دستیار پیکربندی هوش مصنوعی RAG: خودکارسازی تنظیمات با n8n

دستیار پیکربندی هوش مصنوعی برای RAG: از فرم تا توصیه‌های ایمیلی

این گردش کار فرآیند تولید پیکربندی‌های RAG (Retrieval-Augmented Generation) را خودکار می‌کند. با جمع‌آوری نیازمندی‌های کاربر از طریق یک فرم شروع می‌شود، به صورت اختیاری فایل‌های آپلود شده را پردازش می‌کند و سپس از یک عامل هوش مصنوعی برای توصیه یک راه‌اندازی RAG مناسب استفاده می‌کند. در نهایت، این توصیه‌ها را در یک مصنوع گردش کار n8n بسته‌بندی کرده، یک گزارش HTML را قالب‌بندی می‌کند و آن را از طریق ایمیل ارسال می‌کند.

وضعیت گردش کار: غیرفعال

دسته‌بندی‌ها: مهندسی، AI RAG

گره‌ها (Nodes) استفاده شده:

• n8n-nodes-base.formTrigger
• n8n-nodes-base.code
• n8n-nodes-base.if
• n8n-nodes-base.merge
• n8n-nodes-base.set
• @n8n/n8n-nodes-langchain.lmChatOpenRouter
• @n8n/n8n-nodes-langchain.agent
• n8n-nodes-base.gmail

شما می‌توانید این گردش کار را در نمونه n8n Axeto.ai خود در آدرس زیر پیدا و وارد کنید: https://axeto.ai/n8n

---

نمای کلی گردش کار

این گردش کار با جمع‌آوری نیازهای کاربر از طریق یک فرم، کاربران را در پیکربندی یک سیستم RAG راهنمایی می‌کند. این سیستم به طور هوشمندانه ورودی‌های متنی مستقیم و فایل‌های آپلود شده را مدیریت می‌کند، این اطلاعات را تجمیع کرده و به یک عامل هوش مصنوعی ارسال می‌کند. عامل هوش مصنوعی که توسط یک مدل LangChain از طریق OpenRouter تغذیه می‌شود، نیازمندی‌ها را تجزیه و تحلیل کرده و یک پیکربندی RAG بهینه را پیشنهاد می‌دهد. سپس گردش کار یک فایل گردش کار n8n قابل دانلود را بر اساس این توصیه‌ها ایجاد کرده، یک گزارش خلاصه را قالب‌بندی می‌کند و آن را از طریق ایمیل ارسال می‌کند.

جریان منطقی

1. دریافت ورودی: نیازمندی‌های کاربر را از طریق یک Form Trigger در n8n دریافت می‌کند.

2. نرمال‌سازی و مسیریابی ورودی: داده‌های فرم را پردازش کرده و بین ورودی متنی دستی و فایل‌های آپلود شده تمایز قائل می‌شود.

3. استخراج و تجمیع محتوا: متن را از فایل‌های آپلود شده استخراج کرده یا از متن ارائه شده دستی استفاده می‌کند و آن را در یک ساختار داده یکپارچه ادغام می‌کند.

4. آماده‌سازی برای هوش مصنوعی: داده‌های تجمیع شده را به یک بار (payload) آماده برای پرامپت (prompt) برای عامل هوش مصنوعی قالب‌بندی می‌کند.

5. موتور تصمیم‌گیری هوش مصنوعی: یک عامل LLM که به OpenRouter متصل است، پیکربندی RAG توصیه شده را تعیین می‌کند.

6. تولید و تحویل مصنوع: یک فایل گردش کار n8n از توصیه‌های هوش مصنوعی ایجاد کرده، یک گزارش HTML تولید می‌کند و آن را از طریق Gmail ارسال می‌کند.

