چتبات RAG با Google Docs، Supabase و OpenRouter
این گردشکار محتوای Google Docs را در Supabase بهصورت embedding ذخیره میکند و با بازیابی بخشهای مرتبط، پاسخهای مبتنی بر زمینه تولید میکند.
n8n
n8nاین گردشکار با استفاده از چند عامل Mistral، مناظره چندمرحلهای ایجاد میکند و بر اساس نتایج آن، خلاصه و نسخه بازنویسیشده متن را تولید میکند.
🤖 این گردشکار n8n چند عامل هوش مصنوعی مبتنی بر Mistral را با نقشها، دیدگاهها و سبکهای مختلف وارد یک مناظره چندمرحلهای میکند.
⚙️ اجرا از طریق زمانبندی یا بهصورت دستی آغاز میشود و متن اولیه، سناریو، تعداد عاملها و تعداد دورها را دریافت میکند. پاسخ هر عامل بهصورت ساختاریافته تولید و سپس توسط عامل محیط مناظره تجمیع و ارزیابی میشود.
🔄 در پایان هر دور، خلاصه مناظره و نسخه بازنویسیشده متن تولید میشود و در صورت باقیماندن دورها، متن به مرحله بعدی ارسال میگردد.
📄 خروجی نهایی شامل نتیجه مناظره، خلاصه مراحل و متن بهینهسازیشده است. این ساختار برای شبیهسازی جلسات، مصاحبهها، بحثهای تخصصی و آزمایش سناریوهای نوشتاری قابل استفاده است.
این گردشکار محتوای Google Docs را در Supabase بهصورت embedding ذخیره میکند و با بازیابی بخشهای مرتبط، پاسخهای مبتنی بر زمینه تولید میکند.
n8nاین ورکفلو یک ابزار MCP برای عاملهای هوش مصنوعی فراهم میکند تا با ارسال نشانی تصویر، وجود محتوای برهنه را از طریق API بررسی کنند.
n8nاین ورکفلو API جابهجایی O2 را به سرور MCP تبدیل میکند تا عاملهای هوش مصنوعی بتوانند اطلاعات برنامه و مسیرهای جابهجایی را دریافت کنند.
n8n