[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"workflow-rag-retrieved-document-relevance-evaluation-workflow-2295":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},184,"rag-retrieved-document-relevance-evaluation-workflow-2295","ارزیابی مرتبط‌بودن اسناد در گردش‌کار RAG","این گردش‌کار ارتباط اسناد بازیابی‌شده با پرسش‌های RAG را با امتیاز ۰ یا ۱ ارزیابی و نتیجه را به‌عنوان معیار similarity ثبت می‌کند.","ai-agents","ایجنت‌های هوش مصنوعی","n8n","https:\u002F\u002Faidock.ir\u002Fmedia\u002Fworkflow_types\u002Fimage.png",0,true,"","🧩 این گردش‌کار برای سنجش **مرتبط‌بودن اسناد بازیابی‌شده با پرسش کاربر** در سامانه‌های RAG طراحی شده است.\n\n📄 ابتدا داده‌های آزمایشی از Google Sheets خوانده می‌شوند، موارد تکراری حذف شده و اسناد پس از تولید embedding در یک **Vector Store** ذخیره می‌شوند.\n\n🤖 سپس عامل هوش مصنوعی با استفاده از پایگاه دانش برداری به پرسش پاسخ می‌دهد و اسناد بازیابی‌شده را استخراج می‌کند.\n\n📊 در حالت ارزیابی، یک مدل OpenAI میزان ارتباط اسناد با پرسش را بررسی کرده و امتیازی برابر با **۰ یا ۱** تولید می‌کند. این امتیاز به‌عنوان معیار `similarity` در ارزیابی گردش‌کار ثبت می‌شود. در اجرای عادی، فقط پاسخ چت بازگردانده می‌شود و محاسبه معیار انجام نمی‌گیرد.","login",false,null]