این گردش کار چگونه به سوالات آییننامه رفتاری پاسخ میدهد؟

این گردش کار از ترکیب GPT-4 برای درک سوالات و تکنیک تولید افزوده بازیابی (RAG) برای جستجو در اسناد آییننامه رفتاری شما استفاده میکند تا پاسخهای دقیق و مرتبط را ارائه دهد.

چه نیازمندیهایی برای راهاندازی این گردش کار وجود دارد؟

شما به یک حساب OpenAI برای دسترسی به GPT-4 و مدلهای جاسازی، و همچنین دسترسی به Google Drive برای پشتیبانگیری نیاز دارید. همچنین باید سند آییننامه رفتاری خود را در قالب PDF آماده کنید.

آیا این گردش کار فقط برای اسلک قابل استفاده است؟

این گردش کار به طور خاص برای ادغام با اسلک طراحی شده است، اما اصول RAG و استفاده از GPT-4 میتواند برای اتوماسیون پرسش و پاسخ در سایر پلتفرمها نیز اقتباس شود.

اتوماسیون پرسش و پاسخ آیین‌نامه رفتاری در اسلک با GPT-4 و RAG

این گردش کار سازمان شما را قادر می‌سازد تا به طور فوری و دقیق به سوالات کارمندان در مورد آیین‌نامه رفتاری شرکت مستقیماً در اسلک پاسخ دهد. با ادغام GPT-4 برای درک زبان طبیعی و تولید افزوده بازیابی (RAG) برای دسترسی به اسناد خط‌مشی، این راهکار پشتیبانی منابع انسانی و انطباق را ساده می‌کند.

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

نمای کلی گردش کار

این راهکار در دو مرحله اصلی طراحی شده است:

1. دریافت و جاسازی اسناد: این مرحله مسئول بارگذاری امن، پردازش و برداری‌سازی سند "آیین‌نامه رفتاری" شماست. این اطمینان را حاصل می‌کند که سند برای پرس‌وجو توسط هوش مصنوعی در دسترس است.

2. تعامل ربات چت اسلک: این مرحله پیام‌های ورودی اسلک را مدیریت می‌کند، سوالات مرتبط را شناسایی می‌کند، از سیستم RAG برای یافتن پاسخ‌ها در "آیین‌نامه رفتاری" استفاده می‌کند و پاسخی مختصر و شخصی‌سازی شده را به کاربر در اسلک بازمی‌گرداند.

---

فاز ۱: دریافت و جاسازی اسناد

این بخش به فرآیند آماده‌سازی سند "آیین‌نامه رفتاری" شما برای بازیابی مبتنی بر هوش مصنوعی می‌پردازد. یک مدیر سند را از طریق یک فرم آپلود می‌کند، سپس آن تجزیه شده، با استفاده از OpenAI به بردارهای جاسازی (vector embeddings) تبدیل شده و در یک پایگاه داده برداری در حافظه (in-memory vector database) ذخیره می‌شود. سند اصلی نیز برای اطمینان از نگهداری امن، در Google Drive پشتیبان‌گیری می‌شود.

گره‌های درگیر:

آپلود PDF آیین‌نامه رفتاری (formTrigger)
تجزیه سند (documentDefaultDataLoader)
فیلتر کردن داده‌های باینری (code)
تولید جاسازی‌ها (embeddingsOpenAi)
ذخیره جاسازی‌ها (vectorStoreInMemory)
پشتیبان‌گیری در Google Drive (googleDrive)

تشریح گره‌ها:

آپلود PDF آیین‌نامه رفتاری

* نوع: Form Trigger

* هدف: به عنوان نقطه ورود اولیه برای آپلود سند PDF "آیین‌نامه رفتاری" عمل می‌کند.

* پیکربندی: نیاز به آپلود فایل PDF دارد.

* ورودی: داده‌های فایل باینری از ارسال فرم.

* خروجی: فایل آپلود شده را به گره‌های بعدی منتقل می‌کند.

تجزیه سند

* نوع: Document Data Loader (LangChain)

* هدف: فایل PDF آپلود شده را می‌خواند و آن را به قطعات متنی قابل مدیریت تقسیم می‌کند.

