معلم زبان و کدنویسی با هوش مصنوعی GPT-4 و تلگرام

معلم زبان و کدنویسی با هوش مصنوعی GPT-4 و پیام‌های زمان‌بندی شده تلگرام

این Workflow، MOTION TUTOR، به عنوان یک معلم زبان و کدنویسی با قدرت هوش مصنوعی عمل می‌کند و درس‌های شخصی‌سازی شده را از طریق تلگرام ارائه می‌دهد. این Workflow از GPT-4 برای هوش مصنوعی مکالمه‌ای استفاده می‌کند و با Airtable برای پیگیری پیشرفت کاربر و مدیریت محتوای درس ادغام می‌شود. Workflow به چندین بلوک منطقی برای مدیریت دریافت پیام، تولید درس مبتنی بر هوش مصنوعی، مدیریت زمینه مکالمه، به‌روزرسانی Airtable و ارائه درس زمان‌بندی شده ساختار یافته است.

این Workflow و موارد دیگر را در کاتالوگ n8n اکسِتو (Axeto.ai) کاوش کنید.

نمای کلی Workflow

این Workflow به بخش‌های کاربردی کلیدی زیر تقسیم شده است:

1. تعامل تلگرام و دریافت ورودی: پیام‌های دریافتی از کاربران در تلگرام را برای شروع یا ادامه جلسات یادگیری مدیریت می‌کند.

2. پردازش هوش مصنوعی و مدیریت حافظه: از نودهای LangChain AI Agent با مدل‌های GPT-4، بافرهای حافظه و تجزیه‌کننده‌های خروجی ساختاریافته برای تولید درس تطبیقی و حفظ زمینه استفاده می‌کند.

3. ادغام Airtable برای پیگیری پیشرفت و داده‌های درس: از چندین نود Airtable برای خواندن و نوشتن پیشرفت کاربر، واژگان، گرامر و فراداده درس استفاده می‌کند و مسیر یادگیری شخصی‌سازی شده را تضمین می‌کند.

4. زمان‌بندی درس و پیام‌رسانی زمان‌بندی شده: نودهای Schedule Trigger را برای ارائه درس دوره‌ای یا یادآوری‌ها در بر می‌گیرد، با نودهای تلگرام که پیام‌ها را در زمان‌های تعیین شده به زبان‌آموزان ارسال می‌کنند.

5. عوامل هوش مصنوعی چند مرحله‌ای و مدل‌ها: نمونه‌های مختلف AI Agent و مدل‌های OpenAI را برای مدیریت جنبه‌های مختلف ایجاد درس، بازخورد و جریان مکالمه، با ترویج طراحی ماژولار، ارائه می‌دهد.

6. مستندات و توضیحات: نودهای Sticky Note را برای مستندات داخلی Workflow و یادآوری‌ها شامل می‌شود.

تحلیل دقیق نودها

۱. تعامل تلگرام و دریافت ورودی

این بخش ارتباط با کاربران را از طریق تلگرام مدیریت می‌کند و پیام‌های آن‌ها را برای راه‌اندازی یا پیشبرد جلسات یادگیری ضبط می‌کند.

• Telegram Trigger

* نوع: n8n-nodes-base.telegramTrigger

* نقش: پیام‌های دریافتی تلگرام را از طریق webhook گوش می‌دهد و Workflow را برای پردازش ورودی کاربر آغاز می‌کند.

* پیکربندی: به نودهای AI Agent برای پردازش فوری ورودی متصل است.

* ورودی‌ها: رویدادهای webhook تلگرام.

* خروجی‌ها: محتوای پیام را به نودهای AI Agent پایین‌دستی منتقل می‌کند.

* شکست‌های احتمالی: خطاهای پیکربندی webhook، قطعی API تلگرام.

• Telegram

* نوع: n8n-nodes-base.telegram

* نقش: درس‌های تولید شده توسط هوش مصنوعی، بازخورد یا اعلان‌های زمان‌بندی شده را به کاربر در تلگرام ارسال می‌کند.

* پیکربندی: به اعتبارنامه ربات تلگرام (مانند توکن API) نیاز دارد.

* ورودی‌ها: متن تولید شده توسط هوش مصنوعی یا محتوای زمان‌بندی شده.

* خروجی‌ها: ندارد (نود پایانی برای ارسال پیام).

* شکست‌های احتمالی: محدودیت‌های نرخ API تلگرام، توکن‌های API نامعتبر.

۲. پردازش هوش مصنوعی و مدیریت حافظه

این بلوک هسته عملکرد هوش مصنوعی است و مسئول تولید درس، درک زمینه و ساختاردهی پاسخ‌های هوش مصنوعی است.

• AI Agent (نودهای LangChain Agent)

* نوع: @n8n/n8n-nodes-langchain.agent

* نقش: تعاملات هوش مصنوعی را هماهنگ می‌کند. این نودها اعلان‌ها را می‌سازند، منطق مکالمه را مدیریت می‌کنند، مدل‌های زبان را ادغام می‌کنند، زمینه را از طریق حافظه حفظ می‌کنند و خروجی‌های هوش مصنوعی را تجزیه می‌کنند.

* پیکربندی: به مدل‌های OpenAI، نودهای حافظه و تجزیه‌کننده‌های خروجی پیوند داده شده است. نمونه‌های متعدد نشان‌دهنده نقش‌های تخصصی است (مانند تولید درس، بازخورد، مدیریت مکالمه).

* ورودی‌ها: پیام‌های کاربر، محرک‌های زمان‌بندی شده، زمینه از حافظه، داده‌ها از Airtable.

