ساخت چت‌بات هوش مصنوعی منابع انسانی با n8n و GPT-4o-mini

ساخت چت‌بات هوش مصنوعی منابع انسانی با n8n، GPT-4o-mini، PostgreSQL و ElevenLabs

این گردش کار نحوه ساخت یک دستیار هوشمند منابع انسانی را برای پاسخگویی به سوالات کارمندان با استفاده از فناوری‌های پیشرفته هوش مصنوعی نشان می‌دهد. این گردش کار از GPT-4o-mini برای درک زبان طبیعی و تولید پاسخ، PostgreSQL برای ذخیره‌سازی داده‌های ساختاریافته، Pinecone برای جستجوی معنایی کارآمد و ElevenLabs برای قابلیت‌های تبدیل متن به گفتار استفاده می‌کند.

دسته‌بندی‌ها: منابع انسانی، چت‌بات هوش مصنوعی، اتوماسیون

فناوری‌های کلیدی مورد استفاده:

• مدل زبان هوش مصنوعی: GPT-4o-mini (از طریق Langchain)
• پایگاه داده برداری: Pinecone
• پایگاه داده: PostgreSQL
• تبدیل متن به گفتار: ElevenLabs
• اتوماسیون گردش کار: n8n

---

نمای کلی گردش کار

این گردش کار برای موارد زیر طراحی شده است:

1. دریافت سوالات مرتبط با منابع انسانی از طریق یک Webhook.

2. تعبیه (Embedding) سوال با استفاده از تعبیه‌های OpenAI.

3. جستجو برای اطلاعات مرتبط در پایگاه داده برداری Pinecone، که پایگاه دانش منابع انسانی شما را ذخیره می‌کند.

4. بازیابی زمینه (Context) از PostgreSQL بر اساس نتایج جستجوی Pinecone.

5. تولید یک پاسخ جامع با استفاده از GPT-4o-mini، با ترکیب زمینه بازیابی شده.

6. تبدیل پاسخ به گفتار با استفاده از ElevenLabs.

7. پاسخ به کاربر با هر دو پاسخ متنی و صوتی.

---

پیش‌نیازها

قبل از اجرای این گردش کار، موارد زیر را اطمینان حاصل کنید:

• نمونه n8n: یک نمونه در حال اجرای n8n. می‌توانید n8n را در Axeto.ai پیدا کنید: https://axeto.ai/n8n
• کلید API OpenAI: برای GPT-4o-mini و تعبیه‌ها.
• کلید API و محیط Pinecone: برای جستجوی برداری.
• پایگاه داده PostgreSQL: با جدولی برای ذخیره اسناد یا سوالات متداول مرتبط با منابع انسانی.
• کلید API ElevenLabs: برای تبدیل متن به گفتار.

---

راه‌اندازی گردش کار

1. وارد کردن گردش کار: فایل JSON گردش کار را دانلود کرده و آن را در نمونه n8n خود وارد کنید.

2. پیکربندی گره‌ها (Nodes):

* گره Webhook: Webhook را برای دریافت سوالات ورودی تنظیم کنید.

* گره OpenAI Embedding: با کلید API OpenAI خود پیکربندی کنید.

* گره Pinecone Search: کلید API Pinecone، محیط و نام ایندکس را مشخص کنید.

* گره‌های PostgreSQL: جزئیات اتصال PostgreSQL خود را پیکربندی کرده و کوئری‌هایی را برای بازیابی داده‌های مرتبط بر اساس شناسه‌ها یا سایر شناساگرهای نتایج Pinecone تنظیم کنید.

* گره‌های Langchain Agent/Chain:

* lmChatOpenAi: با کلید API OpenAI خود پیکربندی کرده و gpt-4o-mini را به عنوان مدل انتخاب کنید.

* chainLlm: این گره تعامل LLM را هماهنگ می‌کند و سوال کاربر و زمینه بازیابی شده را دریافت می‌کند.

* گره ElevenLabs: با کلید API ElevenLabs خود پیکربندی کرده و یک صدا را انتخاب کنید.

* گره Respond to Webhook: برای ارسال پاسخ متنی و صوتی تولید شده به عقب پیکربندی کنید.

3. پر کردن Pinecone و PostgreSQL:

* Pinecone: شما باید اسناد منابع انسانی خود (سوالات متداول، سیاست‌ها و غیره) را پیش‌پردازش کنید، تعبیه‌های آن‌ها را با استفاده از تعبیه‌های OpenAI تولید کرده و آن‌ها را به ایندکس Pinecone خود اضافه (upsert) کنید.