* ورودی: محتوای باینری PDF.

* خروجی: قطعات متنی ساختاریافته سند.

فیلتر کردن داده‌های باینری

* نوع: Code (JavaScript)

* هدف: فقط داده‌های باینری مرتبط را برای پردازش استخراج و ارسال می‌کند و ورودی تمیز را برای جاسازی تضمین می‌کند.

* ورودی: قطعات سند و فراداده‌های مرتبط.

* خروجی: داده‌های باینری فیلتر شده.

تولید جاسازی‌ها

* نوع: OpenAI Embeddings (LangChain)

* هدف: قطعات متنی را با استفاده از API OpenAI به نمایش‌های برداری عددی (جاسازی‌ها) تبدیل می‌کند.

* پیکربندی: نیاز به اعتبارنامه API OpenAI دارد.

* ورودی: قطعات متنی از تجزیه‌کننده سند.

* خروجی: جاسازی‌های برداری برای هر قطعه متنی.

ذخیره جاسازی‌ها

* نوع: Vector Store (in-memory)

* هدف: جاسازی‌های تولید شده را در یک پایگاه داده کارآمد در حافظه برای بازیابی سریع ذخیره می‌کند.

* پیکربندی: از یک کلید حافظه خاص (vector_store_key) برای شناسایی این مجموعه داده استفاده می‌کند.

* ورودی: جاسازی‌های برداری.

* خروجی: تأیید ذخیره‌سازی موفق.

پشتیبان‌گیری در Google Drive

* نوع: Google Drive

* هدف: یک نسخه پشتیبان از PDF "آیین‌نامه رفتاری" آپلود شده در یک پوشه مشخص Google Drive ایجاد می‌کند.

* پیکربندی: شناسه پوشه Google Drive هدف را مشخص می‌کند.

* ورودی: باینری PDF آپلود شده اصلی.

* خروجی: فراداده فایل Google Drive پس از پشتیبان‌گیری موفق.

---

فاز ۲: تعامل ربات چت اسلک

این بخش نحوه پردازش پیام‌های ورودی اسلک توسط گردش کار، پردازش آن‌ها با استفاده از سیستم RAG و پاسخگویی به کاربران را شرح می‌دهد.

گره‌های درگیر:

Slack Webhook Listener (webhook)
آیا پیام کاربر است؟ (if)
نادیده گرفتن رویداد (noOp)
عامل هوش مصنوعی آیین‌نامه رفتاری (agent)
بازیابی قطعات سند (vectorStoreInMemory, retrieve-as-tool)
مدل زبان GPT-4 (lmChatOpenAi)
دریافت اطلاعات کاربر اسلک (slack)
ارسال پاسخ به اسلک (slack)

تشریح گره‌ها:

Slack Webhook Listener

* نوع: Webhook Trigger

* هدف: دریافت رویدادهای ورودی از اسلک از طریق یک URL وب‌هوک پیکربندی شده.

* پیکربندی: با یک مسیر منحصربه‌فرد راه‌اندازی شده و برای گوش دادن به درخواست‌های HTTP POST پیکربندی می‌شود.

* ورودی: بار داده JSON حاوی اطلاعات رویداد اسلک.

* خروجی: داده‌های رویداد را برای فیلتر کردن به گره بعدی ارسال می‌کند.

آیا پیام کاربر است؟

* نوع: If Node

* هدف: فیلتر کردن رویدادهای ورودی اسلک برای اطمینان از پردازش فقط پیام‌های تولید شده توسط کاربر.

* پیکربندی: وجود و اعتبار فیلد event.type را در بار داده ورودی بررسی می‌کند.

* ورودی: داده‌های رویداد اسلک.

* خروجی: پیام‌های کاربر را به عامل هوش مصنوعی هدایت می‌کند؛ رویدادهای دیگر به گره "نادیده گرفتن رویداد" ارسال می‌شوند.

نادیده گرفتن رویداد

* نوع: No Operation

* هدف: به عنوان یک گره پایانی برای رویدادهایی که پیام کاربر نیستند عمل می‌کند و به طور موثر پردازش بیشتر را متوقف می‌کند.