* خروجی‌ها: داده‌های ساختاریافته برای Airtable، اعلان‌ها برای مدل‌های هوش مصنوعی، پیام‌ها برای تلگرام.

* شکست‌های احتمالی: مهلت زمانی درخواست هوش مصنوعی، خطاهای تجزیه، محدودیت نرخ API. برخی از عوامل با تلاش مجدد پیکربندی شده‌اند.

• OpenAI Chat Model / OpenAI (نودهای LangChain Language Model)

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

* نقش: با مدل‌های GPT OpenAI (مانند GPT-4) برای تولید پاسخ‌های متنی بر اساس اعلان‌های ارائه شده توسط نودهای AI Agent ارتباط برقرار می‌کند.

* پیکربندی: به کلید API OpenAI و انتخاب مدل نیاز دارد.

* ورودی‌ها: اعلان‌ها از نودهای AI Agent.

* خروجی‌ها: متن تولید شده توسط هوش مصنوعی.

* شکست‌های احتمالی: محدودیت‌های سهمیه API، مشکلات اتصال شبکه.

• Simple Memory (LangChain Memory Buffer Window)

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

* نقش: تاریخچه‌ای از نوبت‌های مکالمه اخیر را حفظ می‌کند و تداوم زمینه را برای AI Agent فراهم می‌کند.

* پیکربندی: تعداد پیام‌های اخیر برای ذخیره را تنظیم می‌کند.

* ورودی‌ها: پیام‌های ورودی و پاسخ‌های هوش مصنوعی.

* خروجی‌ها: زمینه مکالمه به نودهای AI Agent منتقل می‌شود.

* شکست‌های احتمالی: خرابی داده یا ناسازگاری در حافظه.

• Structured Output Parser (LangChain Structured Output Parser)

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

* نقش: خروجی متنی خام از مدل‌های هوش مصنوعی را به یک فرمت ساختاریافته (مانند JSON) تجزیه می‌کند و پردازش و استفاده از داده‌ها را برای نودهای بعدی آسان‌تر می‌کند (مانند به‌روزرسانی Airtable).

* پیکربندی: طرح‌بندی‌های تجزیه یا دستورالعمل‌های تعریف شده در اعلان‌های AI Agent.

* ورودی‌ها: متن پاسخ خام هوش مصنوعی.

* خروجی‌ها: داده‌های ساختاریافته.

* شکست‌های احتمالی: عدم تطابق بین خروجی هوش مصنوعی و طرح‌بندی مورد انتظار، فرمت‌های پاسخ غیرمنتظره هوش مصنوعی.

۳. ادغام Airtable برای پیگیری پیشرفت و داده‌های درس

این بخش ذخیره‌سازی و بازیابی پایدار داده‌های یادگیری را با استفاده از Airtable مدیریت می‌کند.

• Airtable / Airtable Tool nodes

* نوع: n8n-nodes-base.airtable یا n8n-nodes-base.airtableTool

* نقش: با پایگاه‌های Airtable برای ذخیره و بازیابی پیشرفت کاربر، لیست واژگان، قوانین گرامر و فراداده درس تعامل می‌کند. این امر مسیرهای یادگیری شخصی‌سازی شده و پیگیری پیشرفت را امکان‌پذیر می‌سازد.

* پیکربندی: هر نود برای یک پایگاه Airtable، جدول و عملیات خاص پیکربندی شده است (مانند ایجاد رکورد، دریافت رکوردها، به‌روزرسانی رکورد). تعداد زیاد نودها نشان‌دهنده مدیریت دقیق داده است.

* ورودی‌ها: داده‌ها از AI Agents، محرک‌ها یا رویدادهای زمان‌بندی شده.

* خروجی‌ها: داده‌ها به AI Agents برای زمینه یا تولید درس منتقل می‌شوند، یا برای پیام‌های تلگرام استفاده می‌شوند.

* شکست‌های احتمالی: مشکلات احراز هویت API، مهلت زمانی شبکه، عدم تطابق طرح‌بندی داده.

۴. زمان‌بندی درس و پیام‌رسانی زمان‌بندی شده

این بلوک ارائه خودکار محتوای یادگیری را در فواصل زمانی مشخص می‌کند.

• Schedule Trigger

* نوع: n8n-nodes-base.scheduleTrigger

* نقش: Workflowها را در زمان‌ها یا فواصل زمانی از پیش تعریف شده آغاز می‌کند و ارائه درس خودکار یا یادآوری‌ها را امکان‌پذیر می‌سازد.

* پیکربندی: برای زمان‌های خاص یا برنامه‌های تکراری (مانند روزانه، هفتگی) تنظیم شده است.

* ورودی‌ها: ندارد (مبتنی بر زمان).

* خروجی‌ها: نودهای AI Agent پایین‌دستی را برای تولید و ارسال محتوا فعال می‌کند.

* شکست‌های احتمالی: پیکربندی نادرست برنامه، اجرای با تأخیر Workflow.

۵. مستندات و توضیحات

• Sticky Note

* نوع: n8n-nodes-base.stickyNote

* نقش: در ویرایشگر n8n برای افزودن توضیحات، یادداشت‌ها یا یادآوری‌ها در مورد بخش‌های خاصی از Workflow استفاده می‌شود. این نودها هیچ اجرایی انجام نمی‌دهند.

* محتوا: متغیر است، اغلب برای اهداف سازمانی استفاده می‌شود.

* ورودی‌ها/خروجی‌ها: ندارد.

جدول خلاصه