مقدمه

جستجوی هوشمند Airtable با n8n:

N8Nابزاری است که به کمک آن می توانید در مدت‌زمان کوتاهی، فرایندهای خود را با هوش مصنوعی خودکار کنید و از مزایای اتوماسیون هوشمند بهره‌ مند شوید.

N8N برای چه کسب و کارهایی مناسب است:

اگر سازمان شما کوچک می باشد و هم اکنون بسیاری از کار های خود را با نرم افزار هایی همچون اکسل انجام می دهید، N8N برای کسب و کار شما ایده آل است و در صورتی که کسب و کاری متوسط یا بزرگ دارید می توانید بخش های بسیاری از فرایند های غیر کلیدی خود را با این ابزار هوشمند کنید.

اگر به پیاده‌سازی اختصاصی، اتصال n8n به نرم‌افزارهای سازمانی یا سفارشی‌سازی Workflowها متناسب با کسب‌وکارتان نیاز دارید، Danix با بررسی نیازهای کسب‌وکار تان، می‌تواند این فرایند را از طراحی تا استقرار برای شما انجام دهیم.
برای کسب و کارهای کوچک به این لینک مراجعه کنید و برای کسب و کارهای بزرگ و متوسط میتوانید از این لینک استفاده نمایید.
همچنین اگر ترجیح می‌دهید شخصاً نصب و راه‌اندازی را انجام دهید، می‌توانید از اطلاعات موجود در مقالات، دسته N8N استفاده کنید .همچنین می توانید template موجود در این workflow را به صورت رایگان از این قسمت دانلود کنید.

رمز فایل: danixai.com

جستجوی هوشمند Airtable با n8n:

ساخت AI Agent برای جستجو و تحلیل داده‌ها یک AI Agent ایجاد شده است که کاربر می‌تواند از طریق یک رابط گفت‌وگویی با آن ارتباط برقرار کند. سپس Agent درخواست کاربر را بررسی می‌کند و بر اساس نوع درخواست، ابزار مناسب را اجرا می‌کند. برای مثال، اگر کاربر بخواهد رکوردهای خاصی را پیدا کند، ابزار جستجوی Airtable اجرا می‌شود. همچنین، اگر درخواست شامل محاسبات باشد، داده‌ها برای پردازش به ابزار مخصوص کدنویسی ارسال می‌شوند.</p>

از طرف دیگر، Workflow می‌تواند ساختار Base و Tableهای Airtable را بررسی کند. بنابراین، Agent می‌تواند قبل از اجرای جستجو، اطلاعات لازم درباره ساختار داده را دریافت کند. علاوه بر این، امکان تولید تصویر نقشه برای داده‌های جغرافیایی نیز در Template در نظر گرفته شده است.

در نتیجه،جستجوی هوشمند Airtable با n8n به شما اجازه می‌دهد به‌جای جستجوی دستی در جدول‌ها، با داده‌های خود به زبان طبیعی صحبت کنید و پاسخ مناسب دریافت کنید.

قبل از شروع

اگر هنوز n8n را نصب نکرده‌اید، پیشنهاد می‌کنیم ابتدا مقاله «آموزش n8n» را مطالعه کنید. در آن مقاله، مراحل نصب با Node.js و Docker، راه‌اندازی اولیه و ساخت اولین Workflow به‌صورت کامل آموزش داده شده است. پس از نصب و راه‌اندازی، به این مقاله بازگردید و مراحل پیاده‌سازی این Workflow را دنبال کنید.

این Workflow چه کاری انجام می‌دهد؟

این Template جستجوی هوشمند Airtable با n8n در اصل یک دستیار هوشمند برای تعامل با داده‌های Airtable است. کاربر درخواست خود را در محیط چت وارد می‌کند و سپس AI Agent تصمیم می‌گیرد برای پاسخ‌دادن به درخواست، از کدام ابزار استفاده کند.

برای مثال، کاربر می‌تواند درخواست کند «سفارش‌های مربوط به مشتریان خاص را پیدا کن». Agent ابتدا Base مناسب را شناسایی می‌کند. سپس ساختار Table را بررسی کرده و در نهایت ابزار جستجو را با اطلاعات موردنیاز اجرا می‌کند.

از سوی دیگر، درخواست‌هایی مانند «میانگین قیمت محصولات را حساب کن» نیازمند محاسبات هستند. در این شرایط، Agent داده‌های خام را به ابزار پردازش با Code ارسال می‌کند تا محاسبه انجام شود.

همچنین Workflow جستجوی اطلاعات در Airtable دارای قابلیت ایجاد تصویر نقشه است. بنابراین، اگر داده‌های Airtable شامل طول و عرض جغرافیایی باشند، Agent می‌تواند از ابزار Mapbox برای ایجاد لینک تصویر نقشه استفاده کند.

این ساختار باعث می‌شود یک رابط گفت‌وگویی ساده، به چندین عملیات مختلف روی داده‌های Airtable متصل شود.

