تولید خودکار کارت نبرد رقابتی با هوش مصنوعی، Slack و Notion

تولید خودکار کارت‌های نبرد رقابتی با هوش مصنوعی، Slack و Notion

این گردش کار، ایجاد کارت‌های نبرد رقابتی را با جمع‌آوری اطلاعات فروش در لحظه از منابع مختلف هوش مصنوعی و ادغام با پلتفرم‌هایی مانند Slack و Notion، خودکار می‌کند. این گردش کار برای تیم‌های فروش و اطلاعات رقابتی طراحی شده است که نیاز دارند به سرعت بینش‌های رقابتی را سنتز کرده و کارت‌های نبرد مختصر را به طور خودکار توزیع کنند.

شما می‌توانید این گردش کار و موارد مشابه را در کاتالوگ Pixori.me بیابید: https://pixori.me/n8n

دسته‌بندی‌ها: تحقیقات بازار، چت‌بات هوش مصنوعی

گره‌های مورد استفاده:

n8n-nodes-base.code, n8n-nodes-base.merge, n8n-nodes-base.slack, n8n-nodes-base.jinaAi, n8n-nodes-base.notion, n8n-nodes-base.switch, n8n-nodes-base.dataTable, n8n-nodes-base.slackTool, n8n-nodes-base.notionTool, n8n-nodes-base.perplexity, n8n-nodes-base.stickyNote, n8n-nodes-base.slackTrigger

---

تجزیه و تحلیل گردش کار

گردش کار به طور منطقی به بخش‌های زیر تقسیم می‌شود:

1. دریافت ورودی: گردش کار را بر اساس ذکر رقبا یا پیام‌های چت در Slack فعال می‌کند.

2. بازیابی داده‌های رقیب و زمینه: اطلاعات خاص رقیب را از پایگاه‌های داده Notion و جداول داده جمع‌آوری می‌کند.

3. استخراج و تجمیع محتوا: محتوا را از URLهای رقبا با استفاده از خواننده‌های محتوای هوش مصنوعی بازیابی و پردازش کرده و ورودی‌های متعدد را ادغام می‌کند.

4. پردازش هوش مصنوعی: از چندین عامل هوش مصنوعی (Anthropic، LangChain، Perplexity) برای تجزیه و تحلیل و سنتز داده‌های اطلاعات رقابتی استفاده می‌کند.

5. تولید و ذخیره‌سازی کارت نبرد: بینش‌های تولید شده توسط هوش مصنوعی را در قالب کارت نبرد تدوین کرده، آن را در Notion ذخیره می‌کند و ورودی‌ها را در یک جدول داده ثبت می‌کند.

6. اطلاع‌رسانی و مدیریت خطا: اعلان‌هایی را در مورد ایجاد کارت نبرد یا هر خطای مواجه شده به Slack ارسال می‌کند.

---

۱. دریافت ورودی

این بخش گردش کار را آغاز می‌کند. این بخش برای شناسایی رقیب یا موضوعی که نیاز به کارت نبرد دارد، به تریگرهای خاص در Slack یا پیام‌های چت گوش می‌دهد.

• تریگر Slack - ذکر رقیب (n8n-nodes-base.slackTrigger):

* نقش: کانال‌های مشخص شده Slack را برای ذکر رقبا نظارت می‌کند.

* پیکربندی: برای دریافت رویدادها از طریق یک Webhook Slack تنظیم شده است.

* ورودی: داده‌های رویداد Slack (به عنوان مثال، پیامی که رقیبی را ذکر می‌کند).

* خروجی: داده‌های تریگر را به گره بعدی منتقل می‌کند.

* موارد لبه‌ای: محدودیت‌های نرخ API Slack، پیکربندی نادرست یا لغو Webhook.

• هنگام دریافت پیام چت (تریگر چت LangChain):

* نقش: هنگام دریافت پیام چت از یک رابط چت یا ادغام LangChain، گردش کار را شروع می‌کند.

* پیکربندی: برای رویدادهای پیام چت نیاز به فعال‌سازی Webhook دارد.

* ورودی: داده‌های پیام چت ورودی.

* خروجی: داده‌های پیام را برای پردازش بیشتر ارسال می‌کند.

* موارد لبه‌ای: مشکلات راه‌اندازی Webhook، فرمت‌های غیرمنتظره پیام چت.

---

۲. بازیابی داده‌های رقیب و زمینه

این بخش بر جمع‌آوری تمام اطلاعات لازم در مورد رقیب و زمینه داخلی مرتبط برای اطلاع‌رسانی به تجزیه و تحلیل هوش مصنوعی تمرکز دارد.

• دریافت صفحه رقیب (n8n-nodes-base.notionTool):

* نقش: اطلاعات دقیق در مورد یک رقیب را از یک پایگاه داده Notion بازیابی می‌کند.

