دکتر وحید صفاری

هر تیمی بعد از مدتی انبوهی از مستندات، PDF، صفحات نُوشن، Google Docs و فایل‌های داخلی دارد؛ اما پیدا کردن پاسخ یک سوال ساده مثل «آخرین نسخه شرایط استفاده کجاست؟» یا «این فیچر چطور کار می‌کند؟» به یک دردسر روزمره تبدیل می‌شود. همه چیز جایی ذخیره شده، اما کسی حوصله جست‌وجوی دستی و گشتن در چندین فولدر را ندارد.

با کمک n8n و هوش مصنوعی (LLM) می‌توانید روی همین مستندات داخلی یک چت‌بات پرسش و پاسخ بسازید که به‌صورت امن و کنترل‌شده، به سوال‌های کاربر جواب می‌دهد؛ انگار یک همکار همیشه آنلاین است که دقیق می‌داند هر چیزی کجا نوشته شده.

این ورک‌فلو دقیقاً چه کاری انجام می‌دهد؟

سناریوی «چت‌بات هوش مصنوعی پرسش و پاسخ روی مستندات با n8n» به‌طور خلاصه این کارها را انجام می‌دهد:

• مستندات شما را از Notion، Google Drive، Confluence یا پوشه‌های فایل واکشی می‌کند،
• متن‌ها را تمیز کرده و به تکه‌های کوچک‌تر و قابل جست‌وجو تقسیم می‌کند،
• بر اساس این تکه‌ها یک لایه جست‌وجوی هوشمند (Embedding / Similarity Search) می‌سازد،
• سوال کاربر را دریافت می‌کند و نزدیک‌ترین بخش‌های مستندات را پیدا می‌کند،
• این بخش‌ها را به مدل زبانی می‌دهد تا پاسخ دقیق و خلاصه بسازد،
• و در نهایت جواب را از طریق چت‌بات تلگرام، ویجت سایت یا پنل داخلی به کاربر نمایش می‌دهد.

مهم‌ترین نکته این است که چت‌بات فقط بر اساس مستندات شما جواب می‌دهد، نه دانسته‌های آزاد اینترنت؛ بنابراین کنترل و دقت بالاتری روی پاسخ‌ها دارید.

سناریوهای کاربردی چت‌بات مستندات

• پشتیبانی مشتری: پاسخ به سوالات متداول کاربران براساس راهنماها، FAQ و مستندات محصول.
• Onboarding داخلی: کمک به نیروهای جدید برای پیدا کردن اطلاعات HR، فرایندها و راهنمای ابزارها.
• تیم فنی: جست‌وجو و پرسش روی مستندات معماری، API و Runbookها.
• فروش و Success: دسترسی سریع به جزئیات پلن‌ها، شرایط قرارداد و Use Caseها در مکالمه با مشتری.

جریان کلی این ورک‌فلو در n8n

برای پیاده‌سازی این سناریو در n8n معمولاً این مراحل طی می‌شود:

• ۱. جمع‌آوری مستندات: بسته به جایی که مستندات شما قرار دارد:
  • با نودهای Notion، Google Drive، Confluence یا HTTP API، محتوای صفحات و فایل‌ها را واکشی می‌کنید،
  • فرمت‌های مختلف (Markdown، Docx، PDF ساده) را به متن تبدیل می‌کنید.
• ۲. تمیز کردن و تکه‌تکه کردن متن: برای اینکه جست‌وجو دقیق‌تر باشد:
  • متن‌ها را از هدر، فوتر و بخش‌های غیرمهم پاک می‌کنید،
  • آن‌ها را به پاراگراف‌ها یا بلوک‌های کوچک (مثلاً ۳۰۰–۷۰۰ کلمه‌ای) تقسیم می‌کنید،
  • برای هر تکه، اطلاعاتی مثل منبع، عنوان سند و لینک اصلی را نگه می‌دارید.
• ۳. ساخت نمایه جست‌وجوی هوشمند: این تکه‌ها به یک سرویس Embed/Vector Store (یا سرویس خارجی آماده) ارسال می‌شوند تا:
  • برای هر تکه یک بردار (Embedding) تولید شود،
  • امکان Similarity Search براساس معنا (نه فقط کلمه) فراهم شود.
  این مرحله می‌تواند خارج از n8n یا با استفاده از نودهای HTTP/DB انجام شود.
• ۴. دریافت سوال کاربر: چت‌بات شما می‌تواند روی:
  • تلگرام،
  • ویجت چت سایت،
  • Slack داخلی،
  • یا یک فرم ساده وب
  سوار شود. سوال کاربر از طریق Webhook/Trigger وارد n8n می‌شود.
• ۵. پیدا کردن بخش‌های مرتبط با سوال: سوال کاربر را هم Embed می‌کنید و با آن در Vector Store جست‌وجو می‌کنید تا چند تکه متن مرتبط پیدا شود (مثلاً ۳ تا ۵ تکه با بیشترین شباهت).
• ۶. تولید پاسخ با LLM: تکه‌های پیدا شده + سوال کاربر به OpenAI یا مدل مشابه داده می‌شود و یک Prompt مانند این استفاده می‌شود:
  «فقط بر اساس متن‌های زیر به سوال جواب بده، اگر جواب در این متن‌ها نیست بگو “در مستندات موجود نیست”. پاسخ را کوتاه، دقیق و قابل فهم بنویس.»
  مدل یک پاسخ متنی تمیز برمی‌گرداند که پشتش رفرنس‌های واضح وجود دارد.
• ۷. نمایش پاسخ و لینک منابع: n8n پاسخ را به کانال ورودی برمی‌گرداند (تلگرام، وب، Slack) و در صورت نیاز:
  • لینک سند اصلی،
  • نام صفحه یا فایل،
  • و بخشی از متن منبع
  را هم به کاربر نشان می‌دهد تا اگر خواست بیشتر بخواند.

