مقدمه

ساخت تیکت خودکار 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

ساخت تیکت خودکار با n8n

آموزش ساخت اتوماسیون هوشمند تبدیل پیام‌های اسلک به تیکت‌های Linear با استفاده از هوش مصنوعی

اتوماسیون فرآیندهای کاری و مدیریت درخواست‌های پشتیبانی یکی از چالش‌های اصلی تیم‌های فنی و پشتیبانی در سازمان‌ها است. دریافت پیام‌های پراکنده در پیام‌رسان‌ها بدون ثبت منظم در سیستم‌های مدیریت پروژه، معمولاً باعث فراموشی درخواست‌ها و کاهش بهره‌وری تیم می‌شود. با اجرای ساخت تیکت خودکار با n8n، می‌توانید این روند دستی را کاملاً خودکار کرده و ارتباطی یکپارچه میان ابزارهای ارتباطی و سیستم‌های مدیریت وظایف برقرار کنید. در این مقاله آموزشی، نحوه پیاده‌سازی یک اتوماسیون پیشرفته را بررسی می‌کنیم که پیام‌های مشخص‌شده در اسلک را دریافت کرده، با کمک هوش مصنوعی تجزیه‌وتحلیل می‌کند و سپس یک تیکت منظم در نرم‌افزار Linear ایجاد می‌کند. این راهکار به تیم‌های فنی کمک می‌کند تا بدون نیاز به کدنویسی پیچیده، مدیریت درخواست‌ها را به سطح بالاتری برسانند.

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 اتوماسیون ساخت تیکت خودکار با n8n به‌صورت دوره‌ای و با استفاده از یک زمان‌بند، کانال مشخصی را در نرم‌افزار Slack بررسی می‌کند تا پیام‌هایی را که با ایموجی تیکت برچسب‌گذاری شده‌اند، پیدا کند. پس از یافتن پیام‌های جدید، سیستم بررسی می‌کند که آیا قبلاً تیکتی برای این پیام در Linear ساخته شده است یا خیر تا از ایجاد تیکت‌های تکراری جلوگیری شود. در مرحله بعد، متن پیام کاربر به هوش مصنوعی OpenAI ارسال می‌شود تا عنوان مناسب، خلاصه کاربردی، پیشنهادهای عیب‌یابی و سطح اولویت درخواست استخراج شود. این فرآیند بخشی از اتوماسیون پشتیبانی با هوش مصنوعی است که به تیم‌ها کمک می‌کند تا درخواست‌ها را به سرعت دسته‌بندی کرده و در فضای کاری Linear ثبت کنند.

کاربردهای Workflow ساخت تیکت خودکار با n8n:

• تبدیل پیام‌های پشتیبانی مشتریان در اسلک به تیکت‌های ساختاریافته در سیستم مدیریت پروژه

• ردیابی و مدیریت درخواست‌های فنی تیم‌های داخلی بدون نیاز به ورود دستی اطلاعات

• اولویت‌بندی خودکار درخواست‌ها بر اساس لحن و محتوای پیام کاربر توسط هوش مصنوعی

• جلوگیری از ایجاد تیکت‌های تکراری با بررسی سوابق قبلی در پایگاه داده Linear

• استخراج خودکار راه حل‌های پیشنهادی اولیه برای تسریع روند رفع مشکلات

• متمرکز کردن تمامی درخواست‌های پشتیبانی دریافتی از کانال‌های مختلف در یک بستر واحد

پیش‌نیازها

• نصب و راه‌اندازی نرم‌افزار n8n

• حساب کاربری و دسترسی به API در Slack

• حساب کاربری و توکن دسترسی در Linear

• کلید API معتبر برای سرویس OpenAI

• مشخص بودن شناسه کانال هدف در اسلک

• مشخص بودن شناسه تیم در Linear

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 و آموزش کامل Node ها

Schedule Trigger

• وظیفه Node: اجرای خودکار و دوره‌ای کل جریان کاری بر اساس بازه‌های زمانی مشخص‌شده.