* پیکربندی: پایگاه داده Notion را با استفاده از یک شناسه رقیب پرس و جو می‌کند.

* ورودی: شناسه رقیب (دریافت شده از تریگر).

* خروجی: محتوای صفحه رقیب.

* موارد لبه‌ای: محدودیت‌های API Notion، صفحه رقیب مشخص شده وجود ندارد.

• دریافت صفحه ما (n8n-nodes-base.notionTool):

* نقش: محتوا را از یک صفحه مرجع داخلی Notion برای تجزیه و تحلیل مقایسه‌ای یا زمینه اضافی بازیابی می‌کند.

* پیکربندی: به یک صفحه پایگاه داده داخلی Notion خاص دسترسی پیدا می‌کند.

* ورودی: درخواستی برای زمینه داخلی.

* خروجی: محتوای صفحه داخلی.

* موارد لبه‌ای: خطاهای دسترسی به صفحه، صفحه یافت نشد.

• دریافت URL رقیب (n8n-nodes-base.dataTable):

* نقش: URLهای وب‌سایت رقبا را از یک جدول داده بازیابی می‌کند که برای خراشیدن محتوا استفاده می‌شود.

* پیکربندی: جدول داده را بر اساس نام یا شناسه رقیب پرس و جو می‌کند.

* ورودی: نام یا شناسه رقیب.

* خروجی: URL(های) مرتبط.

* موارد لبه‌ای: URLهای خالی یا نامعتبر در جدول داده.

• دریافت ردیف(های) در جدول داده (n8n-nodes-base.dataTable):

* نقش: ردیف‌های خاصی را از یک جدول داده حاوی معیارهای مرتبط یا داده‌های فروش برای پردازش توسط هوش مصنوعی بازیابی می‌کند.

* پیکربندی: برای بازیابی ردیف‌ها بر اساس شناسه داده تریگر ورودی تنظیم شده است.

* ورودی: شناسه از داده‌های تریگر.

* خروجی: ردیف‌های جدول داده.

* موارد لبه‌ای: مجموعه داده خالی، مهلت زمانی API در طول بازیابی.

---

۳. استخراج و تجمیع محتوا

این بخش محتوای متنی را از URLهای مختلف رقبا استخراج کرده و آن را در یک مجموعه داده واحد برای تجزیه و تحلیل هوش مصنوعی ادغام می‌کند.

• خواندن محتوای URL (گره‌های متعدد n8n-nodes-base.jinaAi):

* نقش: محتوای متنی قابل خواندن را از صفحات وب رقبا استخراج می‌کند. هر گره معمولاً برای یک URL پیکربندی می‌شود.

* پیکربندی: برای ادامه در صورت بروز خطا تنظیم شده است تا از وقفه گردش کار در صورت عدم دسترسی یا غیرقابل خواندن بودن URL جلوگیری شود.

* ورودی: URL به دست آمده از مراحل بازیابی داده قبلی.

* خروجی: محتوای متنی استخراج شده.

* موارد لبه‌ای: URLهای غیرقابل دسترسی، محتوایی که قابل تجزیه نیست، مهلت زمانی.

• Merge3 (n8n-nodes-base.merge):

* نقش: محتوای استخراج شده از تمام گره‌های خواننده URL را در یک جریان داده واحد و یکپارچه ترکیب می‌کند.

* پیکربندی: ورودی‌ها را بر اساس ترتیب داده ادغام می‌کند.

* ورودی: جریان‌های محتوا از گره‌های متعدد خواندن محتوای URL.

* خروجی: محتوای تجمیع شده آماده برای پردازش هوش مصنوعی.

* موارد لبه‌ای: تعداد داده‌های ورودی نامطابق، ورودی‌های خالی از برخی خوانندگان.

---

۴. پردازش هوش مصنوعی

این هسته اصلی گردش کار است که در آن عوامل هوش مصنوعی داده‌های جمع‌آوری شده را تجزیه و تحلیل می‌کنند تا اطلاعات رقابتی معنی‌داری را استخراج کنند.

• عامل هوش مصنوعی (گره‌های متعدد n8n-nodes-base.stickyNote یا گره‌های مشابه LangChain):

* نقش: تجزیه و تحلیل تخصصی مبتنی بر هوش مصنوعی را بر جنبه‌های مختلف داده‌های رقابتی انجام می‌دهد. هر عامل ممکن است بر ویژگی‌ها، قیمت‌گذاری، موقعیت‌یابی بازار و غیره تمرکز کند.

* پیکربندی: به مدل‌های چت Anthropic متصل شده و ورودی‌های ساختاریافته را برای زمینه دریافت می‌کند.

* ورودی: خروجی‌های گره‌های ادغام یا گره‌های میانی ToolThink.

* خروجی: بینش‌های پردازش شده.

