دستیار سفر واتس‌اپی با هوش مصنوعی Llama 3.2

دستیار سفر مجهز به هوش مصنوعی برای واتس‌اپ با Llama 3.2

این گردش کار، کسب‌وکار شما را با یک دستیار سفر مبتنی بر هوش مصنوعی در واتس‌اپ، با بهره‌گیری از قابلیت‌های پیشرفته Llama 3.2، توانمند می‌سازد. این دستیار پشتیبانی فوری و شخصی‌سازی شده برای برنامه‌ریزی سفر، پرس‌وجو درباره مقاصد و کمک در رزرو را ارائه می‌دهد و تجربه مشتری و کارایی عملیاتی را بهبود می‌بخشد.

ویژگی‌های کلیدی:

• هوش مصنوعی مکالمه‌محور: با یک عامل مجازی دوستانه و شبیه به انسان به نام الکس، با کاربران تعامل می‌کند.
• پشتیبانی جامع: برنامه‌ریزی سفر، مشاوره مقاصد، اطلاعات ویزا، پیش‌بینی آب‌وهوا، توصیه‌های هتل و پرس‌وجوهای رزرو را مدیریت می‌کند.
• در دسترس بودن ۲۴/۷: در هر زمان کمک فوری ارائه می‌دهد، زمان پاسخ‌دهی را کاهش داده و رضایت مشتری را افزایش می‌دهد.
• کاهش حجم کاری: پرس‌وجوهای روتین را خودکار می‌کند و عوامل انسانی را برای وظایف پیچیده‌تر آزاد می‌گذارد.

این گردش کار و اجزای آن را در کاتالوگ Axeto کاوش کنید: Axeto.ai/n8n

---

تشریح گردش کار

این گردش کار به بلوک‌های مجزا تقسیم شده است که هر کدام مسئول بخشی خاص از جریان مکالمه مبتنی بر هوش مصنوعی هستند.

۱. دریافت ورودی

این بلوک اولیه پیام‌های دریافتی از کاربران واتس‌اپ را دریافت می‌کند و به عنوان نقطه ورود گردش کار عمل می‌کند.

• گره‌ها (Nodes):

* Get WhatsApp Message (WhatsApp Trigger)

* Workflow Description (Sticky Note)

#### ۱.۱. گره Get WhatsApp Message

• نوع: n8n-nodes-base.whatsAppTrigger
• نقش: گردش کار را هنگام دریافت پیام جدید واتس‌اپ فعال می‌کند.
• پیکربندی:

* Update Type: messages

* WhatsApp Credentials: اتصال پیکربندی شده WhatsApp API (مانند WhatsApp -test).

* Webhook: برای دریافت رویدادهای پیام به یک شناسه وب‌هوک پیکربندی شده نیاز دارد.

• عبارات (Expressions):

* با استفاده از این آدرس به بدنه پیام دسترسی پیدا می‌کند: {{ $json.messages[0].text.body }}

• ورودی‌ها: ندارد.
• خروجی‌ها: داده‌های پیام دریافتی را به گره‌های بعدی ارسال می‌کند.
• مشکلات احتمالی: خرابی احراز هویت WhatsApp API، تنظیمات نادرست وب‌هوک، یا تغییرات در ساختار بار پیام.

#### ۱.۲. گره Workflow Description

• نوع: n8n-nodes-base.stickyNote
• نقش: مروری توصیفی از هدف و عملکرد گردش کار ارائه می‌دهد.
• محتوا: توضیح می‌دهد که گردش کار، کمک سفر شخصی‌سازی شده را از طریق واتس‌اپ با استفاده از یک عامل مجازی به نام الکس، که شامل برنامه‌ریزی سفر، مشاوره مقاصد و خدمات رزرو می‌شود، خودکار می‌کند.
• ورودی‌ها/خروجی‌ها: ندارد.

---

۲. پردازش هوش مصنوعی و مدیریت حافظه

این بلوک اصلی از اجزای Langchain برای درک پرس‌وجوهای کاربر، حفظ زمینه مکالمه و تولید پاسخ‌های هوشمند با استفاده از Llama 3.2 استفاده می‌کند.