کاربردهای این Workflow

قابلیت جستجوی هوشمند Airtable با n8n می‌تواند در سناریوهای مختلف مدیریت و تحلیل داده مورد استفاده قرار گیرد.

۱. جستجوی هوشمند در Airtable

class=”isSelectedEnd”>به‌جای بازکردن جدول و استفاده از فیلترهای دستی، می‌توانید درخواست خود را به زبان طبیعی وارد کنید. Agent درخواست را به پارامترهای قابل استفاده برای API تبدیل می‌کند.

۲. تحلیل داده‌های فروش

می‌توانید اطلاعات سفارش‌ها، قیمت‌ها یا فروشندگان را از Airtable دریافت کنید. سپس با کمک ابزار Code، مجموع، میانگین، تعداد یا سایر محاسبات را انجام دهید.

۳. بررسی اطلاعات مشتریان

در دیتابیس‌های CRM که اطلاعات مشتریان در Airtable ذخیره می‌شود، Agent می‌تواند رکوردهای مرتبط با مشتری را پیدا کند و اطلاعات موردنیاز را نمایش دهد.

e=”color: #ff6600;”>۴. فیلترکردن پیشرفته رکوردها

Workflow می‌تواند توضیح متنی کاربر را به Formula مناسب Airtable تبدیل کند. در نتیجه، شرط‌هایی مانند تاریخ، وضعیت، مقدار عددی یا وجود یک عبارت قابل استفاده هستند.

۵. تحلیل اطلاعات جغرافیایی

اگر رکوردهای Airtable دارای مختصات جغرافیایی باشند، ابزار Create map image می‌تواند بر اساس مختصات، لینک تصویر نقشه ایجاد کند.

۶. ساخت دستیار داخلی برای تیم

این Workflow می‌تواند به‌عنوان یک دستیار داخلی برای تیم‌های فروش، پشتیبانی یا مدیریت داده استفاده شود. در نتیجه، اعضای تیم بدون نیاز به کار با ساختار پیچیده جدول‌ها می‌توانند اطلاعات موردنیاز خود را دریافت کنند.

۷. بررسی سریع ساختار دیتابیس

Agent می‌تواند فهرست Baseها و Schema جدول‌ها را دریافت کند. بنابراین، هنگام کار با چند Base مختلف، احتمال انتخاب جدول اشتباه کاهش پیدا می‌کند.

<h4><span style=”color: #008000;”>پیش‌نیازها

برای اجرای صحیح این Template، ابتدا باید n8n را نصب و اجرا کنید. علاوه بر این، چند سرویس و Credential نیز موردنیاز است.

• نصب و اجرای n8n
• داشتن حساب Airtable
• ایجاد Airtable Token و اتصال آن به n8n
• داشتن حساب OpenAI
• ایجاد Credential مربوط به OpenAI در n8n
• دسترسی به Baseها و Tableهای موردنظر
• داشتن OpenAI API Key
• داشتن Public Key سرویس Mapbox در صورت استفاده از قابلیت نقشه
• دسترسی اینترنت برای ارتباط با APIهای خارجی
• ایجاد دو Workflow مطابق ساختار Template

نکته مهم این است که Template شامل دو بخش اصلی است. Workflow اول رابط گفت‌وگویی و AI Agent را مدیریت می‌کند. در مقابل، Workflow دوم ابزارهای مربوط به Airtable و پردازش اطلاعات را اجرا می‌کند.

دانلود Template

فایل JSON این Workflow را از این قسمت دانلود کنید.

رمز فایل: danixai.com

آموزش Import کردن Workflow

1. وارد داشبورد n8n شوید.
2. روی Import from File کلیک کنید.
3. فایل JSON را انتخاب کنید.
4. Workflow ایجاد خواهد شد.
5. Credentialهای موردنیاز را تنظیم کنید.

ساختار Workflow

این Template جستجوی هوشمند Airtable با n8n از دو Workflow اصلی تشکیل شده است. Workflow اول وظیفه دریافت پیام کاربر، مدیریت حافظه و تصمیم‌گیری توسط AI Agent را بر عهده دارد. در مقابل، Workflow دوم مجموعه ابزارهایی را در اختیار Agent قرار می‌دهد.

ساختار کلی بخش اول به شکل زیر است:

When chat message received

↓

AI Agent

↓

OpenAI Chat Model + Window Buffer Memory

↓

Airtable Tools

در بخش ابزارها، Agent به چند قابلیت مختلف متصل است:

Get list of bases

Get base schema

Search records

Process data with code

Create map image

بخش دوم نیز با یک Trigger داخلی شروع می‌شود:

Execute Workflow Trigger

↓

Switch

↓

Get Bases / Get Base-Tables Schema / Search / Code

↓

Response

در نتیجه، معماری جستجوی هوشمند Airtable با n8n از یک Agent برای تصمیم‌گیری و چند ابزار تخصصی برای اجرای عملیات تشکیل شده است

بنابراین، AI Agent مستقیماً همه عملیات را انجام نمی‌دهد. بلکه در صورت نیاز، Workflow دوم را به‌عنوان مجموعه‌ای از ابزارها اجرا می‌کند.