* PostgreSQL: محتوای متنی اصلی اسناد منابع انسانی خود را در PostgreSQL، همراه با فراداده‌ای که می‌تواند به ورودی‌های Pinecone شما پیوند داده شود (مانند شناسه سند)، ذخیره کنید.

---

تشریح گره‌ها

• Webhook: گردش کار را راه‌اندازی کرده و سوال منابع انسانی کاربر را دریافت می‌کند.
• Set (Embeddings): سوال را برای تعبیه آماده می‌کند.
• OpenAI Embeddings: یک تعبیه برداری برای سوال کاربر ایجاد می‌کند.
• Pinecone Search: ایندکس Pinecone را با تعبیه سوال جستجو می‌کند تا مرتبط‌ترین اسناد منابع انسانی را پیدا کند.
• PostgresTool (یا گره‌های Postgres دیگر): محتوای کامل اسناد منابع انسانی مرتبط را از پایگاه داده PostgreSQL شما با استفاده از شناسه‌های به‌دست‌آمده از Pinecone بازیابی می‌کند.
• Sticky Note: گره‌ای مفید برای اشکال‌زدایی و بازرسی داده‌ها در مراحل مختلف.
• If: می‌تواند برای بررسی اینکه آیا اسناد مرتبطی در Pinecone یافت شده است، استفاده شود.
• Set (Context): محتوای سند منابع انسانی بازیابی شده را برای استفاده به عنوان زمینه برای LLM قالب‌بندی می‌کند.
• Langchain LM Chat OpenAI: مدل GPT-4o-mini را برای تولید پاسخ پیکربندی می‌کند.
• Langchain Chain LLM: اعلان (prompt) را برای GPT-4o-mini، شامل سوال کاربر و زمینه بازیابی شده، می‌سازد و پاسخ را تولید می‌کند.
• ElevenLabs: پاسخ متنی تولید شده توسط GPT-4o-mini را به یک فایل صوتی تبدیل می‌کند.
• Respond to Webhook: پاسخ متنی و پیوندی به فایل صوتی را به درخواست‌کننده اصلی ارسال می‌کند.

---

جریان داده نمونه

1. سوال کاربر: "سیاست شرکت در مورد کار از راه دور چیست؟"

2. Webhook: سوال را دریافت می‌کند.

3. OpenAI Embeddings: یک بردار برای "سیاست شرکت در مورد کار از راه دور چیست؟" ایجاد می‌کند.

4. Pinecone Search: شناسه‌های سند را در Pinecone که از نظر معنایی شبیه به تعبیه سوال هستند، پیدا می‌کند.

5. PostgreSQL: متن کامل سند "سیاست کار از راه دور" را با استفاده از شناسه‌های Pinecone بازیابی می‌کند.

6. Langchain Chain LLM (GPT-4o-mini): سوال و متن "سیاست کار از راه دور" را دریافت می‌کند. پاسخی مانند این را تولید می‌کند: "سیاست کار از راه دور شرکت ما اجازه تنظیمات انعطاف‌پذیر را می‌دهد، مشروط به تأیید مدیر و نیازهای تیم. لطفاً برای دستورالعمل‌های خاص به سند سیاست دقیق مراجعه کنید..."

7. ElevenLabs: پاسخ متنی تولید شده را به یک فایل صوتی تبدیل می‌کند.

8. Respond to Webhook: پاسخ متنی و URL فایل صوتی را برمی‌گرداند.

---

بهبودها و ملاحظات

• مدیریت خطا: مدیریت خطای قوی برای فراخوانی‌های API و تعاملات پایگاه داده پیاده‌سازی کنید.
• مدیریت پنجره زمینه (Context Window): برای اسناد بسیار طولانی یا اسناد بازیابی شده متعدد، پنجره زمینه GPT-4o-mini را به طور مؤثر مدیریت کنید.
• امنیت: کلیدهای API و اعتبارنامه‌های پایگاه داده را به صورت امن ذخیره کنید.
• مقیاس‌پذیری: با رشد پایگاه دانش منابع انسانی شما، مقیاس‌پذیری ایندکس Pinecone و پایگاه داده PostgreSQL خود را در نظر بگیرید.
• تنظیم دقیق (Fine-tuning): برای اصطلاحات بسیار خاص منابع انسانی یا سیاست‌های شرکت، تنظیم دقیق یک مدل تعبیه یا خود LLM را در نظر بگیرید.
• بازخورد کاربر: مکانیزمی برای ارائه بازخورد کاربران در مورد پاسخ‌ها برای بهبود پایگاه دانش و گردش کار، بگنجانید.

این گردش کار یک پایه قدرتمند برای خودکارسازی پشتیبانی منابع انسانی، بهبود کارایی و ارائه دسترسی سریع به اطلاعات به کارمندان فراهم می‌کند.