• گره‌ها (Nodes):

* Travel Assistant (Langchain Agent)

* Conversation Memory (Langchain Memory Buffer Window)

* Travel Plan Generator (Langchain Chat LLM - Ollama)

#### ۲.۱. گره Travel Assistant

• نوع: @n8n/n8n-nodes-langchain.agent
• نقش: به عنوان موتور مکالمه مرکزی هوش مصنوعی عمل می‌کند، ورودی را پردازش کرده و پاسخ‌ها را هماهنگ می‌کند.
• پیکربندی:

* Input Text: به صورت پویا به بدنه پیام واتس‌اپ دریافتی تنظیم می‌شود: ={{ $json.messages[0].text.body }}

* System Message: شخصیت "الکس"، دستیار سفر، از جمله لحن، قابلیت‌ها و پیام خوش‌آمدگویی اولیه را تعریف می‌کند.

* نمونه پیام سیستم:

```

You are Alex, a friendly, professional travel assistant, helping users on WhatsApp with trip planning, destination suggestions, tour packages, travel questions (like visas, weather, hotels), and bookings.

Your style: Clear, concise, warm, and human-like. Avoid technical terms unless asked.

Always start with this message:

Hello! {{ $json.contacts[0].profile.name }}, welcome to OneClick. I’m your travel assistant. Where would you like to travel?

```

* Prompt Type: define (برای سفارشی‌سازی پیام سیستم).

• عبارات (Expressions):

* نام کاربر را از پروفایل واتس‌اپ او شامل می‌شود: {{ $json.contacts[0].profile.name }}

• ورودی‌ها: داده‌ها را از Get WhatsApp Message دریافت می‌کند.
• خروجی‌ها: پاسخ‌های تولید شده و به‌روزرسانی‌های حافظه را به Wait For Response و Conversation Memory ارسال می‌کند.
• وابستگی‌ها: به نسخه‌های خاصی از گره‌های Langchain نیاز دارد.

#### ۲.۲. گره Conversation Memory

• نوع: @n8n/n8n-nodes-langchain.memoryBufferWindow
• نقش: تاریخچه مکالمه را مدیریت می‌کند و اطمینان می‌دهد که هوش مصنوعی تعاملات قبلی را در یک پنجره تعریف شده به خاطر می‌سپارد.
• پیکربندی:

* Session Key: از بدنه پیام فعلی برای حفظ تداوم جلسه استفاده می‌کند: ={{ $json.messages[0].text.body }}

* Context Window Length: روی 200 توکن/پیام تنظیم شده است تا تاریخچه اخیر مکالمه حفظ شود.

• ورودی‌ها: زمینه را از گره Travel Assistant دریافت می‌کند.
• خروجی‌ها: وضعیت حافظه به‌روز شده را به گره Travel Assistant بازمی‌گرداند.
• مشکلات احتمالی: سرریز حافظه در صورت تجاوز زمینه از محدودیت‌ها، یا تداخل کلید جلسه.

#### ۲.۳. گره Travel Plan Generator

• نوع: @n8n/n8n-nodes-langchain.lmChatOllama
• نقش: از مدل Llama 3.2 از طریق Ollama برای تولید پیشنهادات و برنامه‌های سفر دقیق استفاده می‌کند.
• پیکربندی:

* Model: llama3.2-16000:latest (برای تولید پیشرفته با زمینه بزرگ).

* Ollama Credentials: اتصال پیکربندی شده Ollama API (مانند Ollama - test).

• ورودی‌ها: به عنوان منبع مدل زبان برای گره Travel Assistant عمل می‌کند.
• خروجی‌ها: متن تولید شده توسط هوش مصنوعی را به گره Travel Assistant ارائه می‌دهد.
• مشکلات احتمالی: خطاهای Ollama API، عدم دسترسی به مدل، یا مشکلات عملکردی به دلیل زمینه بزرگ.

---

۳. کنترل زمان‌بندی پاسخ

این بلوک یک تأخیر عمدی قبل از ارسال پاسخ هوش مصنوعی ایجاد می‌کند و یک تعامل طبیعی‌تر و متفکرانه‌تر را شبیه‌سازی می‌کند.

• گره‌ها (Nodes):

* Wait For Response (Wait)

#### ۳.۱. گره Wait For Response

• نوع: n8n-nodes-base.wait
• نقش: اجرای گردش کار را برای مدت زمان مشخصی متوقف می‌کند.
• پیکربندی:

* Delay: 10 ثانیه.

