دستیار تحقیق هوش مصنوعی با Linear، Scrapeless و Claude

دستیار تحقیقاتی مبتنی بر هوش مصنوعی با Linear، Scrapeless و Claude

این گردش کار وظایف تحقیقاتی را که از مسائل Linear آغاز می‌شوند، خودکار می‌کند. این گردش کار به ایجاد یا نظرات خاص مسائل گوش می‌دهد، کلمات کلیدی شبیه به دستور را در عناوین مسائل تفسیر می‌کند، داده‌ها را با استفاده از APIهای Scrapeless استخراج می‌کند، نتایج را با یک عامل هوش مصنوعی که توسط Anthropic Claude پشتیبانی می‌شود، پردازش و خلاصه می‌کند و یک نظر ساختاریافته را به مسئله Linear اصلی ارسال می‌کند.

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

نمای کلی گردش کار

این گردش کار برای ساده‌سازی تحقیقات با ادغام Linear، Scrapeless و Anthropic Claude طراحی شده است. این گردش کار فرآیند جمع‌آوری اطلاعات را بر اساس دستورات موجود در مسائل Linear خودکار کرده و خلاصه‌های مختصر تولید شده توسط هوش مصنوعی را ارائه می‌دهد.

موارد استفاده کلیدی:

• خودکارسازی پرس‌وجوهای تحقیقاتی که از طریق عناوین مسائل Linear فعال می‌شوند.
• جمع‌آوری داده‌ها از Google Search، Google Trends، وب اسکرپینگ یا خزش بر اساس دستورات کاربر.
• استفاده از هوش مصنوعی برای تجزیه و تحلیل داده‌های جمع‌آوری شده و تولید خلاصه‌های عملی که برای نظرات Linear قالب‌بندی شده‌اند.

مراحل گردش کار:

1. دریافت ورودی: یک تریگر Linear به رویدادهای مسائل گوش می‌دهد و گردش کار را بر اساس دستورات موجود در عنوان مسئله هدایت می‌کند.

2. تجزیه و پاکسازی دستورات: کلمات کلیدی برای جداسازی پرس‌وجوی تحقیق یا URL از عناوین مسائل استخراج و حذف می‌شوند.

3. اکتساب داده: شاخه‌های شرطی APIهای Scrapeless را برای وظایف تحقیقاتی مختلف (جستجو، روندها، باز کردن قفل، اسکرپ، خزش) فراخوانی می‌کنند.

4. قالب‌بندی داده: پاسخ‌های خام API به یک رشته JSON ساختاریافته برای پردازش هوش مصنوعی تبدیل می‌شوند.

5. پردازش هوش مصنوعی: یک عامل هوش مصنوعی که توسط Anthropic Claude پشتیبانی می‌شود، داده‌ها را تجزیه و تحلیل کرده و خلاصه‌ای مختصر تولید می‌کند.

6. ارسال نتایج: خلاصه تولید شده توسط هوش مصنوعی قالب‌بندی شده و به عنوان یک نظر در مسئله اصلی Linear ارسال می‌شود.

تحلیل گره به گره (Node Analysis)

۱. دریافت ورودی

این بخش مسئول دریافت اولیه و مسیریابی گردش کار بر اساس مسائل ورودی Linear است.

• گره‌ها (Nodes):

* Linear Trigger

* Switch

• گره Linear Trigger:

* نوع: n8n-nodes-base.linear (Trigger)

* عملکرد: گوش دادن به رویدادهای issue، comment و reaction از یک تیم Linear مشخص.

* پیکربندی: نظارت بر teamId: 3a89590a-2521-4c4a-b3b2-7e7ad5962666.

* اعتبارنامه‌ها (Credentials): نیاز به اعتبارنامه‌های احراز هویت شده API Linear دارد.

* خروجی: ارسال داده‌های ورودی به گره Switch.

* موارد مرزی (Edge Cases): پیکربندی نادرست Webhook، اعتبارنامه‌های منقضی شده، یا محدودیت‌های نرخ (rate limits) API Linear می‌تواند باعث از دست رفتن تریگرها شود.

• گره Switch:

* نوع: n8n-nodes-base.switch

* عملکرد: مسیریابی گردش کار بر اساس نوع مسئله و کلمات کلیدی موجود در عنوان مسئله.

* پیکربندی: استفاده از عبارات (expressions) برای بررسی اینکه آیا عنوان مسئله (تبدیل شده به حروف کوچک) شامل دستورات خاصی است:

* خروجی ۰: /search

* خروجی ۱: /trends

* خروجی ۲: /unlock

* خروجی ۳: /scrape

* خروجی ۴: /crawl

* خروجی پیش‌فرض (-۱): عدم تطابق، پردازش گردش کار برای این شاخه متوقف می‌شود.