---

تحلیل گره (Node) دقیق

۱. دریافت ورودی: ارسال فرم

• نوع گره (Node Type): n8n-nodes-base.formTrigger
• هدف: این نقطه ورود گردش کار است. این گره به ارسال‌های یک فرم n8n گوش می‌دهد.
• پیکربندی: فیلدهای خاص (مانند مورد استفاده، منابع داده، محدودیت‌ها، مقصد ایمیل) و اینکه آیا فیلد آپلود فایل وجود دارد یا خیر، در طرحواره (schema) Form Trigger تعریف می‌شوند.
• خروجی: داده‌های ارسالی فرم را به گره بعدی منتقل می‌کند.
• مشکلات احتمالی: خطاهای اعتبارسنجی فرم، تجاوز از محدودیت‌های اندازه آپلود فایل که در نمونه n8n یا پروکسی معکوس پیکربندی شده است.

۲. نرمال‌سازی و مسیریابی ورودی

• گره‌ها (Nodes):

* Analyze Input (n8n-nodes-base.code)

* Check File Upload (n8n-nodes-base.if)

• هدف: گره Analyze Input داده‌های خام فرم را به یک فرمت سازگار ساختار می‌دهد. سپس گره Check File Upload از منطق شرطی برای تعیین اینکه آیا فایلی آپلود شده است استفاده می‌کند.
• منطق:

* Analyze Input: فیلدهای فرم را تجزیه و تحلیل کرده، داده‌های فایل آپلود شده را شناسایی می‌کند و فیلدهایی را برای پرامپت هوش مصنوعی آماده می‌کند.

* Check File Upload: گردش کار را بر اساس وجود و اندازه فایل آپلود شده منشعب می‌کند.

• اتصالات (Connections):

* Form Trigger -> Analyze Input

* Analyze Input -> Check File Upload

* Check File Upload (شاخه True) -> Extract File Content

* Check File Upload (شاخه False) -> Manual Input Path

• مشکلات احتمالی: خطاهای جاوا اسکریپت در کد Analyze Input، منطق نادرست تشخیص فایل در Check File Upload، انواع MIME فایل پشتیبانی نشده.

۳. استخراج و تجمیع محتوا

• گره‌ها (Nodes):

* Extract File Content (n8n-nodes-base.code)

* Manual Input Path (n8n-nodes-base.code)

* Merge Analysis (n8n-nodes-base.merge)

• هدف: این بخش محتوای واقعی را مدیریت می‌کند. اگر فایلی آپلود شده باشد، Extract File Content محتوای آن را خوانده و به متن تبدیل می‌کند. در غیر این صورت، Manual Input Path متن وارد شده مستقیماً در فرم را آماده می‌کند. سپس Merge Analysis این‌ها را در یک شیء داده واحد ادغام می‌کند.
• منطق:

* Extract File Content: داده‌های باینری فایل را به متن رمزگشایی می‌کند. برای فرمت‌های پیچیده مانند PDF یا DOCX، اگر توسط یک گره اختصاصی مدیریت نشود، ممکن است منطق تجزیه و تحلیل اضافی در این گره مورد نیاز باشد.

* Manual Input Path: فیلدهای متنی ارائه شده توسط کاربر را ساختار می‌دهد.

* Merge Analysis: خروجی را از Extract File Content یا Manual Input Path در یک بار (payload) یکپارچه برای مرحله بعدی ترکیب می‌کند.

• اتصالات (Connections):

* Check File Upload (True) -> Extract File Content

* Check File Upload (False) -> Manual Input Path

* Extract File Content -> Merge Analysis (Input 0)

* Manual Input Path -> Merge Analysis (Input 1)

* Merge Analysis -> Prepare for AI

• مشکلات احتمالی: انواع فایل پشتیبانی نشده در Extract File Content، خطاهای رمزگذاری، مشکلات پردازش فایل‌های بزرگ، فیلدهای گمشده در Manual Input Path، تداخل در طول فرآیند ادغام.

۴. آماده‌سازی برای هوش مصنوعی: ساخت بار (Payload) آماده برای پرامپت

• گره (Node): Prepare for AI (n8n-nodes-base.set)
• هدف: این گره ساختار داده را استاندارد کرده و فیلدهای لازم را برای پرامپت عامل هوش مصنوعی تنظیم می‌کند.
• پیکربندی: فیلدها را از محتوای ادغام شده نگاشت و تغییر نام می‌دهد، به طور بالقوه متادیتای مانند hasFile را اضافه کرده و آدرس ایمیل گیرنده را برای استفاده بعدی ثبت می‌کند. همچنین ممکن است رشته پرامپت نهایی یا یک شیء ورودی ساختاریافته را بسازد.
• اتصالات (Connections):

* Merge Analysis -> Prepare for AI

* Prepare for AI -> Configuration Decision Engine

• مشکلات احتمالی: فیلدهای ضروری مورد نیاز عامل هوش مصنوعی گمشده، حذف تصادفی داده‌های حیاتی اگر گزینه "Keep Only Set" استفاده شود.