عامل هوش مصنوعی آیین‌نامه رفتاری

* نوع: LangChain Agent

* هدف: هسته اصلی ربات چت. از GPT-4 و ابزار RAG برای درک سوالات کاربر و تولید پاسخ بر اساس آیین‌نامه رفتاری استفاده می‌کند.

* پیکربندی:

* مدل: به گره مدل زبان GPT-4 متصل است.

* ابزارها: برای استفاده از ابزار بازیابی قطعات سند پیکربندی شده است.

* پیام سیستمی: دستورالعمل‌هایی را برای پاسخ‌های حرفه‌ای و دقیق به هوش مصنوعی ارائه می‌دهد و به منابع سند اشاره می‌کند.

* پرامپت کاربر: پیام اسلک کاربر را به صورت پویا درج می‌کند.

* ورودی: داده‌های پیام کاربر معتبر.

* خروجی: پاسخ تولید شده توسط هوش مصنوعی در قالب اسلک مارک‌داون.

بازیابی قطعات سند

* نوع: Vector Store Retrieval Tool (LangChain)

* هدف: فروشگاه وکتور در حافظه را برای یافتن مرتبط‌ترین قطعات سند مربوط به سوال کاربر، جستجو می‌کند.

* پیکربندی:

* حالت: retrieve-as-tool.

* نام ابزار: knowledge_base.

* کلید حافظه: vector_store_key (باید با کلید استفاده شده در طول ذخیره‌سازی امبدینگ مطابقت داشته باشد).

* توضیحات ابزار: به عامل در مورد زمان و نحوه استفاده از این ابزار راهنمایی می‌کند.

* ورودی: متن پرس و جوی کاربر.

* خروجی: قطعات سند مرتبط که به عنوان زمینه برای عامل هوش مصنوعی استفاده می‌شوند.

مدل زبان GPT-4

* نوع: OpenAI Chat Language Model (LangChain)

* هدف: قابلیت‌های پردازش زبان طبیعی GPT-4 را برای عامل هوش مصنوعی فراهم می‌کند.

* پیکربندی:

* مدل: روی یک نوع GPT-4 تنظیم شده است (مانند "gpt-4-turbo-preview").

* به اعتبارنامه API OpenAI نیاز دارد.

* ورودی: کل پرامپت ساخته شده توسط عامل، شامل دستورالعمل‌های سیستمی، پرس و جوی کاربر و زمینه سند بازیابی شده.

* خروجی: تکمیل متن تولید شده توسط GPT-4.

دریافت اطلاعات کاربر اسلک

* نوع: Slack API (users.info)

* هدف: جزئیات مربوط به کاربری که سوال را می‌پرسد (مانند نام نمایشی) را برای شخصی‌سازی پاسخ دریافت می‌کند.

* پیکربندی: به اعتبارنامه Slack OAuth2 با مجوزهای مناسب نیاز دارد.

* ورودی: شناسه کاربر اسلک به دست آمده از رویداد ورودی.

* خروجی: اطلاعات پروفایل کاربر.

ارسال پاسخ به اسلک

* نوع: Slack API (chat.postMessage)

* هدف: ارسال پاسخ نهایی و قالب‌بندی شده به کانال اسلک که سوال از آنجا نشأت گرفته است.

* پیکربندی:

* متن: پیام را می‌سازد، کاربر را ذکر می‌کند و پاسخ هوش مصنوعی را شامل می‌شود.

* کانال: از شناسه کانال رویداد اسلک اصلی استفاده می‌کند.

* قالب: اسلک مارک‌داون را برای متن غنی فعال می‌کند.

* به توکن ربات اسلک با مجوز chat:write نیاز دارد.

* ورودی: اطلاعات کاربر و پاسخ تولید شده توسط هوش مصنوعی.

* خروجی: تأیید ارسال پیام به اسلک.

