ساخت عامل هوش مصنوعی خصوصی با Ollama، آب و هوا و ویکی‌پدیا د…

ساخت عامل هوش مصنوعی خصوصی با Ollama، آب و هوا و ویکی‌پدیا د…

6 دقیقه مطالعه · منتشر شده ۱۴۰۵/۴/۱۹

دانلود workflow

فایل JSON آماده import در n8n — credentialها باید در n8n شما تنظیم شوند.

  1. فایل JSON را دانلود کنید.
  2. در n8n: Workflows → Import from File.
  3. Credentialهای هر node را متصل کنید.
  4. workflow را فعال کنید.

شناسه workflow: 2931 · منبع: کاتالوگ Axeto

عامل هوش مصنوعی با Ollama برای اطلاعات آب و هوا و ویکی‌پدیا

این گردش کار نحوه ساخت یک عامل هوش مصنوعی مکالمه‌ای را با استفاده از n8n که مدل‌های زبان بزرگ (LLM) محلی را از طریق Ollama به کار می‌گیرد، نشان می‌دهد. این عامل می‌تواند اطلاعات آب و هوای فعلی و خلاصه‌های ویکی‌پدیا را ارائه دهد و یک راه‌حل متمرکز بر حریم خصوصی و مستقل را ارائه دهد.

این گردش کار و موارد دیگر را در کاتالوگ n8n در Axeto.ai کاوش کنید.

نمای کلی گردش کار

این گردش کار برای موارد زیر طراحی شده است:

1. دریافت ورودی کاربر: پرسش‌های کاربر را از طریق یک رابط چت دستی دریافت کنید.

2. پردازش با عامل هوش مصنوعی: از یک عامل هوش مصنوعی LangChain که توسط یک LLM محلی Ollama پشتیبانی می‌شود، برای درک قصد کاربر استفاده کنید.

3. دسترسی به ابزارها: ابزارهای خارجی را برای بازیابی داده‌های خاص ادغام کنید:

* داده‌های آب و هوا: شرایط آب و هوای فعلی را با استفاده از API Open-Meteo دریافت کنید.

* خلاصه‌های ویکی‌پدیا: اطلاعات را از ویکی‌پدیا بازیابی و خلاصه کنید.

4. حفظ زمینه مکالمه: از یک بافر حافظه برای پیگیری تاریخچه مکالمه استفاده کنید و تعاملات منسجم‌تری را امکان‌پذیر سازید.

راهنمای پیاده‌سازی گام به گام

این بخش نحوه ساخت گردش کار را از ابتدا شرح می‌دهد و اطمینان حاصل می‌کند که تمام گره‌ها و پیکربندی‌ها به درستی تنظیم شده‌اند.

۱. ماشه ورودی کاربر

این گره با دریافت پیام‌ها از یک چت دستی، گردش کار را آغاز می‌کند.

  • گره: On new manual Chat Message
  • نوع: Manual Chat Trigger (LangChain)
  • پیکربندی: هیچ پارامتر خاصی لازم نیست. این گره به عنوان نقطه ورود برای پرسش‌های کاربر عمل می‌کند.
  • اتصال: خروجی آن به گره AI Agent تغذیه خواهد شد.

۲. هسته عامل هوش مصنوعی

این جزء مرکزی است که ورودی کاربر را پردازش می‌کند، تصمیم می‌گیرد از کدام ابزار استفاده کند و با LLM و حافظه تعامل دارد.

  • گره: AI Agent
  • نوع: LangChain Agent
  • پیکربندی:

* عبارت متن ورودی: ={{ $json.input }} - این عبارت تضمین می‌کند که عامل پیام کاربر را دریافت می‌کند.

* پیام سیستم: "You are a helpful assistant, with weather tool and wiki tool. find out the latitude and longitude information of a location then use the weather tool for current weather and weather forecast. For general info, use the wiki tool." - این دستورالعمل رفتار عامل را هدایت می‌کند و قابلیت‌های آن را تعریف می‌کند.

* نوع اعلان: Define - نشان می‌دهد که از یک اعلان سیستم سفارشی استفاده می‌شود.

  • اتصالات:

* ورودی اصلی: از گره On new manual Chat Message متصل شوید.

* ورودی مدل زبان: به گره Ollama Chat Model متصل شوید.

* ورودی حافظه: به گره Window Buffer Memory متصل شوید.

* ورودی‌های ابزار: به گره‌های Weather HTTP Request و Wikipedia متصل شوید.

۳. ادغام LLM محلی (Ollama)

این گره با اتصال به سرویس Ollama محلی شما، قابلیت‌های هوش مصنوعی را فراهم می‌کند.

  • گره: Ollama Chat Model
  • نوع: Language Model (Ollama)
  • پیکربندی:

* مدل: llama3.2:latest (یا مدل Ollama مورد نظر شما).

* اعتبارنامه‌ها: با نقطه پایانی API Ollama محلی خود پیکربندی کنید. این معمولاً شامل راه‌اندازی کلیدهای API یا استفاده از پیکربندی‌های پیش‌فرض هاست محلی است.

  • اتصالات:

* ورودی: اعلان‌ها را از گره AI Agent دریافت می‌کند.

* خروجی: پاسخ‌های LLM را به گره AI Agent ارسال می‌کند.

۴. حافظه مکالمه

این گره زمینه مکالمه را حفظ می‌کند و به عامل اجازه می‌دهد تعاملات قبلی را به خاطر بسپارد.