آموزش کامل تمام Nodeها

When chat message received

وظیفه Node:

در جستجوی هوشمند Airtable با n8n این Node نقطه شروع تعامل کاربر با Agent است و پیام واردشده در محیط Chat را دریافت می‌کند.

ورودی:

پیام متنی کاربر و اطلاعات Session مربوط به گفت‌وگو.

<strong>خروجی:

class=”isSelectedEnd”>داده‌ای شامل پیام کاربر که در ادامه به AI Agent ارسال می‌شود.

تنظیمات مهم:

این Node از نوع Chat Trigger است و برای دریافت پیام‌های چتی استفاده می‌شود.

نکات قابل تغییر:

می‌توان تنظیمات Trigger و نحوه استفاده از Session را متناسب با رابط کاربری تغییر داد.

دلیل استفاده از این Node:

بدون این Trigger ، Workflow راه مشخصی برای دریافت درخواست‌های گفت‌وگویی کاربر نخواهد داشت.</p> <h5>AI Agent</h5>

lass=”isSelectedEnd”>وظیفه Node:

هسته اصلی تصمیم‌گیری Workflow است. Agent درخواست کاربر را تحلیل کرده و ابزار مناسب را انتخاب می‌کند.

ورودی:

پیام دریافت‌شده از Chat Trigger.

خروجی:

پاسخ نهایی Agent به درخواست کاربر.

تنظیمات مهم:

در این Node حداکثر ۱۰ Iteration تعیین شده است. همچنین System Message مشخص می‌کند که Agent باید قبل از جستجو، Base و Table مناسب را بررسی کند.

نکات قابل تغییر:

System Message، تعداد Iteration و قوانین تصمیم‌گیری Agent را می‌توان تغییر داد.

دلیل استفاده از این Node:

چون هدف Template ایجاد یک دستیار هوشمند است، Agent باید بتواند بر اساس درخواست کاربر بین ابزارهای مختلف تصمیم بگیرد.

class=”isSelectedEnd”>در System Message تأکید شده است که Agent باید نام Base و Table را در پاسخ نهایی اعلام کند. همچنین برای عملیات ریاضی مانند Count، Sum و Average باید از ابزار Code استفاده شود.

OpenAI Chat Model

وظیفه Node:

مدل زبانی مورد استفاده توسط AI Agent را فراهم می‌کند.

ورودی:

Prompt و اطلاعات مربوط به درخواست کاربر که توسط Agent پردازش می‌شود.

خروجی:

پاسخ و تصمیم‌های زبانی مدل برای Agent.

تنظیمات مهم:

این Node با Credential مربوط به OpenAI متصل شده است.

نکات قابل تغییر:

Credential و تنظیمات مدل را می‌توان بر اساس مدل‌های در دسترس تغییر داد.

دلیل استفاده از این Node:

AI Agent برای درک زبان طبیعی و تصمیم‌گیری به یک Language Model نیاز دارد.

Window Buffer Memory

وظیفه Node:

سابقه کوتاه‌مدت مکالمه کاربر با Agent را نگهداری می‌کند.

ورودی:

پیام‌ها و اطلاعات Session مربوط به مکالمه.

خروجی:

Context مکالمه برای استفاده مجدد توسط Agent.

تنظیمات مهم:

Session Key از Session ID مربوط به Chat Trigger دریافت می‌شود.

نکات قابل تغییر:

می‌توان نحوه مدیریت Session و اندازه حافظه را تغییر داد.

دلیل استفاده از این Node:

با وجود Memory، کاربر می‌تواند مکالمه را ادامه دهد و Agent برای هر پیام مجبور نباشد همه اطلاعات را از ابتدا دریافت کند.

<h5>Get list of bases</span>

وظیفه Node:

این ابزار فهرست Baseهای قابل دسترسی در Airtable را دریافت می‌کند.

ورودی:

دستور get_bases که به Workflow دوم ارسال می‌شود.

خروجی:

فهرستی از Baseها به همراه نام و شناسه آن‌ها.

تنظیمات مهم:

Node از Tool Workflow استفاده می‌کند و Workflow دوم را فراخوانی می‌کند.

نکات قابل تغییر:

می‌توان Workflow مقصد یا توضیحات ابزار را تغییر داد.

دلیل استفاده از این Node:

وقتی چند Base وجود دارد، Agent ابتدا باید بداند چه Baseهایی در دسترس هستند.

Get base schema

وظیفه Node:

ساختار Tableها و Fieldهای یک Base مشخص را دریافت می‌کند.

ورودی:

base_id.

خروجی:

Schema شامل Tableها و Fieldهای موجود و نوع آن‌ها.

s=”isSelectedEnd”><str

ong>تنظیمات مهم:

شناسه Base به‌صورت ورودی اجباری تعریف شده است.

نکات قابل تغییر:

می‌توان Schema ورودی را توسعه داد یا اطلاعات بیشتری درباره Fieldها به خروجی اضافه کرد.

