[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"site-settings":3,"workflow-pdf-rag-agent-enriched-retrieval-memory-workflow-4139":7},["Reactive",4],{"analytics_enabled":5,"gtm_container_id":6},true,"GTM-WWB2TQFD",["Reactive",8],{"id":9,"slug":10,"title":11,"short_description":12,"category_key":13,"category_title":14,"workflow_type_key":15,"workflow_type_title":15,"workflow_type_icon":16,"price":17,"is_free":18,"cover_image":19,"description":20,"compatible_versions":19,"locked":5,"lock_reason":21,"purchased":18,"in_cart":18,"workflow_file":22},2015,"pdf-rag-agent-enriched-retrieval-memory-workflow-4139","عامل RAG با غنی‌سازی اسناد و جست‌وجوی پالایش‌شده","فایل‌های PDF را به داده‌های برداری و فراداده تبدیل می‌کند و عامل RAG با جست‌وجوی معنایی، بازرتبه‌بندی و حافظه به پرسش‌ها پاسخ می‌دهد.","ai-agents","ایجنت‌های هوش مصنوعی","n8n","https:\u002F\u002Faidock.s3.ir-thr-at1.arvanstorage.ir\u002Fworkflow_types\u002Fimage.webp",99000,false,"","📄 این ورک‌فلو فایل‌های PDF را دریافت، متن آن‌ها را استخراج و به بخش‌های کوچک‌تر تقسیم می‌کند. سپس با استفاده از embeddingهای Gemini، قطعه‌ها را در پایگاه‌داده برداری Supabase ذخیره می‌کند.\n\n🧩 یک فرایند زمان‌بندی‌شده، قطعه‌های پردازش‌نشده را با فراداده‌هایی مانند موضوع، کاربرد، مخاطب، موجودیت‌ها، پیشنهادها و ریسک‌ها غنی می‌کند.\n\n💬 عامل RAG با دریافت پیام کاربر، کلیدواژه‌ها و فیلترهای احتمالی را استخراج کرده و با جست‌وجوی معنایی، بازرتبه‌بندی Cohere و حافظه PostgreSQL، پاسخ‌هایی مبتنی بر محتوای بازیابی‌شده و همراه با ارجاع به منبع تولید می‌کند.","login",null]