پیش‌نیازهای راه‌اندازی این سناریو

• منبع مستندات: مثل Notion، Google Drive، Confluence، ویکی داخلی یا پوشه فایل روی سرور.
• خدمات Embed/Vector Store: مثلاً یک سرویس آماده یا دیتابیس مناسب برای ذخیره Embeddingها.
• OpenAI API Key یا مدل LLM مشابه: برای تولید پاسخ براساس متن مستندات.
• n8n در حال اجرا: روی سرور، Docker، VPS یا n8n Cloud.
• کانال چت: تلگرام، Slack، وب‌چت یا هر رابط کاربری که کاربران از طریق آن سوال می‌پرسند.

مراحل کلی پیاده‌سازی در n8n

1. یک ورک‌فلو برای ایندکس‌کردن مستندات بسازید که به صورت دوره‌ای (مثلاً روزانه) فایل‌ها را واکشی و متن‌ها را در Vector Store ذخیره کند.
2. یک ورک‌فلو جدا برای پاسخ به سوالات بسازید که تریگر آن Webhook/Telegram/Slack باشد.
3. در ورک‌فلو پاسخ، سوال کاربر را Embed کنید و نزدیک‌ترین تکه‌های متن را از Vector Store بگیرید.
4. این تکه‌ها + سوال را به نود OpenAI بدهید و Prompt را طوری تنظیم کنید که فقط براساس متن مستندات پاسخ دهد.
5. خروجی مدل را به‌صورت پیام چت (به همراه لینک منبع) برای کاربر ارسال کنید.
6. در صورت نیاز، لاگ سوال و پاسخ را در دیتابیس یا شیت ذخیره کنید تا بعدها برای بهبود مستندات و Prompt استفاده شود.
7. ورک‌فلو را با سوالات واقعی تیم/کاربران تست کنید و Prompt را تا رسیدن به سبک پاسخ موردنظر تنظیم کنید.

چطور این ورک‌فلو را حرفه‌ای‌تر کنیم؟

• کنترل سطح دسترسی: براساس هویت کاربر (مثلاً ایمیل سازمانی یا نقش) مشخص کنید کدام دسته مستندات برای او قابل جست‌وجو باشد.
• پیشنهاد سوالات مرتبط: علاوه بر پاسخ، چند سوال مشابه یا مرتبط پیشنهاد دهید تا کاربر سریع‌تر به جواب‌های بعدی برسد.
• بازخورد کیفیت: از کاربر بپرسید «آیا این پاسخ مفید بود؟» و براساس بازخوردها مستندات و Prompt را بهبود دهید.
• نسخه چندزبانه: اگر مستندات انگلیسی است، اما کاربران فارسی‌زبان هستند، پاسخ را به فارسی تولید کنید.
• گزارش استفاده: سوالات پرتکرار و حوزه‌هایی که بیشترین سوال را دارند شناسایی کنید تا مستندات را در همان بخش‌ها کامل‌تر کنید.

نکات مهم و خطاهای رایج

• اگر متن مستندات ناقص یا قدیمی باشد، چت‌بات هم پاسخ‌های ناقص می‌دهد؛ کیفیت خروجی مستقیماً به کیفیت ورودی وابسته است.
• حتماً در Prompt تاکید کنید که مدل خارج از متن داده شده چیزی اختراع نکند و اگر جواب را نمی‌داند، صادقانه اعلام کند.
• در موضوعات حساس (حقوقی، امنیتی)، بهتر است پاسخ‌ها قبل از نمایش به کاربر توسط یک مسئول مربوطه بازبینی شوند.
• حواستان به حریم خصوصی و تنظیمات دسترسی در ابزارهایی مثل Google Drive و Notion باشد؛ چت‌بات نباید به سندهای محرمانه‌ای که کاربر مجاز نیست دسترسی دارد، پاسخ بدهد.

جمع‌بندی

با ورک‌فلو چت‌بات هوش مصنوعی پرسش و پاسخ روی مستندات با n8n می‌توانید از یک انبار اسناد پراکنده به یک دستیار هوشمند و همیشه در دسترس برسید. کاربر به‌جای جست‌وجوی دستی و خسته‌کننده، سوالش را به زبان طبیعی می‌پرسد و پاسخ دقیق و مستند دریافت می‌کند.

اگر می‌خواهید دسترسی به دانش داخلی سازمان را سریع، امن و ساده کنید، ترکیب n8n، LLM و مستندات موجود یکی از عملی‌ترین و ارزشمندترین سناریوهای اتوماسیون مبتنی بر هوش مصنوعی است که می‌توانید پیاده‌سازی کنید.