دلیل استفاده از این Node:

Agent برای ساخت فیلتر صحیح باید نام و نوع Fieldها را بداند.

Search records

وظیفه Node:

رکوردهای Airtable را بر اساس Base، Table، فیلتر، Limit، Sort و Fieldهای موردنظر جستجو می‌کند.

این بخش، هسته اصلی جستجوی هوشمند Airtable با n8n محسوب می‌شود؛ زیرا درخواست کاربر در نهایت به یک عملیات واقعی جستجو روی رکوردهای Airtable تبدیل می‌شود.

ورودی:

Base ID، Table ID و در صورت نیاز Filter، Sort، Limit و Fields.

خروجی:

رکوردهای پیدا‌شده از Airtable.

تنظیمات مهم:

Filter به‌صورت توضیح متنی دریافت می‌شود و Workflow دوم می‌تواند آن را به Formula تبدیل کند.

نکات قابل تغییر:

می‌توان تعداد رکوردها، فیلدهای خروجی و قوانین Sort را تغییر داد.

دلیل استفاده از این Node:</p>

این ابزار بخش اصلی تعامل با داده‌های Airtable را انجام می‌دهد.

Process data with code

وظیفه Node:

داده‌های دریافت‌شده را برای محاسبات یا پردازش‌های خاص به Code منتقل می‌کند.

ورودی:

درخواست پردازشی و داده خام.

خروجی:

نتیجه محاسبه یا پردازش.

تنظیمات مهم:

در توضیحات ابزار تأکید شده است که داده خام ارسال شود و عملیات ریاضی قبل از ارسال انجام نشود.

نکات قابل تغییر:

می‌توان عملیات‌های پردازشی بیشتری به Workflow داخلی اضافه کرد.

دلیل استفاده از این Node:

Agent برای انجام عملیات‌هایی مانند Count، Sum و Average به یک ابزار محاسباتی نیاز دارد.

Create map image

وظیفه Node:

در جستجوی هوشمند Airtable با n8n بر اساس مختصات جغرافیایی، لینک تصویر نقشه ایجاد می‌کند.

ورودی:

مختصات طول و عرض جغرافیایی به شکل Marker.

خروجی:

لینک تصویر نقشه.

تنظیمات مهم:

این Node از Mapbox Static Images API استفاده می‌کند.

نکات قابل تغییر:

Public Key مربوط به Mapbox باید در Code این Node جایگزین شود.

دلیل استفاده از این Node:

داده‌های جغرافیایی Airtable را می‌توان به یک خروجی تصویری قابل مشاهده تبدیل کرد.

Execute Workflow Trigger

وظیفه Node:

نقطه ورود Workflow دوم است و درخواست را از Workflow اول دریافت می‌کند.

ورودی:

Command و Query ارسال‌شده توسط Tool Workflow.

خروجی:

داده‌های ورودی برای Switch.

تنظیمات مهم:

این Node باید در Workflow ابزارها قرار داشته باشد.

نکات قابل تغییر:

ساختار ورودی را می‌توان برای اضافه‌کردن ابزارهای جدید توسعه داد.

دلیل استفاده از این Node:

ارتباط بین AI Agent و Workflow دوم از طریق این Trigger انجام می‌شود.

Switch

وظیفه Node:

بر اساس مقدار Command، مسیر اجرای Workflow دوم را انتخاب می‌کند.

ورودی:

Command.

خروجی:

یکی از مسیرهای get_bases، get_base_tables_schema، search یا code.

تنظیمات مهم:

هر Command یک خروجی مشخص دارد.

نکات قابل تغییر:

برای اضافه‌کردن ابزار جدید، می‌توان Rule جدیدی به Switch اضافه کرد.

دلیل استفاده از این Node:

Switch باعث می‌شود یک Workflow داخلی بتواند چند ابزار متفاوت را مدیریت کند.

Get Bases

وظیفه Node:

در جستجوی هوشمند Airtable با n8n اطلاعات Baseهای موجود در Airtable را دریافت می‌کند.

ورودی:

درخواست دریافت Baseها.

خروجی:

لیست Baseها.

تنظیمات مهم:

این Node از Credential مربوط به Airtable استفاده می‌کند.

دلیل استفاده از این Node:

برای شناسایی Base مناسب در ابتدای فرایند استفاده می‌شود.

Get Base/Tables schema

وظیفه Node:

Schema یک Base مشخص را دریافت می‌کند.

ورودی:

Base ID.

خروجی:

ساختار Tableها و Fieldهای Base.

تنظیمات مهم:

 Base ID از Query مربوط به Execute Workflow Trigger دریافت می‌شود.

دلیل استفاده از این Node:

این اطلاعات برای ساخت فیلتر و انتخاب Fieldهای صحیح ضروری هستند.

Aggregate و Aggregate1

وظیفه Node:

خروجی چندین Item را در قالب داده تجمیع‌شده آماده می‌کنند.

ورودی:

داده‌های خروجی Airtable.

خروجی:

داده تجمیع‌شده برای Response.

