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.

توضیحات ورک‌فلو

🧠 این گردش‌کار یک چت‌بات مبتنی بر RAG در n8n ایجاد می‌کند.

📄 ابتدا محتوای Google Docs را دریافت کرده، آن را به بخش‌های ۱۰۰۰کاراکتری تقسیم و با مدل embedding در Together AI به بردار تبدیل می‌کند. سپس متن و بردارها در جدول embed در Supabase ذخیره می‌شوند.

💬 هنگام دریافت پیام، متن کاربر نیز embedding می‌شود و با استفاده از تابع matchembeddings1، پنج بخش مشابه از Supabase بازیابی می‌گردد.

🤖 بخش‌های بازیابی‌شده همراه با پرسش کاربر به زنجیره زبانی ارسال می‌شوند و مدل qwen/qwen3-8b:free در OpenRouter پاسخی مبتنی بر همان زمینه تولید می‌کند. پاسخ خارج از اطلاعات بازیابی‌شده، با اعلام نبود اطلاعات ارائه می‌شود.

فایل ورک‌فلو

پس از باز شدن قفل، فایل قابل دانلود خواهد بود.

قفل 🔒