• ورودی‌ها: پاسخ تولید شده توسط هوش مصنوعی را از گره Travel Assistant دریافت می‌کند.
• خروجی‌ها: پاسخ تأخیردار را به گره Send Reply On WhatsApp ارسال می‌کند.
• مشکلات احتمالی: پایان زمان گردش کار در صورت تجاوز تأخیر از محدودیت‌های سیستم.

---

۴. تحویل خروجی

این بلوک نهایی، پاسخ تولید شده توسط هوش مصنوعی را از طریق واتس‌اپ به کاربر ارسال می‌کند.

• گره‌ها (Nodes):

* Send Reply On WhatsApp (WhatsApp)

#### ۴.۱. گره Send Reply On WhatsApp

• نوع: n8n-nodes-base.whatsApp
• نقش: پیام پاسخ نهایی را به شماره واتس‌اپ کاربر ارسال می‌کند.
• پیکربندی:

* Operation: send

* Message Body: به صورت پویا به خروجی هوش مصنوعی تنظیم می‌شود: ={{ $json.output }}

* Recipient Phone Number: به صورت پویا از شناسه مخاطب پیام دریافتی بازیابی می‌شود: ={{ $('Get WhatsApp Message').item.json.contacts[0].wa_id }}

* Phone Number ID: شماره تجاری واتس‌اپ پیکربندی شده به صورت ثابت (مانند +919876542345).

* WhatsApp Credentials: از همان اتصال پیکربندی شده WhatsApp API استفاده می‌کند (مانند WhatsApp -test).

• ورودی‌ها: پاسخ تأخیردار را از Wait For Response دریافت می‌کند.
• خروجی‌ها: ندارد (گره پایانی).
• مشکلات احتمالی: شماره گیرنده نامعتبر، خطاهای API، یا مشکلات مربوط به محتوای پیام.

---

جدول خلاصه گردش کار

---

راه‌اندازی گردش کار

برای تکرار این گردش کار:

1. WhatsApp Trigger: یک گره WhatsApp Trigger (n8n-nodes-base.whatsAppTrigger) اضافه کنید. آن را برای گوش دادن به به‌روزرسانی‌های messages پیکربندی کرده و اعتبارنامه WhatsApp API خود را تنظیم کنید.

2. Langchain Agent: یک گره Langchain Agent (@n8n/n8n-nodes-langchain.agent) اضافه کنید.

* Input Text را روی ={{ $json.messages[0].text.body }} تنظیم کنید.

* System Message را برای ایجاد شخصیت "الکس" و پیام خوش‌آمدگویی اولیه تعریف کنید.

* Prompt Type را روی define تنظیم کنید.

* ورودی آن را به گره Get WhatsApp Message متصل کنید.

3. Langchain Memory: یک گره Langchain Memory Buffer Window (@n8n/n8n-nodes-langchain.memoryBufferWindow) اضافه کنید.

* Session Key را روی ={{ $json.messages[0].text.body }} تنظیم کنید.

* Context Window Length را پیکربندی کنید (مثلاً 200).

* ورودی آن را به گره Travel Assistant متصل کرده و خروجی آن را به ورودی حافظه گره Travel Assistant بازگردانید.

4. Langchain LLM (Ollama): یک گره Langchain Chat LLM (Ollama) (@n8n/n8n-nodes-langchain.lmChatOllama) اضافه کنید.

* Model را به عنوان llama3.2-16000:latest انتخاب کنید.

* اعتبارنامه Ollama API خود را پیکربندی کنید.

* خروجی آن را به ورودی مدل زبان گره Travel Assistant متصل کنید.

5. Wait Node: یک گره Wait (n8n-nodes-base.wait) اضافه کنید.

* Delay را روی 10 ثانیه تنظیم کنید.

* ورودی آن را به گره Travel Assistant متصل کنید.

6. WhatsApp Reply: یک گره WhatsApp (n8n-nodes-base.whatsApp) اضافه کنید.

* Operation را روی send تنظیم کنید.

* Message Body را با ={{ $json.output }} پیکربندی کنید.

* Recipient Phone Number را به صورت پویا با استفاده از ={{ $('Get WhatsApp Message').item.json.contacts[0].wa_id }} تنظیم کنید.

* Phone Number ID ثابت خود را وارد کنید.

* از اعتبارنامه WhatsApp API خود استفاده کنید.

* ورودی آن را به گره Wait For Response متصل کنید.

7. Sticky Note: یک گره Sticky Note (n8n-nodes-base.stickyNote) برای مستندسازی اضافه کنید.