تنظیمات مهم:

حالت aggregateAllItemData در این Nodeها استفاده شده است.

دلیل استفاده از این Node:

نتیجه ابزارهای Airtable ممکن است شامل چندین Item باشد و برای ارسال پاسخ مناسب، تجمیع آن‌ها لازم است.

If filter description exists

وظیفه Node:

بررسی می‌کند که آیا کاربر برای جستجو توضیحی درباره Filter ارائه کرده است یا خیر.

ورودی:

filter_desc.

خروجی:

دو مسیر؛ یکی برای جستجوی بدون Filter و دیگری برای تولید Formula.

تنظیمات مهم:

شرط بر اساس وجود یا نبود filter_desc تعریف شده است.

=”isSelectedEnd”>دلیل استفاده از این Node:</p> <p class=”isSelectedEnd”>اگر Filter وجود نداشته باشد، نیازی به تولید Formula توسط OpenAI نیست.

Set schema and prompt

وظیفه Node:

Prompt و Schema لازم برای تبدیل توضیح کاربر به Formula Airtable را آماده می‌کند.

ورودی:

توضیح Filter کاربر.

خروجی:

Prompt و JSON Schema.

تنظیمات مهم:

Prompt شامل نمونه‌هایی از Formulaهای Airtable مانند AND، OR، SEARCH، IS_BEFORE و RECORD_ID است.

دلیل استفاده از این Node:

مدل هوش مصنوعی باید قوانین مشخصی داشته باشد تا Formula قابل استفاده تولید کند.

OpenAI – Generate search filter

وظیفه Node:

توضیح متنی Filter را با استفاده از OpenAI به Formula قابل استفاده در Airtable تبدیل می‌کند.

ورودی:

Prompt سیستم و Filter کاربر.

خروجی:

یک ساختار JSON که شامل Formula نهایی است.

تنظیمات مهم:

از JSON Schema برای محدودکردن ساختار خروجی مدل استفاده شده است.

نکات قابل تغییر:

مدل gpt-4o-mini در Template مشخص شده و در صورت پشتیبانی API می‌توان مدل دیگری را جایگزین کرد.

دلیل استفاده از این Node:

تبدیل زبان طبیعی به Formula باعث می‌شود کاربر نیازی به یادگیری Syntax فیلترهای Airtable نداشته باشد.

Merge

lass=”isSelectedEnd”>وظیفه Node:

خروجی مسیر Filter و مسیر بدون Filter را برای اجرای Search آماده می‌کند.

ورودی:

اطلاعات حاصل از مسیرهای مختلف.

خروجی:

یک جریان داده برای Airtable Search.

تنظیمات مهم:

این Node به‌عنوان نقطه اتصال دو مسیر استفاده شده است.

دلیل استفاده از این Node:

چه کاربر Filter وارد کند و چه نکند، در نهایت باید یک درخواست جستجو ساخته شود.

Airtable – Search records

وظیفه Node:

مستقیماً API مربوط به Airtable را برای دریافت رکوردها فراخوانی می‌کند.

ورودی:

Base ID، Table ID، Sort، Limit، Fields و Formula فیلتر.

خروجی:

رکوردهای Airtable.

تنظیمات مهم:

درخواست با Method برابر POST به Endpoint مربوط به List Records ارسال می‌شود و Pagination نیز فعال است.

نکات قابل تغییر:

می‌توان Limit، Sort، Fields و منطق Filter را تغییر داد.

دلیل استفاده از این Node:

این Node عملیات واقعی دریافت رکوردها را از Airtable انجام می‌دهد.

Aggregate2

وظیفه Node:

فیلد records را از نتایج جستجو جمع‌آوری می‌کند.

ورودی:

رکوردهای دریافت‌شده از Airtable.

خروجی:

مجموعه‌ای از رکوردها در یک ساختار منظم.

تنظیمات مهم:

گزینه Merge Lists فعال شده است.

دلیل استفاده از این Node:

برای اینکه چند صفحه نتیجه Pagination به یک مجموعه داده تبدیل شود، اطلاعات باید با یکدیگر ادغام شوند.

Response

وظیفه Node:

پاسخ نهایی Workflow را در یک فیلد به نام response قرار می‌دهد.

ورودی:

داده خروجی عملیات مختلف.

خروجی:</strong>

Object شامل پاسخ نهایی.

<p class=”isSelectedEnd”>تنظیمات مهم:

مقدار response از داده فعلی JSON دریافت می‌شود.

دلیل استفاده از این Node:

خروجی استاندارد برای برگرداندن نتیجه به Workflow فراخواننده ایجاد می‌کند.

OpenAI – Create thread

وظیفه Node:

یک Thread جدید در API مربوط به OpenAI ایجاد می‌کند.

ورودی:

درخواست جدید پردازش داده.

خروجی:

شناسه Thread.

دلیل استفاده از این Node:

برای استفاده از جریان Assistants API، ابتدا یک Thread ایجاد می‌شود.

OpenAI – Send message

وظیفه Node:

درخواست کاربر و داده موردنظر را داخل Thread ارسال می‌کند.

