Описание

Этот рабочий процесс позволяет вести разговорный поиск по всей вашей истории электронной почты, используя Telegram в качестве интерфейса чата, в сочетании с передовыми методами генерации с использованием извлечения (RAG), основанными на векторном поиске по схожести и структурированных SQL-запросах. Он предназначен для пользователей, которые хотят задавать вопросы на естественном языке о своих прошлых электронных письмах (например, «В каком отеле я останавливался прошлым летом?») и получать точные, учитывающие контекст ответы.

Рабочий процесс построен вокруг следующих логических блоков:

• 1.1 Получение ввода: Захватывает запросы пользователей либо из сообщений Telegram, либо из внутреннего чата n8n.
• 1.2 Подготовка сессии: Нормализует и подготавливает входные данные чата для обработки.
• 1.3 Обработка AI-агента: Использует AI-агента LangChain, который управляет вызовами двух инструментов: векторного поиска по схожести по векторным представлениям электронной почты, хранящимся в базе данных Postgres/pgvector, и рабочему процессу структурированного SQL-запроса для извлечения фактических данных.
• 1.4 Генерация векторных представлений и векторный поиск: Генерирует векторные представления для запросов и извлекает семантически релевантные электронные письма.
• 1.5 Инструмент структурированного SQL-запроса: Вызывает под-рабочий процесс, который переводит запросы на естественном языке в SQL для запроса структурированных метаданных электронной почты.
• 1.6 Форматирование и доставка ответов: Обрабатывает вывод AI-агента, делит длинные ответы на управляемые части, экранирует специальные символы Markdown и отправляет ответ обратно пользователю в Telegram пакетами.

Этот дизайн использует локальные открытые модели и инфраструктуру (Ollama для векторных представлений, Mistral для языкового моделирования, pgvector для векторного поиска), чтобы гарантировать конфиденциальность и контроль над данными.

Оригинал воркфлоу на сайте n8n.io

👉🏻 Скачать на сайте n8n

____________