.

* پیکربندی: از احراز هویت حساب سرویس استفاده می‌کند؛ از Google Sheet و شناسه شیت مشخص شده می‌خواند.

* ورودی: خروجی scheduleTrigger.

* خروجی: لیست مقالات رصد شده.

* یادداشت چسبان: مقالات پردازش شده را برای جلوگیری از تکرار بازیابی می‌کند.

• تنظیم فیلد - URL موجود (Set field - existing\_url)

* نوع: set

* نقش: فیلد "existing\_url" را از ستون "article\_url" در داده‌های Google Sheets برای فیلتر کردن کارآمد استخراج و تنظیم می‌کند.

* پیکربندی: از یک عبارت (expression) برای استخراج URL استفاده می‌کند.

* ورودی: داده‌ها از googleSheets.read (پایگاه داده مقالات رصد شده).

* خروجی: فیلد "existing\_url" را برای فیلتر کردن در مراحل بعدی اضافه می‌کند.

* یادداشت چسبان: URLهای موجود را برای فیلتر کردن آماده می‌کند.

• Google Sheets - دریافت URL فید RSS دنبال شده (Get RSS Feed url followed)

* نوع: googleSheets.read

* نقش: URLهای فید RSS را از شیت "rss\_feed" که نیاز به رصد دارند، بازیابی می‌کند.

* پیکربندی: احراز هویت حساب سرویس؛ از شیت "rss\_feed" می‌خواند.

* ورودی: خروجی set (existing\_url).

* خروجی: لیست URLهای فید RSS با فراداده (metadata).

* یادداشت چسبان: URLهای فید RSS را برای رصد دریافت می‌کند.

---

۲. خواندن و فیلتر کردن فید RSS

این بخش مقالات را از هر URL فید RSS دریافت کرده و مقالاتی را که قبلاً پردازش شده‌اند فیلتر می‌کند و اطمینان می‌دهد که فقط مقالات جدید به مراحل بعدی می‌روند.

• خواندن RSS (RSS Read)

* نوع: rssFeedRead

* نقش: مقالات را از فیدهای RSS با استفاده از URLهای به دست آمده از Google Sheets می‌خواند.

* پیکربندی: URL به صورت پویا از فیلد JSON ورودی rss_feed_url تنظیم می‌شود؛ اعتبارسنجی SSL فعال است.

* ورودی: URLهای فید RSS از googleSheets.read (RSS Feed url followed).

* خروجی: لیست مقالات با فراداده (عنوان، لینک، خلاصه محتوا، تاریخ انتشار).

* یادداشت چسبان: مقالات را از فیدهای RSS مشخص شده می‌خواند.

• کد (فیلتر URLهای موجود) (Code (Filter Existing URLs))

* نوع: code

* نقش: مقالاتی را که URL آن‌ها در لیست مقالات رصد شده بازیابی شده از Google Sheets وجود دارد، فیلتر می‌کند.

* پیکربندی: لینک مقالات RSS را با داده‌های "existing\_url" مقایسه می‌کند؛ فقط مقالات جدید یا پیامی در صورت عدم یافتن مقالات جدید را خروجی می‌دهد.

* ورودی: مقالات RSS از rssFeedRead و URLهای موجود از set (existing\_url).

* خروجی: مقالات جدید یا پیام "هیچ مقاله جدیدی یافت نشد." (No new articles found.).

* یادداشت چسبان: مقالات پردازش شده را فیلتر می‌کند.

• اگر (If)

* نوع: if

* نقش: با ارزیابی پیام خروجی از گره code، بررسی می‌کند که آیا مقالات جدیدی یافت شده‌اند یا خیر.

* پیکربندی: شرط بررسی می‌کند که آیا فیلد message برابر با "هیچ مقاله جدیدی یافت نشد." نیست.

* ورودی: خروجی از code (فیلتر URLهای موجود).

* خروجی: در صورت درست بودن، به مراحل پردازش بعدی هدایت می‌کند، در غیر این صورت به گره noOp هدایت می‌کند.

* یادداشت چسبان: گردش کار را بر اساس وجود مقالات جدید هدایت می‌کند.

• بدون عملیات، هیچ کاری انجام نده (No Operation, do nothing)

* نوع: noOp

* نقش: به عنوان یک گره پایانی برای مسیر گردش کار در صورت عدم شناسایی مقالات جدید عمل می‌کند.

* ورودی: شاخه نادرست گره if.