• ورودی آن: ندارد (به‌عنوان آغازگر جریان عمل می‌کند).

• خروجی آن: زمان اجرای فعلی و داده‌های اولیه تریگر.

• تنظیمات مهم: تعیین بازه زمانی تکرار روی دقایق یا ساعات دلخواه.

• نکات قابل تغییر: تغییر فاصله زمانی اجرا بر اساس نیاز ترافیک سازمان.

• دلیل استفاده از این Node در Workflow: بررسی خودکار و مداوم پیام‌های جدید اسلک بدون نیاز به دخالت انسانی.

Slack

• وظیفه Node: جستجو و بازیابی پیام‌ها از کانال‌های مشخص شده در نرم‌افزار اسلک.

• ورودی آن: سیگنال زمانی دریافتی از تریگر.

• خروجی آن: لیستی از پیام‌های موجود در کانال همراه با جزئیات فرستنده و متن.

• تنظیمات مهم: تنظیم عبارت جستجو برای فیلتر کردن پیام‌ها بر اساس ایموجی تیکت و نام کانال.

• نکات قابل تغییر: تغییر نام کانال اسلک یا نوع ایموجی شرطی.

• دلیل استفاده از این Node در Workflow: دسترسی مستقیم به پیام‌های نیازمند پشتیبانی درون پیام‌رسان تیم.

Get Values

• وظیفه Node: استخراج، پاکسازی و استانداردسازی مقادیر کلیدی از خروجی پیام‌های اسلک.

• ورودی آن: اطلاعات خام پیام‌های دریافتی از اسلک.

• خروجی آن: شیء JSON ساختاریافته شامل شناسه، نام کاربر، متن پیام و لینک دسترسی.

• تنظیمات مهم: استفاده از حالت خام برای فرمت‌دهی دقیق داده‌ها و مدیریت کاراکترهای خاص.

• نکات قابل تغییر: افزودن فیلدهای متای جدید به خروجی نهایی.

• دلیل استفاده از این Node در Workflow: آماده‌سازی داده‌های پیام برای پردازش‌های بعدی و مقایسه با تیکت‌های موجود.

Get Existing Issues

• وظیفه Node: دریافت تمامی تیکت‌های موجود در فضای کاری Linear برای بررسی سوابق قبلی.

• ورودی آن: داده‌های پردازش‌شده پیام فعلی.

• خروجی آن: لیستی از تیکت‌های ثبت‌شده در Linear همراه با توضیحات آن‌ها.

• تنظیمات مهم: انتخاب عملیات بازیابی تمام تیکت‌ها.

• نکات قابل تغییر: محدود کردن تعداد تیکت‌های دریافتی برای بهینه‌سازی عملکرد.

• دلیل استفاده از این Node در Workflow: دستیابی به لیست تیکت‌های قبلی جهت مقایسه و جلوگیری از تکرار.

Collect Descriptions

• وظیفه Node: تجمیع و جمع‌آوری فیلدهای توضیحات تیکت‌های بازیابی شده.

• ورودی آن: لیستی از تیکت‌های دریافت شده از Linear.

• خروجی آن: آرایه‌ای واحد حاوی متن تمامی توضیحات تیکت‌ها.

• تنظیمات مهم: تعیین فیلد مورد نظر برای تجمیع.

• نکات قابل تغییر: تغییر نام فیلد خروجی تجمیع‌شده.

• دلیل استفاده از این Node در Workflow: فراهم کردن بستر مناسب برای استخراج شناسه‌های ثبت‌شده قبلی.

Get Hashes Only

• وظیفه Node: استخراج شناسه‌های منحصربه‌فرد پیام‌ها از متن توضیحات تیکت‌های موجود.

• ورودی آن: آرایه توضیحات تجمیع‌شده.

• خروجی آن: لیستی از هش‌ها یا شناسه‌های پیام‌هایی که قبلاً تیکت برای آن‌ها ساخته شده است.

• تنظیمات مهم: استفاده از عبارت منظم برای پیدا کردن الگوهای شناسه در متن.