۵. موتور تصمیم‌گیری هوش مصنوعی: عامل LLM + مدل OpenRouter

• گره‌ها (Nodes):

* OpenRouter LLM (@n8n/n8n-nodes-langchain.lmChatOpenRouter)

* Configuration Decision Engine (@n8n/n8n-nodes-langchain.agent)

• هدف: این جزء اصلی هوش مصنوعی است. گره OpenRouter LLM دسترسی به یک مدل چت را از طریق OpenRouter فراهم می‌کند و گره Configuration Decision Engine (یک عامل LangChain) از این مدل برای تجزیه و تحلیل نیازمندی‌های آماده شده و تولید توصیه‌های پیکربندی RAG استفاده می‌کند.
• پیکربندی:

* OpenRouter LLM: به اعتبارنامه API OpenRouter و انتخاب یک مدل خاص (مانند openai/gpt-4o-mini) نیاز دارد.

* Configuration Decision Engine: برای پردازش زمینه ورودی و خروجی توصیه‌های ساختاریافته پیکربندی شده است، که به طور بالقوه شامل توضیحات قابل خواندن برای انسان و JSON قابل خواندن برای ماشین برای تولید گردش کار است.

• اتصالات (Connections):

* Prepare for AI -> Configuration Decision Engine (ورودی اصلی)

* OpenRouter LLM -> Configuration Decision Engine (ورودی مدل زبان)

* Configuration Decision Engine -> Generate n8n Workflow

• مشکلات احتمالی: کلیدهای API نامعتبر، مدل‌های در دسترس نیستند، محدودیت‌های نرخ، رد شدن فیلترهای امنیتی، فرمت‌های خروجی غیرمنتظره از عامل، افزایش زمان پردازش.

۶. تولید و تحویل مصنوع

• گره‌ها (Nodes):

* Generate n8n Workflow (n8n-nodes-base.code)

* Create Workflow Attachment (n8n-nodes-base.code)

* Format HTML Report (n8n-nodes-base.code)

* Send Gmail (n8n-nodes-base.gmail)

• هدف: این مرحله نهایی خروجی هوش مصنوعی را به مصنوعات قابل اجرا تبدیل کرده و آن‌ها را به کاربر تحویل می‌دهد.
• منطق:

* Generate n8n Workflow: توصیه‌های هوش مصنوعی (به احتمال زیاد JSON) را تجزیه کرده و یک تعریف معتبر گردش کار n8n یا قطعه پیکربندی را می‌سازد.

* Create Workflow Attachment: تعریف گردش کار تولید شده را به یک فایل JSON سریال‌سازی کرده و آن را به عنوان پیوست ایمیل آماده می‌کند.

* Format HTML Report: بدنه ایمیل قالب‌بندی شده با HTML را ایجاد می‌کند که خلاصه‌ای از توصیه‌های RAG و ارجاع به فایل گردش کار پیوست شده را ارائه می‌دهد.

* Send Gmail: از اعتبارنامه‌های Gmail برای ارسال ایمیل نهایی حاوی گزارش و پیوست گردش کار استفاده می‌کند.

• اتصالات (Connections):

* Configuration Decision Engine -> Generate n8n Workflow

* Generate n8n Workflow -> Create Workflow Attachment

* Create Workflow Attachment -> Format HTML Report

* Format HTML Report -> Send Gmail

• مشکلات احتمالی: تولید JSON گردش کار نامعتبر، خطاهای در ایجاد پیوست باینری، مشکلات در قالب‌بندی HTML، مشکلات احراز هویت API Gmail، اندازه‌های بزرگ پیوست.