* خروجی: ندارد.

* یادداشت چسبان: جایگزین برای مسیرهایی که اقدام بیشتری ندارند.

---

۳. طبقه‌بندی ارتباط محتوا

این بخش از OpenAI GPT-4o-mini برای طبقه‌بندی هر مقاله جدید به عنوان مرتبط یا نامرتبط با موضوعات رصد شده تعریف شده استفاده می‌کند.

• مدل چت OpenAI1 (OpenAI Chat Model1)

* نوع: openAiChatModel (از @n8n/n8n-nodes-langchain)

* نقش: نمونه مدل هوش مصنوعی (GPT-4o-mini) را برای طبقه‌بندی فراهم می‌کند.

* پیکربندی: از اعتبارنامه‌های پیکربندی شده API OpenAI استفاده می‌کند.

* ورودی: مقالات جدید از شاخه درست گره if.

* خروجی: نمونه مدل هوش مصنوعی به طبقه‌بند متن منتقل می‌شود.

* یادداشت چسبان: رابط کاربری مدل OpenAI GPT-4o-mini.

• طبقه‌بندی ارتباط برای رصد موضوع (Relevance Classification for Topic Monitoring)

* نوع: textClassifier (از @n8n/n8n-nodes-langchain)

* نقش: مقالات را بر اساس عنوان و خلاصه محتوای آن‌ها به عنوان "مرتبط" (relevant) یا "نامرتبط" (not\_relevant) طبقه‌بندی می‌کند.

* پیکربندی: دسته‌بندی‌ها با توضیحات متمرکز بر هوش مصنوعی، علم داده، یادگیری ماشین، کلان داده (big data) و نوآوری‌ها تعریف شده‌اند. یک حالت بازگشتی (fallback) برای حذف در صورت عدم قطعیت طبقه‌بندی تنظیم شده است.

* ورودی: عنوان و خلاصه محتوای مقاله، همراه با نمونه مدل هوش مصنوعی از openAiChatModel.

* خروجی: برچسب طبقه‌بندی ("مرتبط" یا "نامرتبط") برای هر مقاله.

* یادداشت چسبان: طبقه‌بندی مبتنی بر هوش مصنوعی ارتباط مقالات.

• تنظیم فیلدها - مقالات نامرتبط (Set fields - Not relevant articles)

* نوع: set

* نقش: داده‌ها را برای مقالات طبقه‌بندی شده به عنوان "نامرتبط" برای ذخیره در Google Sheets آماده می‌کند.

* پیکربندی: فیلدهای زیر را تنظیم می‌کند: article_url، summarized به "NO (not relevant)"، website، fetched_at (زمان فعلی)، و publish_date (قالب‌بندی شده).

* ورودی: مقالات طبقه‌بندی شده به عنوان "نامرتبط" توسط textClassifier.

* خروجی: ساختار داده آماده برای درج در Google Sheets.

* یادداشت چسبان: داده‌ها را برای مقالات نامرتبط قالب‌بندی می‌کند.

• Google Sheets - افزودن مقالات نامرتبط (Add relevant articles)

* نوع: googleSheets.append

* نقش: داده‌های مقالات نامرتبط را به شیت "article\_database" در Google Sheets اضافه می‌کند.

* پیکربندی: احراز هویت حساب سرویس؛ داده‌های ورودی را به طور خودکار به ستون‌ها نگاشت می‌کند.

* ورودی: داده‌های آماده شده از set (مقالات نامرتبط).

* خروجی: تأییدیه افزودن داده به Google Sheets.

* یادداشت چسبان: فراداده مقالات نامرتبط را ذخیره می‌کند.

---

۴. استخراج محتوا برای مقالات مرتبط

برای مقالاتی که به عنوان مرتبط طبقه‌بندی شده‌اند، این بخش از Jina AI برای استخراج کامل محتوای مقاله استفاده می‌کند و آن را برای مرحله خلاصه‌سازی آماده می‌سازد.

• Jina AI - خواندن URL (Jina AI - Read URL)

* نوع: httpRequest

* نقش: محتوای کامل مقاله را از URL با استفاده از API Jina AI استخراج (scrape) می‌کند.

* پیکربندی: URL به صورت پویا به عنوان https://r.jina.ai/{{ $json.link }} ساخته می‌شود؛ برای تلاش مجدد در صورت شکست با تأخیر ۵ ثانیه‌ای پیکربندی شده است.