* موارد لبه‌ای: محدودیت‌های نرخ مدل هوش مصنوعی، ورودی‌های بدشکل، خروجی‌های مبهم هوش مصنوعی.

• عامل پرسش و پاسخ - پاسخ به سوالات (گره تخصصی LangChain):

* نقش: وظایف خاص پرسش و پاسخ مربوط به داده‌های رقبا، زمینه داخلی یا اطلاعات بازیابی شده از Perplexity را مدیریت می‌کند.

* پیکربندی: از یک مدل چت Anthropic برای درک زبان طبیعی استفاده می‌کند.

* ورودی: پرس و جوهای مشتق شده از داده‌های Notion، پیام‌های Slack یا نتایج Perplexity.

* خروجی: پاسخ به سوالات مطرح شده.

* موارد لبه‌ای: داده‌های ناکافی برای پاسخ به یک پرس و جو، مهلت زمانی پرس و جو.

• پیام به مدل / پیام به مدل در Perplexity (n8n-nodes-base.perplexity):

* نقش: سرویس هوش مصنوعی Perplexity را برای جمع‌آوری اطلاعات رقابتی خاص، ویژگی‌های محصول، تجزیه و تحلیل احساسات یا شکایات مشتریان پرس و جو می‌کند.

* پیکربندی: چندین گره برای تمرکز بر انواع مختلف داده (به عنوان مثال، ویژگی‌ها، چشم‌انداز رقابتی، بررسی‌ها) استفاده می‌شود.

* ورودی: پرس و جوهای متنی یا پارامترهای تولید شده توسط گره‌های بالادستی.

* خروجی: داده‌های بازیابی شده از Perplexity.

* موارد لبه‌ای: کلید API نامعتبر، محدودیت‌های نرخ API Perplexity، خطاهای اجرای پرس و جو.

• Think (گره‌های متعدد n8n-nodes-base.stickyNote یا گره‌های مشابه LangChain ToolThink):

* نقش: به عنوان مراحل استدلال میانی عمل کرده، عوامل هوش مصنوعی را برای اصلاح داده‌ها، انجام وظایف تحلیلی خاص یا سازماندهی اطلاعات قبل از پردازش بیشتر فراخوانی می‌کند.

* پیکربندی: هر گره Think به یک عامل هوش مصنوعی پیوند داده شده است.

* ورودی: خروجی‌های عوامل هوش مصنوعی قبلی یا داده‌های ادغام شده.

* خروجی: نتایج تغذیه شده به عوامل هوش مصنوعی یا گره‌های ادغام برای سنتز.

* موارد لبه‌ای: خرابی‌های مدل هوش مصنوعی، احتمال وابستگی‌های چرخه‌ای در صورت عدم پیکربندی دقیق.

• مدل چت Anthropic (گره‌های متعدد n8n-nodes-base.anthropic):

* نقش: قابلیت‌های مدل زبان زیربنایی را برای عوامل هوش مصنوعی و گره‌های پرسش و پاسخ فراهم می‌کند.

* پیکربندی: نیاز به تنظیم اعتبارنامه API Anthropic در n8n دارد.

* ورودی: اعلان‌ها و زمینه ارائه شده توسط عامل هوش مصنوعی یا گره‌های پرسش و پاسخ.

* خروجی: پاسخ‌های متنی از مدل زبان.

* موارد لبه‌ای: محدودیت‌های سهمیه API Anthropic، تأخیر مدل.

• Merge (n8n-nodes-base.merge):

* نقش: خروجی‌های مراحل مختلف تجزیه و تحلیل هوش مصنوعی را در یک مجموعه داده یکپارچه مناسب برای ایجاد کارت نبرد ادغام می‌کند.

* پیکربندی: داده‌ها را از خروجی‌های چندین عامل هوش مصنوعی، معمولاً بر اساس شاخص، ادغام می‌کند.

* ورودی: بینش‌های پردازش شده از عوامل هوش مصنوعی مختلف.

* خروجی: داده‌های یکپارچه برای قالب‌بندی نهایی.

* موارد لبه‌ای: ناسازگاری داده‌ها، خروجی‌های گمشده از عوامل هوش مصنوعی خاص.

---

۵. تولید و ذخیره‌سازی کارت نبرد

این بخش اطلاعات سنتز شده را در ساختار کارت نبرد قالب‌بندی کرده و آن را در Notion ذخیره می‌کند، ضمن اینکه رویداد را نیز ثبت می‌کند.

• کد در JavaScript4 (n8n-nodes-base.code):

* نقش: بینش‌های ادغام شده تولید شده توسط هوش مصنوعی را در ساختار خاص مورد نیاز برای یک ورودی پایگاه داده Notion قالب‌بندی می‌کند.