---

جدول خلاصه

نام گره (Node Name)	نوع گره (Node Type)	نقش عملکردی (Functional Role)	گره(های) ورودی (Input Node(s))	گره(های) خروجی (Output Node(s))	یادداشت چسبان (Sticky Note)
آپلود PDF آیین‌نامه رفتاری	Form Trigger	شروع آپلود PDF	-	تجزیه سند	۱. ⬆️ آپلود PDF: مدیر سند "آیین‌نامه رفتاری" را آپلود می‌کند.
تجزیه سند	Document Data Loader	تقسیم PDF به قطعات متنی	آپلود PDF آیین‌نامه رفتاری	فیلتر کردن داده‌های باینری	۲. 📄 تجزیه سند: محتوای متنی را از PDF استخراج می‌کند.
فیلتر کردن داده‌های باینری	Code	انتخاب داده‌های باینری مرتبط	تجزیه سند	تولید جاسازی‌ها
تولید جاسازی‌ها	OpenAI Embeddings	ایجاد نمایش‌های برداری از قطعات متنی	فیلتر کردن داده‌های باینری	ذخیره جاسازی‌ها	۳. 💡 تولید نمایش‌های برداری: قطعات متنی را با استفاده از OpenAI به بردار تبدیل می‌کند.
ذخیره جاسازی‌ها	Vector Store (in-memory)	ذخیره نمایش‌های برداری برای دسترسی سریع	تولید جاسازی‌ها	Slack Webhook Listener (shared store)	۴. 💾 ذخیره نمایش‌های برداری: بردارها را در یک پایگاه داده در حافظه (`vector_store_key`) ذخیره می‌کند.
پشتیبان‌گیری در Google Drive	Google Drive	پشتیبان‌گیری از PDF اصلی	آپلود PDF آیین‌نامه رفتاری	-
Slack Webhook Listener	Webhook Trigger	دریافت رویدادهای Slack	-	آیا پیام کاربر است؟	۵. 👂 شنونده Slack: پیام‌های ورودی از Slack را دریافت می‌کند.
آیا پیام کاربر است؟	If	فیلتر کردن پیام‌های کاربر	Slack Webhook Listener	عامل هوش مصنوعی آیین‌نامه رفتاری, نادیده گرفتن رویداد	۶. ❓ آیا پیام کاربر است؟: رویداد را برای اطمینان از اینکه پیام مستقیم کاربر است، تأیید می‌کند.
نادیده گرفتن رویداد	No Operation	توقف پردازش برای رویدادهای غیرکاربر	آیا پیام کاربر است؟	-
عامل هوش مصنوعی آیین‌نامه رفتاری	LangChain Agent	پاسخ به سوالات با استفاده از RAG و GPT-4	آیا پیام کاربر است؟	دریافت اطلاعات کاربر اسلک	۷. 🤖 عامل هوش مصنوعی: از GPT-4 و RAG برای پاسخ به سوالات "آیین‌نامه رفتاری" استفاده می‌کند.
بازیابی قطعات سند	Vector Store (retrieve-as-tool)	بازیابی زمینه سند مرتبط	عامل هوش مصنوعی آیین‌نامه رفتاری (uses tool)	عامل هوش مصنوعی آیین‌نامه رفتاری
مدل زبان GPT-4	OpenAI Chat Model	ارائه تکمیل‌های GPT-4	عامل هوش مصنوعی آیین‌نامه رفتاری (agent uses model)	عامل هوش مصنوعی آیین‌نامه رفتاری
دریافت اطلاعات کاربر اسلک	Slack API (users.info)	بازیابی جزئیات کاربر برای شخصی‌سازی	عامل هوش مصنوعی آیین‌نامه رفتاری	ارسال پاسخ به اسلک	۸. 👤 دریافت اطلاعات کاربر: جزئیات کاربر را برای پاسخ‌های شخصی‌سازی شده بازیابی می‌کند.
ارسال پاسخ به اسلک	Slack API (chat.postMessage)	ارسال پاسخ نهایی به Slack	دریافت اطلاعات کاربر اسلک, عامل هوش مصنوعی آیین‌نامه رفتاری	-	۹. 💬 ارسال پاسخ: پاسخ تولید شده توسط هوش مصنوعی را به کانال Slack برمی‌گرداند.

پاسخگویی خودکار به سوالات آیین‌نامه رفتاری در اسلک با GPT-4 …

دانلود workflow