ورودی:

Request و Data.

خروجی:

پیام ثبت‌شده در Thread.

دلیل استفاده از این Node:

مدل OpenAI باید داده خام و دستور پردازش را دریافت کند.

OpenAI – Run assistant

وظیفه Node:

اجرای Assistant برای تحلیل داده را آغاز می‌کند.

ورودی:

Thread ID و Assistant ID.

خروجی:

نتیجه اجرای Assistant.

تنظیمات مهم:

Code Interpreter به‌عنوان Tool انتخاب شده است.

دلیل استفاده از این Node:

برای انجام محاسبات و تحلیل روی داده‌ها از محیط پردازشی OpenAI استفاده می‌شود.

OpenAI – Get messages

وظیفه Node:

پیام‌های Thread را بعد از اجرای Assistant دریافت می‌کند.

ورودی:

Thread ID.

خروجی:

پیام‌ها و نتایج تولیدشده توسط Assistant.

دلیل استفاده از این Node:

Workflow برای استخراج نتیجه تحلیل به محتوای Thread نیاز دارد.

If1

وظیفه Node:

بررسی می‌کند که پاسخ OpenAI شامل فایل یا تصویر قابل دریافت هست یا خیر.

ورودی:

داده خروجی OpenAI.

خروجی:

در صورت نبود فایل به Response می‌رود و در صورت وجود فایل، مسیر دانلود را اجرا می‌کند.

دلیل استفاده از این Node:

نتیجه Assistant ممکن است متن ساده یا یک فایل تولیدشده باشد و Workflow باید این دو حالت را از هم تشخیص دهد.

OpenAI – Download File

وظیفه Node:

فایل تولیدشده یا فایل پیوست‌شده در OpenAI را دانلود می‌کند.

ورودی:

File ID.

خروجی:

فایل باینری.

دلیل استفاده از این Node:

فایل برای استفاده خارج از OpenAI باید ابتدا دریافت شود.

Upload file to get link

وظیفه Node:

فایل دریافت‌شده را در سرویس موقت آپلود می‌کند تا یک URL برای آن ساخته شود.

ورودی:

فایل باینری در فیلد data.

خروجی:

اطلاعات URL فایل.

دلیل استفاده از این Node:

پاسخ Workflow می‌تواند به‌جای ارسال مستقیم فایل، یک لینک قابل دسترسی ارائه دهد.

Response1

وظیفه Node:

URL نهایی فایل را به‌عنوان Response آماده می‌کند.

ورودی:

پاسخ سرویس آپلود فایل.

خروجی:

لینک فایل.

دلیل استفاده از این Node:

کاربر می‌تواند نتیجه تصویری یا فایل تولیدشده را از طریق URL دریافت کند.

نحوه شخصی‌سازی Workflow جستجوی هوشمند Airtable با n8n

تغییر Promptهای AI

Prompt مربوط به AI Agent در Node مربوط به Agent قرار دارد. می‌توانید قوانین جدیدی به آن اضافه کنید. برای مثال، می‌توان Agent را موظف کرد همیشه قبل از جستجو، نام Base را از کاربر تأیید کند.

همچنین Prompt موجود در Set schema and prompt برای تولید Formula استفاده می‌شود. بنابراین، اگر منطق فیلترهای موردنیاز شما متفاوت است، می‌توانید نمونه‌ها و قوانین جدیدی به آن اضافه کنید.

با تغییر این Promptها می‌توانید رفتار جستجوی هوشمند Airtable با n8n را بر اساس ساختار داده‌ها و نیازهای پروژه خود تنظیم کنید.

تغییر مدل AI

مدل اصلی Agent از طریق OpenAI Chat Model مشخص می‌شود. در نتیجه، می‌توانید Credential یا تنظیمات مدل را مطابق نیاز پروژه تغییر دهید.

برای تولید Formula نیز مدل به‌صورت جداگانه در HTTP Request مشخص شده است. بنابراین، تغییر مدل Agent الزاماً مدل تولید Filter را تغییر نمی‌دهد.

تغییر Base و Table

یکی از مزیت‌های Template این است که Base و Table به‌صورت ثابت در Agent قرار نگرفته‌اند. Agent ابتدا می‌تواند Baseها را دریافت کند و سپس Schema Base انتخاب‌شده را بررسی کند.

در نتیجه، برای استفاده از Base جدید معمولاً کافی است دسترسی Credential مربوط به Airtable را تنظیم کنید.

تغییر Trigger

در حال حاضر Workflow اصلی با Chat Trigger اجرا می‌شود. بنابراین، می‌توانید رابط چت را با روش‌های دیگری جایگزین یا تکمیل کنید.

برای مثال، می‌توان ورودی را از Webhook دریافت کرد و سپس همان منطق AI Agent را روی درخواست‌های دریافتی اجرا کرد.

تغییر قابلیت‌های Agent

Tool Workflowها در این Template نقش ابزارهای Agent را دارند. بنابراین، برای اضافه‌کردن قابلیت جدید می‌توانید یک ابزار جدید در Workflow دوم بسازید و Command جدیدی به Switch اضافه کنید.