• نکات قابل تغییر: به‌روزرسانی الگوی جستجوی متن در صورت تغییر ساختار شناسه‌ها.

• دلیل استفاده از این Node در Workflow: ایجاد لیستی تمیز از شناسه‌های تیکت‌های ثبت‌شده پیشین.

Merge

• وظیفه Node: ترکیب داده‌های پیام جدید و لیست شناسه‌های تیکت‌های موجود در یک جریان واحد.

• ورودی آن: دو ورودی شامل داده‌های پیام جاری و لیست شناسه‌های قبلی.

• خروجی آن: مجموعه‌ای که هم‌زمان به داده‌های پیام و لیست شناسه‌های موجود دسترسی دارد.

• تنظیمات مهم: تنظیم حالت ترکیب روی حالت چندگانه یا مناسب برای مقایسه.

• نکات قابل تغییر: تغییر نحوه پیوند دادن داده‌ها در صورت تغییر منطق شرطی.

• دلیل استفاده از این Node در Workflow: فراهم کردن داده‌های لازم برای بررسی تکراری نبودن درخواست در گام بعدی.

Create New Ticket?

• وظیفه Node: ارزیابی شرطی برای تشخیص اینکه آیا پیام فعلی قبلاً تیکتی داشته است یا خیر.

• ورودی آن: داده‌های ترکیبی شامل پیام جاری و لیست شناسه‌های ثبت‌شده.

• خروجی آن: هدایت جریان به مسیر اجرای هوش مصنوعی در صورت جدید بودن پیام.

• تنظیمات مهم: تعریف شرط منطقی بررسی عدم وجود شناسه جاری در لیست شناسه‌ها.

• نکات قابل تغییر: افزودن شرط‌های زمانی یا سطوح دسترسی اضافی.

• دلیل استفاده از این Node در Workflow: جلوگیری از پردازش مجدد و ساخت تیکت‌های تکراری برای یک پیام خاص.

Generate Ticket Using ChatGPT

• وظیفه Node: ارتباط با مدل هوش مصنوعی برای تولید محتوای ساختاریافته تیکت پشتیبانی.

• ورودی آن: متن پیام کاربر از اسلک و دستورالعمل‌های متنی.

• خروجی آن: محتوای تولیدشده شامل عنوان، خلاصه، پیشنهادها و سطح اولویت.

• تنظیمات مهم: اتصال به مدل زبانی و پارسر خروجی ساختاریافته.

• نکات قابل تغییر: بازنویسی پرامپت‌ها برای تغییر لحن یا ساختار خروجی هوش مصنوعی.

• دلیل استفاده از این Node در Workflow: تحلیل هوشمند متن نامنظم کاربر و تبدیل آن به اطلاعات فنی استاندارد.

OpenAI Chat Model

• وظیفه Node: تامین مدل پایه زبانی برای گام تولید تیکت هوش مصنوعی.

• ورودی آن: درخواست‌های ارسال‌شده از نود زنجیره هوش مصنوعی.

• خروجی آن: پاسخ‌های پردازش‌شده مدل زبانی.

• تنظیمات مهم: انتخاب مدل مناسب چت‌جی‌پتی.

• نکات قابل تغییر: تغییر نسخه مدل زبانی بر اساس نیاز به دقت یا سرعت.

• دلیل استفاده از این Node در Workflow: قدرت پردازش زبان طبیعی برای درک درخواست‌های کاربران.

Structured Output Parser

• وظیفه Node: تضمین خروجی ساختاریافته و استاندارد JSON از مدل هوش مصنوعی.

• ورودی آن: طرح‌واره یا Schema مشخص‌شده برای خروجی.

• خروجی آن: داده‌های متنی منطبق با ساختار تعیین‌شده برای نودهای بعدی.

• تنظیمات مهم: تعریف دقیق ساختار JSON شامل فیلدهای عنوان، خلاصه، ایده‌ها و اولویت.

• نکات قابل تغییر: افزودن فیلدهای جدید به ساختار خروجی تیکت.

