ساخت سیستم FAQ هوشمند با Claude، Supabase و OpenAI

اتوماسیون پاسخ به سوالات متداول کسب‌وکار با Claude، Supabase pgvector و OpenAI Embeddings

این Workflow نحوه ساخت یک سیستم خودکار برای پاسخگویی به سوالات متداول کسب‌وکار را با استفاده از قدرت Claude، افزونه pgvector در Supabase و OpenAI embeddings نشان می‌دهد. با بهره‌گیری از این فناوری‌ها، می‌توانید یک سیستم FAQ هوشمند ایجاد کنید که پاسخ‌های دقیق و مرتبط با زمینه را به کاربران شما ارائه می‌دهد.

نمای کلی Workflow

این Workflow برای انجام کارهای زیر طراحی شده است:

1. دریافت سوال کاربر از طریق یک Webhook.

2. تولید یک embedding برای سوال کاربر با استفاده از OpenAI.

3. پرس‌وجو از پایگاه داده Supabase (با pgvector) برای یافتن موارد FAQ موجود با بیشترین شباهت.

4. ساخت یک prompt برای Claude، شامل سوال کاربر و مرتبط‌ترین داده‌های FAQ.

5. تولید پاسخ با استفاده از Claude.

6. پاسخ به کاربر با پاسخ تولید شده.

پیش‌نیازها

قبل از اجرای این Workflow، اطمینان حاصل کنید که موارد زیر را دارید:

• حساب n8n: دسترسی به یک نمونه n8n. می‌توانید n8n را در Axeto.ai پیدا کنید: https://axeto.ai/n8n
• کلید API OpenAI: یک حساب فعال OpenAI با کلید API.
• پروژه Supabase: یک پروژه Supabase با افزونه pgvector فعال شده.
• تنظیمات پایگاه داده: جدولی در پایگاه داده Supabase شما که حاوی داده‌های FAQ شما باشد، شامل ستونی برای متن سوال و ستونی برای بردار embedding مربوطه.

Node های Workflow

Node های n8n زیر در این Workflow استفاده می‌شوند:

• Webhook: برای دریافت سوالات ورودی کاربر.
• Set: برای تعریف و دستکاری داده‌ها در Workflow.
• HTTP Request: برای تعامل با API OpenAI برای embeddings و API Claude برای تولید پاسخ‌ها.
• Code: برای اجرای منطق سفارشی جاوا اسکریپت، مانند فرمت‌بندی prompt ها.
• Sticky Note: برای افزودن توضیحات و مستندات در داخل Workflow.
• Respond to Webhook: برای ارسال پاسخ تولید شده به درخواست کننده اصلی.

نحوه استفاده

1. وارد کردن Workflow: این Workflow را از کاتالوگ Axeto در نمونه n8n خود وارد کنید: https://axeto.ai/n8n.

2. پیکربندی Node ها:

* Webhook Node: URL وب‌هوک را برای دریافت درخواست‌های ورودی تنظیم کنید.

* OpenAI Embeddings Node: با کلید API OpenAI خود پیکربندی کنید و یک مدل embedding مناسب (مانند text-embedding-ada-002) را انتخاب کنید.

* Supabase Query Node:

* به پروژه Supabase خود متصل شوید.

* یک کوئری SQL بنویسید برای:

* محاسبه شباهت کسینوسی بین embedding سوال کاربر و embedding های ذخیره شده در جدول FAQ شما.

* مرتب‌سازی نتایج بر اساس شباهت به ترتیب نزولی.

* محدود کردن نتایج به تعداد معقول (مثلاً 3-5 مورد FAQ مشابه برتر).

* انتخاب متن مرتبط FAQ.

* Claude Prompt Node (Code Node): از جاوا اسکریپت برای ساخت یک prompt دقیق برای Claude استفاده کنید. این prompt باید شامل سوال اصلی کاربر و اطلاعات مرتبط FAQ بازیابی شده باشد.

* Claude HTTP Request Node: با کلید API Claude خود پیکربندی کنید و مدل Claude مورد نظر را انتخاب کنید. prompt را برای استفاده از خروجی Node کد قبلی تنظیم کنید.

* Respond to Webhook Node: برای ارسال پاسخی که توسط Claude تولید شده به درخواست کننده اصلی پیکربندی کنید.

3. پر کردن پایگاه داده FAQ خود: اطمینان حاصل کنید که پایگاه داده Supabase شما با FAQ های کسب‌وکار شما و embedding های مربوطه پر شده است. شما به یک فرآیند یا Workflow جداگانه برای تولید اولیه این embedding ها نیاز خواهید داشت.

4. تست: یک سوال آزمایشی به URL وب‌هوک خود ارسال کنید و اجرای Workflow و پاسخ تولید شده را مشاهده کنید.

ساخت Prompt نمونه (Code Node)

// فرض بر این است که 'userInput' سوال کاربر است و 'supabaseResults' آرایه‌ای از FAQ های مشابه از Supabase است

let prompt = `شما یک دستیار هوش مصنوعی هستید که به پاسخگویی به سوالات متداول کسب‌وکار کمک می‌کنید.
سوال کاربر: "${userInput}"

بر اساس اطلاعات مرتبط زیر از پایگاه دانش ما، لطفاً یک پاسخ مختصر و مفید به سوال کاربر ارائه دهید. اگر اطلاعات برای پاسخ به سوال کافی نیست، لطفاً بیان کنید که در حال حاضر قادر به ارائه پاسخ نیستید.

اطلاعات مرتبط:
`;

supabaseResults.forEach(faq => {
  prompt += `- ${faq.question}: ${faq.answer}\n`; // 'question' و 'answer' را با نام ستون‌های خود تطبیق دهید
});

prompt += `\nپاسخ:`;

return [{ json: { prompt: prompt } }];

بهبودهای بیشتر

• مدیریت خطا: پیاده‌سازی مدیریت خطای قوی برای فراخوانی‌های API و کوئری‌های پایگاه داده.
• مدیریت پنجره زمینه: برای مکالمات طولانی‌تر، استراتژی‌هایی را برای مدیریت پنجره زمینه Claude در نظر بگیرید.
• حلقه بازخورد: مکانیزمی برای کاربران برای ارائه بازخورد در مورد پاسخ‌ها اضافه کنید که می‌تواند برای بهبود داده‌های FAQ استفاده شود.
• بهینه‌سازی پایگاه داده برداری: تکنیک‌های پیشرفته ایندکس‌گذاری در pgvector را برای جستجوهای شباهت سریع‌تر کاوش کنید.
• جستجوی ترکیبی: جستجوی کلمات کلیدی را با جستجوی برداری برای نتایج جامع‌تر ترکیب کنید.

این Workflow یک پایه محکم برای ساخت یک سیستم FAQ هوشمند فراهم می‌کند. با سفارشی‌سازی prompt ها، کوئری‌های پایگاه داده و ادغام منطق اضافی، می‌توانید آن را برای نیازهای خاص کسب‌وکار خود تنظیم کنید.