در این صورت، AI Agent نیز باید توضیحات مربوط به ابزار جدید را دریافت کند تا بداند چه زمانی باید از آن استفاده کند.

مزایای استفاده از این Workflow جستجوی هوشمند Airtable با n8n

1. تعامل با داده‌ها با زبان طبیعی: کاربر لازم نیست برای هر جستجو Formula پیچیده بنویسد.
2. اتصال مستقیم به Airtable: داده‌ها مستقیماً از Base و Table موردنظر دریافت می‌شوند.
3. پشتیبانی از تحلیل داده: محاسباتی مانند میانگین و مجموع را می‌توان به ابزار Code سپرد.
4. مدیریت Context مکالمه: Memory باعث می‌شود تعامل با Agent طبیعی‌تر باشد.
5. پشتیبانی از فیلترهای پیچیده: توضیح متنی کاربر می‌تواند به Formula تبدیل شود.
6. امکان نمایش داده‌های جغرافیایی: اطلاعات مختصات را می‌توان به نقشه تبدیل کرد.
7. ساختار قابل توسعه: ابزارهای جدید را می‌توان به Workflow دوم اضافه کرد.
8. جداشدن منطق Agent از ابزارها: این معماری نگهداری و توسعه Workflow را ساده‌تر می‌کند.

نکات مهم جستجوی هوشمند Airtable با n8n

Credentialها را بررسی کنید

Credentialهای موجود در Template متعلق به سازنده Workflow هستند. بنابراین، پس از Import باید Credentialهای خودتان را جایگزین کنید.

Base ID و Table ID را اشتباه وارد نکنید

جستجو بر اساس شناسه Base و Table انجام می‌شود. در نتیجه، استفاده از شناسه اشتباه باعث دریافت اطلاعات نادرست یا خطا خواهد شد.

دسترسی Airtable را بررسی کنید

حتی اگر شناسه‌ها صحیح باشند، Token باید دسترسی لازم به Base موردنظر را داشته باشد. بنابراین، مجوزهای Airtable را نیز بررسی کنید.

از دریافت همه رکوردها بدون نیاز خودداری کنید

در توضیحات Search records تأکید شده است که Limit در صورت امکان مشخص شود. دریافت همه رکوردها برای تحلیل‌های بزرگ می‌تواند مصرف منابع و زمان پردازش را افزایش دهد.

Schema را قبل از Filter بررسی کنید

Formula باید بر اساس نام و نوع واقعی Field ساخته شود. بنابراین، دریافت Schema پیش از اجرای Filter نقش مهمی در کاهش خطا دارد.

Public Key مربوط به Mapbox را جایگزین کنید

در Node مربوط به نقشه، مقدار نمونه <your_public_key> قرار گرفته است. بنابراین، برای استفاده واقعی باید کلید Mapbox خودتان را وارد کنید.

خروجی فایل را بررسی کنید

در صورت تولید تصویر یا فایل توسط OpenAI، Workflow آن را دانلود و سپس در سرویس موقت آپلود می‌کند. بنابراین، در محیط‌های حساس بهتر است سیاست نگهداری فایل را بررسی کنید.

Workflow دوم را فراموش نکنید

این Template فقط یک Workflow مستقل نیست. بخش ابزارها باید در Workflow جداگانه قرار بگیرد و Workflow اصلی باید بتواند آن را فراخوانی کند.

مراقب محدودیت‌های API باشید

Airtable و OpenAI هر دو API هستند و محدودیت‌هایی مانند Rate Limit دارند. بنابراین، در استفاده پرتعداد باید مصرف درخواست‌ها را کنترل کنید.

خطاهای رایج (Troubleshooting)

خطای Credential در Airtable

علت:

Credential موجود در Template به حساب سازنده مربوط است یا Token شما دسترسی لازم را ندارد.

راه‌حل:

یک Airtable Credential جدید در n8n بسازید و در تمام Nodeهای Airtable جایگزین Credential قبلی کنید.

Agent Base اشتباه را انتخاب می‌کند

علت:

درخواست کاربر نام Base را مشخص نکرده یا چند Base مشابه وجود دارد.

راه‌حل:

نام Base را در درخواست خود ذکر کنید. همچنین می‌توانید System Message مربوط به Agent را تغییر دهید تا قبل از اجرای عملیات، Base را از کاربر تأیید کند.

Filter نتیجه‌ای برنمی‌گرداند

علت:

Formula تولیدشده ممکن است با نام یا نوع Fieldهای Airtable سازگار نباشد.

راه‌حل:

ابتدا Schema Base را دریافت کنید و نام Fieldها را بررسی کنید. سپس Prompt مربوط به تولید Filter را اصلاح کنید.

خطا در OpenAI

علت:

Credential نادرست، محدودیت API، مدل نامعتبر یا تغییرات API می‌تواند باعث خطا شود.

راه‌حل:

Credential را بررسی کنید و تنظیمات HTTP Request مربوط به OpenAI را با API فعلی سرویس تطبیق دهید.