* منطق: ارزیابی $json.type === 'Issue' و $json.data.title.toLowerCase().includes().

* خروجی: هدایت داده‌ها به گره‌های Code مشخص برای پاکسازی دستورات.

* موارد مرزی: عناوینی که با هیچ کلمه کلیدی مطابقت ندارند، پردازش را برای آن شاخه به صورت خاموش متوقف می‌کنند.

۲. تجزیه و پاکسازی دستورات

هر شاخه دستور شامل یک گره Code برای پاکسازی عنوان مسئله، حذف کلمه کلیدی دستور خاص برای جداسازی پرس‌وجو یا URL واقعی است.

• گره‌ها:

* Code2 (برای /search)

* Code3 (برای /trends)

* Code4 (برای /unlock)

* Code5 (برای /scrape)

* Code6 (برای /crawl)

• گره‌های Code (عمومی):

* نوع: n8n-nodes-base.code

* عملکرد: حذف کلمه کلیدی دستور خاص (مانند "/search") از عنوان مسئله ($json.data.title) به صورت غیر حساس به بزرگی و کوچکی حروف و حذف فضاهای خالی ابتدا و انتها.

* حالت (Mode): معمولاً runOnceForEachItem.

* خروجی: بازگرداندن عنوان پاکسازی شده در data.title، با حفظ داده‌های اصلی مسئله.

* اتصالات: هر گره Code به گره مربوطه API Scrapeless متصل می‌شود.

* موارد مرزی: اگر عنوان حاوی کلمه کلیدی دقیق نباشد (که به دلیل گره Switch نباید اتفاق بیفتد)، هیچ جایگزینی انجام نمی‌شود. عناوین نامعتبر ممکن است منجر به پرس‌وجوهای پاکسازی شده خالی یا نامعتبر شوند.

۳. کسب داده

این مرحله شامل فراخوانی API Scrapeless مناسب بر اساس دستور تجزیه شده است.

• گره‌ها:

* Google Search

* Google Trends

* Web Unlocker

* Scrape

* Crawl

• گره Google Search:

* نوع: n8n-nodes-base.scrapeless

* عملکرد: اجرای یک پرس‌وجوی API جستجوی گوگل.

* پارامترها: q (query) روی عنوان پاکسازی شده از Code2 تنظیم شده است.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های API Scrapeless دارد.

* خروجی: نتایج خام JSON از جستجوی گوگل.

• گره Google Trends:

* نوع: n8n-nodes-base.scrapeless

* عملکرد: دریافت داده‌های Google Trends.

* پارامترها: q (query) روی عنوان پاکسازی شده از Code3 و operation روی "googleTrends" تنظیم شده است.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های API Scrapeless دارد.

* خروجی: داده‌های JSON از Google Trends.

• گره Web Unlocker:

* نوع: n8n-nodes-base.scrapeless

* عملکرد: استفاده از یک API خراشیدن جهانی برای دسترسی به محتوای صفحه وب، که به طور بالقوه می‌تواند اقدامات ضد خراشیدن ساده را دور بزند.

* پارامترها: URL از عنوان پاکسازی شده از Code4 مشتق شده است. حالت Headless غیرفعال است.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های API Scrapeless دارد.

* خروجی: محتوای صفحه وب خراشیده شده.

• گره Scrape:

* نوع: n8n-nodes-base.scrapeless

* عملکرد: انجام خراشیدن با استفاده از یک منبع خزنده (crawler).

* پارامترها: URL روی عنوان پاکسازی شده از Code5 تنظیم شده است.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های API Scrapeless دارد.

* خروجی: محتوای خراشیده شده از صفحات مشخص شده.

• گره Crawl:

* نوع: n8n-nodes-base.scrapeless

* عملکرد: اجرای یک عملیات خزیدن وب (web crawl).

* پارامترها: URL روی عنوان پاکسازی شده از Code6 تنظیم شده است. تعداد صفحات برای خزیدن به ۱ محدود شده است.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های API Scrapeless دارد.

* خروجی: نتایج عملیات خزیدن.

• موارد مرزی (کسب داده): خرابی‌های API به دلیل URLها یا پرس‌وجوهای نامعتبر، محدودیت‌های نرخ یا اتمام سهمیه در API Scrapeless، مهلت‌های زمانی شبکه (network timeouts) و فرمت‌های محتوای غیرمنتظره می‌تواند بازیابی داده را مختل کند.

۴. قالب‌بندی داده

این گره Code داده‌های خام را از Scrapeless برای پردازش هوش مصنوعی آماده می‌کند.