  • گره: Window Buffer Memory
  • نوع: Memory Buffer (LangChain)
  • پیکربندی:

* طول پنجره زمینه: 20 - آخرین ۲۰ پیام مکالمه را ذخیره می‌کند.

  • اتصالات:

* ورودی: از گره AI Agent متصل شوید.

* خروجی: تاریخچه مکالمه را به گره AI Agent ارائه می‌دهد.

۵. ابزار آب و هوا

این گره به عامل هوش مصنوعی اجازه می‌دهد تا داده‌های آب و هوای فعلی را دریافت کند.

  • گره: Weather HTTP Request
  • نوع: HTTP Request Tool (LangChain)
  • پیکربندی:

* URL: https://api.open-meteo.com/v1/forecast

* پارامترهای پرس و جو:

* latitude: به طور پویا توسط AI Agent ارائه می‌شود.

* longitude: به طور پویا توسط AI Agent ارائه می‌شود.

* forecast_days: "1" (ثابت)

* hourly: "temperature_2m" (ثابت)

* توضیحات ابزار: "Fetch current temperature for given coordinates." - این توضیحات به عامل هوش مصنوعی کمک می‌کند تا زمان استفاده از این ابزار را درک کند.

  • اتصالات:

* ورودی: درخواست‌های فراخوانی ابزار را از گره AI Agent دریافت می‌کند.

* خروجی: داده‌های آب و هوا را به گره AI Agent ارسال می‌کند.

۶. ابزار ویکی‌پدیا

این گره به عامل هوش مصنوعی اجازه می‌دهد تا اطلاعات را از ویکی‌پدیا بازیابی کند.

  • گره: Wikipedia
  • نوع: Wikipedia Tool (LangChain)
  • پیکربندی: تنظیمات پیش‌فرض را استفاده کنید.
  • اتصالات:

* ورودی: درخواست‌های فراخوانی ابزار را از گره AI Agent دریافت می‌کند.

* خروجی: خلاصه‌های ویکی‌پدیا را به گره AI Agent ارسال می‌کند.

۷. گره‌های کمکی (یادداشت‌های چسبنده)

یادداشت‌های چسبنده در سراسر گردش کار برای ارائه توضیحات و زمینه برای گره‌ها و پیکربندی‌های آن‌ها استفاده می‌شوند. آن‌ها برای درک منطق و هدف گردش کار حیاتی هستند.

  • دستورالعمل‌های پیام سیستم: نقش و قابلیت‌های تعریف شده در اعلان سیستم AI Agent را توضیح می‌دهد.
  • توضیح بافر مکالمه: نحوه ذخیره تاریخچه مکالمه توسط گره Window Buffer Memory را شرح می‌دهد.
  • توضیح ابزارهای عامل: ابزارهای موجود برای AI Agent را شرح می‌دهد.

جدول خلاصه

نام گرهنوع گرهنقش عملکردیگره(های) ورودیگره(های) خروجی
On new manual Chat MessageManual Chat Trigger (LangChain)ورودی چت کاربر را دریافت می‌کند-AI Agent
AI AgentLangChain Agentورودی را پردازش می‌کند، ابزارها و حافظه را مدیریت می‌کندOn new manual Chat MessageWeather HTTP Request, Wikipedia
Ollama Chat ModelLanguage Model (Ollama)LLM محلی را برای عامل هوش مصنوعی فراهم می‌کندAI AgentAI Agent
Window Buffer MemoryMemory Buffer (LangChain)آخرین ۲۰ پیام مکالمه را حفظ می‌کندAI AgentAI Agent
Weather HTTP RequestHTTP Request Tool (LangChain)داده‌های آب و هوای فعلی را دریافت می‌کندAI AgentAI Agent
WikipediaWikipedia Tool (LangChain)اطلاعات ویکی‌پدیا را بازیابی و خلاصه می‌کندAI AgentAI Agent

Nodeهای استفاده‌شده

سوالات متداول

این گردش کار n8n چه کاری انجام می‌دهد؟

این گردش کار به شما امکان می‌دهد یک عامل هوش مصنوعی مکالمه‌ای خصوصی بسازید که می‌تواند اطلاعات آب و هوای فعلی را با استفاده از Open-Meteo و خلاصه‌های ویکی‌پدیا را با استفاده از ابزار ویکی‌پدیا بازیابی کند. این کار با استفاده از n8n، Ollama برای اجرای مدل‌های زبان بزرگ (LLM) به صورت محلی و LangChain برای ادغام ابزارها انجام می‌شود.

چگونه می‌توانم Ollama را با n8n ادغام کنم؟

برای ادغام Ollama با n8n، باید گره "Language Model (Ollama)" را در گردش کار خود اضافه کرده و آن را به نقطه پایانی API Ollama محلی خود پیکربندی کنید. سپس می‌توانید از این گره در عامل LangChain خود برای دسترسی به مدل‌های LLM محلی استفاده کنید.

چه ابزارهایی در این گردش کار استفاده شده‌اند؟

این گردش کار از ابزارهای LangChain مانند ابزار HTTP Request برای دریافت داده‌های آب و هوا از Open-Meteo و ابزار ویکی‌پدیا برای بازیابی اطلاعات از ویکی‌پدیا استفاده می‌کند. همچنین از گره "Manual Chat Trigger" برای دریافت ورودی کاربر و گره "Memory Buffer" برای حفظ زمینه مکالمه استفاده می‌شود.

workflowهای مرتبط

این workflow در کاتالوگ Axeto.ai بایگانی شده است. لایسنس اصلی متعلق به سازنده workflow است.