[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"workflow-basic-document-retrieval-chat-with-in-memory-vector-store-3770":3},["Reactive",4],{"id":5,"slug":6,"title":7,"short_description":8,"category_key":9,"category_title":10,"workflow_type_key":11,"workflow_type_title":11,"workflow_type_icon":12,"price":13,"is_free":14,"cover_image":15,"description":16,"compatible_versions":15,"locked":14,"lock_reason":17,"purchased":18,"in_cart":18,"workflow_file":19},767,"basic-document-retrieval-chat-with-in-memory-vector-store-3770","چت‌بات پرسش‌وپاسخ مبتنی بر بازیابی اسناد","فایل متنی را به قطعه‌های برداری تبدیل می‌کند و با بازیابی بخش‌های مرتبط، به پرسش‌های کاربر بر اساس محتوای فایل پاسخ می‌دهد.","ai-agents","ایجنت‌های هوش مصنوعی","n8n","https:\u002F\u002Faidock.ir\u002Fmedia\u002Fworkflow_types\u002Fimage.png",0,true,"","📄 این گردش‌کار ابتدا فایل متنی موجود در مسیر `\u002Ftmp\u002Fexternal_data\u002Fnews.txt` را می‌خواند و محتوای آن را با تقسیم‌کنندهٔ متنی بازگشتی به بخش‌های کوچک‌تر تقسیم می‌کند.\n\n🧩 بخش‌ها با استفاده از مدل چندزبانهٔ Cohere به بردار تبدیل و در **پایگاه برداری حافظه‌ای** ذخیره می‌شوند. سپس پیام کاربر از طریق تریگر چت دریافت، برداریابی و برای یافتن بخش‌های مرتبط جست‌وجو می‌شود.\n\n🤖 زنجیرهٔ پرسش‌وپاسخ، بخش‌های بازیابی‌شده را همراه با پرسش به مدل `Llama 3.3 70B` در Groq ارسال می‌کند تا پاسخ بر اساس محتوای فایل تولید شود.","login",false,null]