* پیکربندی: حاوی کد سفارشی جاوا اسکریپت برای نگاشت خروجی‌های هوش مصنوعی به ویژگی‌های صفحه Notion و بلوک‌های محتوا است.

* ورودی: داده‌های یکپارچه از مرحله پردازش هوش مصنوعی.

* خروجی: داده‌های قالب‌بندی شده آماده برای Notion.

* موارد لبه‌ای: خطاهای قالب‌بندی داده، فیلدهای مورد نیاز برای Notion گمشده.

• ایجاد صفحه پایگاه داده (n8n-nodes-base.notion):

* نقش: یک صفحه جدید در پایگاه داده Notion تعیین شده ایجاد می‌کند که نشان‌دهنده کارت نبرد رقابتی تولید شده است.

* پیکربندی: از API Notion با اعتبارنامه‌های پیکربندی شده استفاده می‌کند و شناسه پایگاه داده هدف و ویژگی‌های صفحه را مشخص می‌کند.

* ورودی: داده‌های کارت نبرد قالب‌بندی شده از گره کد جاوا اسکریپت.

* خروجی: تأیید صفحه Notion تازه ایجاد شده.

* موارد لبه‌ای: مجوزهای ناکافی برای نوشتن در پایگاه داده Notion، سهمیه API Notion فراتر رفته است.

• درج ردیف (n8n-nodes-base.dataTable):

* نقش: ایجاد کارت نبرد را با درج یک ردیف جدید در یک جدول داده داخلی، ذخیره فراداده یا تأیید، ثبت می‌کند.

* پیکربندی: به جدول داده مشخص شده متصل شده و فیلدها را برای ثبت نگاشت می‌کند.

* ورودی: داده‌های تأیید کننده ایجاد موفقیت‌آمیز صفحه Notion.

* خروجی: کنترل را به گره اطلاع‌رسانی منتقل می‌کند.

* موارد لبه‌ای: عدم موفقیت در نوشتن در جدول داده.

• ارسال کارت نبرد ایجاد شد (n8n-nodes-base.slack):

* نقش: یک پیام تأیید به یک کانال Slack ارسال می‌کند و به تیم اطلاع می‌دهد که یک کارت نبرد جدید ایجاد شده است.

* پیکربندی: از اعتبارنامه‌های Webhook یا ربات Slack برای ارسال پیام، که ممکن است شامل پیوندی به کارت نبرد جدید باشد، استفاده می‌کند.

* ورودی: داده‌های تأیید از مرحله ثبت.

* خروجی: خروجی نهایی گردش کار.

* موارد لبه‌ای: خطاهای API Slack، مشکلات قالب‌بندی پیام.

---

۶. اطلاع‌رسانی و مدیریت خطا

این بخش نهایی تضمین می‌کند که کاربران از وضعیت گردش کار، از جمله عملیات موفق و هر خطایی که رخ می‌دهد، مطلع شوند.

• سوئیچ (n8n-nodes-base.switch):

* نقش: مسیر اجرای گردش کار را بر اساس نتایج مراحل قبلی، مانند پردازش موفق یا خطاهای شناسایی شده، هدایت می‌کند.

* پیکربندی: از منطق شرطی برای مسیریابی گردش کار به مراحل بعدی مناسب (به عنوان مثال، پردازش بیشتر هوش مصنوعی، گزارش خطا) استفاده می‌کند.

* ورودی: خروجی از یک گره کد یا پردازش قبلی.

* خروجی: به شاخه‌های مختلف گردش کار مسیریابی می‌کند.

* موارد لبه‌ای: شرایط نادرست تعریف شده، مقادیر خروجی غیرمنتظره.

• به‌روزرسانی وضعیت - خطا (n8n-nodes-base.stickyNote یا مشابه):

* نقش: خطایی را که در طول اجرای گردش کار رخ داده است، ثبت یا گزارش می‌کند.

* پیکربندی: معمولاً شامل ارسال پیام خطا به Slack یا به‌روزرسانی گزارش وضعیت است.

* ورودی: جزئیات خطا از یک گره ناموفق.

* خروجی: اعلان خطا.

* موارد لبه‌ای: عدم موفقیت در ارسال خود اعلان خطا.

• ارسال پیام در Slack (n8n-nodes-base.slack):

* نقش: به‌روزرسانی‌های وضعیت عمومی یا پیام‌های خطای خاص را به یک کانال Slack تعیین شده ارسال می‌کند.

* پیکربندی: با اعتبارنامه‌های Slack و کانال هدف پیکربندی شده است.

* ورودی: محتوای پیام، که می‌تواند بر اساس وضعیت گردش کار به صورت پویا تولید شود.

* خروجی: مرحله اطلاع‌رسانی را نهایی می‌کند.

* موارد لبه‌ای: مشکلات API Slack، شناسه کانال نامعتبر.