• دلیل استفاده از این Node در Workflow: جلوگیری از خطاهای ساختاری در خواندن خروجی هوش مصنوعی توسط نودهای بعدی.

Create Ticket

• وظیفه Node: ایجاد نهایی تیکت پشتیبانی در سیستم مدیریت پروژه Linear.

• ورودی آن: اطلاعات ساختاریافته خروجی هوش مصنوعی و متای پیام اسلک.

• خروجی آن: جزئیات تیکت ایجاد شده در Linear شامل شناسه و لینک.

• تنظیمات مهم: نگاشت فیلدهای عنوان، وضعیت، اولویت و توضیحات کامل تیکت.

• نکات قابل تغییر: تغییر شناسه تیم مقصد یا تنظیمات اضافی تیکت.

• دلیل استفاده از این Node در Workflow: ثبت رسمی درخواست در بستر کاری تیم فنی برای پیگیری بعدی.

نحوه شخصی‌سازی Workflow

• Promptها: می‌توانید متن دستورالعمل‌های ارسال‌شده به هوش مصنوعی را ویرایش کنید تا خلاصه‌ها به زبان دیگری نوشته شوند.

• APIها: کلیدهای اتصال به اسلک، Linear و OpenAI را می‌توانید در بخش Credentials سیستم مدیریت و به‌روزرسانی کنید.

• مدل AI: مدل زبانی چت‌جی‌پتی را می‌توانید به مدل‌های پیشرفته‌تر مانند GPT-4 تغییر دهید تا دقت تحلیل افزایش یابد.

• Triggerها: زمان‌بند اجرا را می‌توانید از بررسی دقیقه‌ای به ساعتی یا روزانه تغییر دهید.

• زمان‌بندی: بازه‌های زمانی اجرای خودکار را متناسب با حجم کاری تیم تنظیم کنید.

• Labelها: ایموجی شرطی تیکت در اسلک را می‌توانید با هر نماد دیگری جایگزین کنید.

• شرط‌ها: منطق بررسی تیکت‌های تکراری را می‌توانید با افزودن فیلدهای متای بیشتر دقیق‌تر کنید.

• مسیر اجرای Workflow: می‌توانید مسیرهای جدیدی برای ارسال نوتیفیکیشن در تلگرام پس از ساخت تیکت اضافه کنید.

مزایای استفاده از ساخت تیکت خودکار با n8n:

• صرفه‌جویی چشمگیر در وقت تیم پشتیبانی با حذف ورود دستی اطلاعات به سیستم‌های مدیریت پروژه

• دقت بالا در دسته‌بندی و اولویت‌بندی درخواست‌ها با استفاده از قابلیت‌های هوش مصنوعی

• بهبود چشمگیر هماهنگی بین کانال‌های ارتباطی تیمی و سیستم‌های ردیابی وظایف

• جلوگیری کامل از ثبت تیکت‌های تکراری و شلوغ شدن فضای کاری Linear

• مستندسازی خودکار اطلاعات فرستنده و لینک‌های دسترسی به پیام اصلی اسلک

• افزایش رضایت‌مندی مشتریان و کاربران با سرعت بخشیدن به روند پاسخگویی و رسیدگی به مشکلات

نکات مهم

• مطمئن شوید دسترسی‌های لازم برای خواندن پیام‌ها به ربات اسلک داده شده است.

• شناسه تیم در نرم‌افزار Linear باید به دقت و بدون اشتباه در نود مربوطه وارد شود.

• اعتبار توکن‌های اتصال API را به‌طور منظم بررسی کنید تا جریان کاری متوقف نشود.

• حتماً از Structured Output Parser استفاده کنید تا پاسخ‌های هوش مصنوعی دچار اختلال نشوند.

• تست اولیه را روی یک کانال آزمایشی اسلک انجام دهید تا از عملکرد صحیح تریگر مطمئن شوید.

• حجم درخواست‌های ارسالی به OpenAI را مدیریت کنید تا از محدودیت‌های نرخ مصرف جلوگیری شود.

• نسخه نودهای لنگ‌چین و هوش مصنوعی را در صورت به‌روزرسانی n8n بررسی کنید.

