[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"workflow-chat-with-drive-documents-using-graphrag-2583":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},524,"chat-with-drive-documents-using-graphrag-2583","گفت‌وگو با فایل‌های PDF، Markdown و متنی با GraphRAG","فایل‌های PDF، Markdown و متنی را از Google Drive در گراف دانش InfraNodus ذخیره می‌کند و با کمک عامل OpenAI امکان پرسش‌وپاسخ مبتنی بر GraphRAG را فراهم می‌سازد.","ai-agents","ایجنت‌های هوش مصنوعی","n8n","https:\u002F\u002Faidock.ir\u002Fmedia\u002Fworkflow_types\u002Fimage.png",0,true,"","📄 این workflow فایل‌های PDF، Markdown و متنی را از پوشه‌ای در **Google Drive** دریافت می‌کند و محتوای آن‌ها را استخراج و در گراف دانش **InfraNodus** ذخیره می‌سازد.\n\n🧠 در مرحله دوم، یک عامل هوش مصنوعی با استفاده از مدل **OpenAI** و حافظه مکالمه، پرسش‌های کاربر را به پایگاه دانش GraphRAG ارسال کرده و پاسخ را بر اساس محتوای اسناد ارائه می‌دهد.\n\n🔧 پردازش PDF، متن ساده و Markdown به‌صورت جداگانه انجام می‌شود و برای PDF امکان جایگزینی استخراج‌کننده پیش‌فرض با سرویس تبدیل متن خارجی نیز در نظر گرفته شده است. این ساختار برای بازیابی اطلاعات بدون استفاده از vector store طراحی شده و به اعتبارنامه‌های Google Drive، InfraNodus و OpenAI نیاز دارد.","login",false,null]