* ورودی: مقالات طبقه‌بندی شده به عنوان "مرتبط" توسط textClassifier.

* خروجی: محتوای مقاله در قالب Markdown.

* یادداشت چسبان: محتوای کامل مقاله را از طریق Jina AI دریافت می‌کند.

• زنجیره پایه LLM (Basic LLM Chain)

* نوع: chainLlm (از @n8n/n8n-nodes-langchain)

* نقش: محتوای مقاله استخراج شده را با استفاده از OpenAI GPT-4o-mini خلاصه و به قالب Markdown اسلک (Slack Markdown) تبدیل می‌کند.

* پیکربندی: یک اعلان سیستمی (system prompt) به هوش مصنوعی دستور می‌دهد تا خلاصه‌های ساختاریافته با عناوین قابل کلیک، بخش‌های مجزا، لیست‌های نقطه‌ای و ارتباط متنی تولید کند، که همگی برای اسلک قالب‌بندی شده‌اند.

* ورودی: محتوای Markdown از httpRequest (Jina AI - خواندن URL).

* خروجی: متن خلاصه قالب‌بندی شده برای اسلک.

* یادداشت چسبان: محتوا را برای اسلک خلاصه و قالب‌بندی می‌کند.

• مدل چت OpenAI (OpenAI Chat Model)

* نوع: openAiChatModel (از @n8n/n8n-nodes-langchain)

* نقش: نمونه مدل هوش مصنوعی (GPT-4o-mini) را برای وظیفه خلاصه‌سازی فراهم می‌کند.

* پیکربندی: از اعتبارنامه‌های پیکربندی شده API OpenAI استفاده می‌کند.

* ورودی: گره chainLlm.

* خروجی: نمونه مدل هوش مصنوعی به زنجیره LLM منتقل می‌شود.

* یادداشت چسبان: رابط کاربری مدل OpenAI GPT-4o-mini برای خلاصه‌سازی.

---

۵. اعلان اسلک و ذخیره‌سازی داده‌ها

این بخش نهایی خلاصه‌های قالب‌بندی شده مقاله را در یک کانال اسلک مشخص منتشر کرده و پایگاه داده Google Sheets را با فراداده تمام مقالات مرتبط پردازش شده به‌روز می‌کند.

• اسلک1 (Slack1)

* نوع: slack

* نقش: پیام خلاصه قالب‌بندی شده را در یک کانال اسلک مشخص (مانند "topic-monitoring") منتشر می‌کند.

* پیکربندی: از احراز هویت OAuth2 استفاده می‌کند؛ شناسه کانال روی "topic-monitoring" تنظیم شده است؛ متن پیام از خروجی گره chainLlm گرفته می‌شود.

* ورودی: متن خلاصه قالب‌بندی شده برای اسلک از chainLlm (زنجیره پایه LLM).

* خروجی: تأییدیه ارسال پیام اسلک.

* یادداشت چسبان: خلاصه را به کانال اسلک ارسال می‌کند.

• تنظیم فیلدها - مقالات مرتبط (Set Fields - Relevant Articles)

* نوع: set

* نقش: فراداده مقالات مرتبط را برای ذخیره در Google Sheets آماده می‌کند.

* پیکربندی: فیلدهای زیر را تنظیم می‌کند: article_url، summarized به "YES"، summary (حاوی متن پیام اسلک)، website، fetched_at (زمان فعلی)، و publish_date (قالب‌بندی شده).

* ورودی: داده‌های مقاله خلاصه‌شده، شامل متن پیام اسلک.

* خروجی: ساختار داده آماده برای درج در Google Sheets.

* یادداشت چسبان: داده‌ها را برای مقالات مرتبط قالب‌بندی می‌کند.

• Google Sheets - افزودن مقاله مرتبط (Add relevant article)

* نوع: googleSheets.append

* نقش: فراداده و خلاصه مقالات مرتبط را به شیت "article\_database" در Google Sheets اضافه می‌کند.

* پیکربندی: احراز هویت حساب سرویس؛ داده‌های ورودی را به طور خودکار به ستون‌ها نگاشت می‌کند.

* ورودی: داده‌های آماده شده از set (مقالات مرتبط).

* خروجی: تأییدیه افزودن داده به Google Sheets.

* یادداشت چسبان: فراداده و خلاصه مقالات مرتبط را ذخیره می‌کند.

---

جدول خلاصه