• پیاده‌سازی این اتوماسیون نیاز به آشنایی پایه با ساختار JSON و ابزارهای ابری دارد.

خطاهای رایج (Troubleshooting)

• خطای اعتبارسنجی Slack:

  • علت: منقضی شدن توکن یا عدم دسترسی ربات به کانال مورد نظر.

  • راه‌حل: بررسی مجدد Credentialها و افزودن ربات به کانال اسلک.

• خطای عدم تطابق ساختار خروجی هوش مصنوعی:

  • علت: پاسخ ندادن مدل زبانی مطابق با Schema تعریف‌شده در پارسر.

  • راه‌حل: ساده‌سازی پرامپت یا استفاده از مدل‌های دقیق‌تر مانند GPT-4.

• خطای عدم یافتن تیم در Linear:

  • علت: اشتباه بودن شناسه تیم یا عدم دسترسی حساب کاربری به فضای کاری.

  • راه‌حل: کپی کردن صحیح Team ID از تنظیمات فضای کاری Linear.

• خطای ایجاد تیکت‌های تکراری:

  • علت: اشکال در الگوی جستجوی هش در توضیحات تیکت‌های موجود.

  • راه‌حل: بازبینی نود استخراج هش و اطمینان از ذخیره صحیح شناسه‌ها.

• خطای محدودیت نرخ مصرف OpenAI:

  • علت: ارسال تعداد زیادی درخواست در بازه زمانی کوتاه.

  • راه‌حل: افزایش فاصله زمانی در Schedule Trigger یا ارتقای پلن حساب کاربری.

سوالات متداول

• آیا برای استفاده از این Workflow به دانش برنامه‌نویسی نیاز است؟ خیر، n8n ابزاری با رابط کاربری بصری است و تمام مراحل با اتصال نودها انجام می‌شود.

• چگونه می‌توان از ساخت تیکت‌های تکراری جلوگیری کرد؟ این کار با بررسی شناسه‌های پیام در توضیحات تیکت‌های قبلی Linear و استفاده از نود شرطی انجام می‌شود.

• آیا می‌توان به جای Linear از ابزار دیگری استفاده کرد؟ بله، با تغییر نود نهایی می‌توانید تیکت‌ها را در جیرا، تrello یا سایر ابزارها ایجاد کنید.

• چه مدل‌هایی از هوش مصنوعی در این جریان پشتیبانی می‌شوند؟ مدل‌های مختلف چت‌جی‌پتی شرکت OpenAI از طریق نودهای تخصصی لنگ‌چین در n8n قابل استفاده هستند.

• چگونه می‌توان زمان‌بندی اجرای اتوماسیون را تغییر داد؟ با ویرایش تنظیمات نود Schedule Trigger می‌توانید بازه‌های زمانی بررسی پیام‌ها را به دلخواه تنظیم کنید.

جمع‌بندی

اتوماسیون ساخت تیکت خودکار با n8n، فرآیندهای کاری بین ابزارهای ارتباطی و سیستم‌های مدیریت پروژه نقش بسیار مهمی در افزایش بهره‌وری تیم‌های مدرن دارد. در این مقاله آموزشی، نحوه طراحی و پیاده‌سازی یک جریان کاری پیشرفته را بررسی کردیم که پیام‌های اسلک را دریافت کرده و با کمک اتوماسیون پشتیبانی با هوش مصنوعی، آن‌ها را به تیکت‌های استاندارد تبدیل می‌کند.

این ابزار قدرتمند به شما کمک می‌کند تا بدون نیاز به کدنویسی پیچیده، کارهای تکراری را حذف کرده و تمرکز تیم را بر روی حل مسائل اصلی متمرکز سازید. با رعایت نکات امنیتی و تنظیم دقیق پیش‌نیازها، می‌توانید فرآیند ساخت تیکت خودکار با n8n را متناسب با نیازهای سازمان خود شخصی‌سازی کرده و کیفیت پشتیبانی را به شکل چشمگیری ارتقا دهید.

GIT