تصویر نقشه ایجاد نمی‌شود

علت:

Public Key مربوط به Mapbox جایگزین نشده یا مختصات ورودی اشتباه است.

راه‌حل:

کلید Mapbox را در Node Create map image قرار دهید و مطمئن شوید طول و عرض جغرافیایی با فرمت مورد انتظار ارسال می‌شوند.

Workflow دوم اجرا نمی‌شود

علت:

Tool Workflow به Workflow اشتباه متصل شده یا Workflow ابزارها در ساختار جداگانه قرار نگرفته است.

راه‌حل:

شناسه Workflow مقصد را بررسی کنید و مطمئن شوید Commandهای get_bases، get_base_tables_schema، <code dir=”ltr”>search و code در Switch تعریف شده‌اند.

جمع‌بندی

این Template جستجوی هوشمند Airtable با n8n نمونه‌ای کاربردی از ترکیب n8n، هوش مصنوعی و Airtable است. به کمک آن می‌توان یک AI Agent ساخت که به‌جای دریافت دستورهای فنی، درخواست کاربر را به زبان طبیعی دریافت کند و عملیات مناسب را روی داده‌ها انجام دهد.

در این ساختار، AI Agent نقش مغز Workflow را بر عهده دارد. سپس ابزارهای مختلف مانند Search records، Get base schema و Process data with code قابلیت‌های موردنیاز را در اختیار Agent قرار می‌دهند. همچنین Window Buffer Memory باعث می‌شود مکالمه حالت پیوسته‌تری داشته باشد.

از طرف دیگر، بخش دوم Workflow جستجوی هوشمند Airtable با n8n وظیفه اجرای واقعی عملیات را بر عهده دارد. Switch بر اساس Command مسیر مناسب را انتخاب می‌کند و سپس عملیات مربوط به Airtable، OpenAI یا پردازش داده اجرا می‌شود.

بنابراین، جستجوی هوشمند Airtable با n8n فقط یک جستجوی ساده در Airtable نیست. این Template می‌تواند پایه‌ای برای ساخت دستیارهای داده‌محور، سیستم‌های تحلیل اطلاعات و ابزارهای داخلی سازمان باشد. با توسعه Toolها نیز می‌توان قابلیت‌های بیشتری به آن اضافه کرد.

سوالات متداول

آیا برای اجرای این Workflow به Airtable نیاز داریم؟

بله. هسته اصلی این Template جستجوی هوشمند Airtable با n8n برای تعامل با داده‌های Airtable طراحی شده است. بنابراین، برای استفاده کامل از قابلیت‌های آن باید یک حساب Airtable و دسترسی API مناسب داشته باشید.

آیا می‌توان مدل OpenAI را تغییر داد؟</h5> <p class=”isSelectedEnd”>بله. مدل اصلی AI Agent از Node مربوط به OpenAI Chat Model مدیریت می‌شود. علاوه بر این، مدل مورد استفاده برای تولید Filter نیز در HTTP Request جداگانه مشخص شده است.

آیا می‌توان از چند Base در یک Workflow استفاده کرد؟

بله. Agent می‌تواند فهرست Baseها را دریافت کند و سپس Schema Base موردنظر را بررسی کند. بنابراین، امکان کار با چند Base در صورت داشتن دسترسی مناسب وجود دارد.

آیا می‌توان این Workflow را بدون قابلیت نقشه استفاده کرد؟

بله. Create map image یک ابزار مستقل است. بنابراین، اگر داده جغرافیایی ندارید، می‌توانید آن را استفاده نکنید یا حتی از Workflow حذف کنید.

آیا می‌توان ابزار جدیدی به AI Agent اضافه کرد؟

بله. معماری Template برای توسعه ابزارها مناسب است. می‌توانید یک Tool جدید ایجاد کنید، Command آن را در Switch اضافه کنید و سپس توضیحات ابزار را در اختیار AI Agent قرار دهید.

چرا Workflow به دو بخش تقسیم شده است؟

تقسیم Workflow باعث جداشدن منطق تصمیم‌گیری Agent از منطق اجرای ابزارها می‌شود. در نتیجه، Workflow اصلی ساده‌تر باقی می‌ماند و توسعه ابزارهای جدید در بخش دوم راحت‌تر خواهد بود.

آیا می‌توان این Workflow جستجوی هوشمند Airtable با n8n را با Webhook اجرا کرد؟

بله. منطق اصلی را می‌توان حفظ کرد و Trigger را با Webhook یا Trigger دیگری جایگزین کرد. البته ساختار ورودی باید با داده‌هایی که Agent انتظار دارد هماهنگ شود.

آیا می‌توان محاسبات دیگری به Workflow اضافه کرد؟

بله. ابزار Process data with code برای همین هدف طراحی شده است. می‌توانید عملیات‌هایی مانند محاسبه مجموع، میانگین، شمارش، مقایسه یا پردازش داده‌های سفارشی را به آن اضافه کنید.

 

GIT