• گره: Code (متصل از تمام گره‌های Scrapeless)
• نوع: n8n-nodes-base.code
• عملکرد: خروجی JSON را از گره Scrapeless قبلی دریافت کرده و آن را به یک رشته JSON قالب‌بندی شده با تورفتگی برای خوانایی بهتر تبدیل می‌کند.
• حالت: runOnceForEachItem.
• خروجی: یک ویژگی واحد output حاوی رشته JSON قالب‌بندی شده.
• اتصالات: رشته قالب‌بندی شده را به گره AI Agent1 ارسال می‌کند.
• موارد مرزی: اشیاء JSON بسیار بزرگ ممکن است بر عملکرد تأثیر بگذارند. داده‌های غیرقابل سریال‌سازی (که با خروجی Scrapeless بعید است) باعث خطا می‌شوند.

۵. پردازش هوش مصنوعی

این بخش از Langchain و Anthropic Claude برای تجزیه و تحلیل داده‌ها و تولید خلاصه استفاده می‌کند.

• گره‌ها:

* Anthropic Chat Model1

* AI Agent1

* Code7

• گره Anthropic Chat Model1:

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

* عملکرد: به عنوان رابط مدل زبان برای Anthropic Claude عمل می‌کند.

* مدل: پیکربندی شده برای استفاده از "claude-sonnet-4-20250514" با دمای (temperature) ۰.۳ و حداکثر ۴۰۰۰ توکن.

* اعتبارنامه‌ها: نیاز به اعتبارنامه‌های احراز هویت شده API Anthropic دارد.

* خروجی: پاسخ متنی خام از مدل Claude.

* اتصالات: ورودی مدل زبان را برای گره AI Agent1 فراهم می‌کند.

• گره AI Agent1:

* نوع: @n8n/n8n-nodes-langchain.agent

* عملکرد: تجزیه و تحلیل هوش مصنوعی را با استفاده از داده‌های ارائه شده و پیام سیستمی (system prompt) هماهنگ می‌کند.

* ورودی: رشته JSON را از گره Code (قالب‌بندی داده) دریافت می‌کند.

* پیام سیستمی: یک اعلان دقیق به هوش مصنوعی دستور می‌دهد تا به عنوان یک تحلیلگر داده عمل کند، یافته‌ها را به طور مختصر و واقعی خلاصه کند، اطلاعات کلیدی (قابلیت اطمینان، توصیه‌ها، معیارها، مراحل بعدی) را شامل شود و خروجی را برای نظرات Linear با استفاده از سرصفحه‌ها و لیست‌های گلوله‌ای قالب‌بندی کند.

* خروجی: یک متن خلاصه ساختاریافته که توسط هوش مصنوعی تولید شده است.

* اتصالات: خلاصه تولید شده توسط هوش مصنوعی را برای پاکسازی نهایی به Code7 ارسال می‌کند.

* موارد مرزی: پاسخ‌های هوش مصنوعی ممکن است از محدودیت‌های توکن فراتر رفته یا زمان‌بندی شوند. فرمت‌های خروجی غیرمنتظره هوش مصنوعی یا مشکلات API Anthropic (احراز هویت، سهمیه‌ها) ممکن است رخ دهند.

• گره Code7:

* نوع: n8n-nodes-base.code

* عملکرد: رشته خروجی هوش مصنوعی را با جایگزینی کاراکترهای فرار (escaped characters) و حذف فضاهای خالی پاکسازی می‌کند تا برای ارسال آماده شود.

* خروجی: یک رشته پاک و قالب‌بندی شده.

* اتصالات: برای ارسال نظر به گره Linear متصل می‌شود.

۶. ارسال نتایج

مرحله نهایی خلاصه تولید شده توسط هوش مصنوعی را به مسئله اصلی Linear ارسال می‌کند.

• گره: Add a comment to an issue1
• نوع: n8n-nodes-base.linear (Action)
• عملکرد: ایجاد یک نظر جدید در یک مسئله Linear.
• پارامترها:

* محتوای نظر: خروجی پاکسازی شده از Code7 را دریافت می‌کند.

* شناسه مسئله (Issue ID): به صورت پویا از داده‌های اصلی Linear Trigger بازیابی می‌شود.

• اعتبارنامه‌ها: نیاز به اعتبارنامه‌های احراز هویت شده API Linear دارد.
• موارد مرزی: خرابی‌ها ممکن است به دلیل شناسه‌های مسئله نامعتبر، مجوزهای ناکافی، محدودیت‌های نرخ یا مشکلات شبکه رخ دهند.

جدول خلاصه