دکتر وحید صفاری

اگر تیم شما بیشتر وقتش را در Slack می‌گذراند، داشتن یک دستیار هوش مصنوعی داخل اسلک می‌تواند خیلی از کارهای روزمره را سبک کند؛ از خلاصه کردن پیام‌ها گرفته تا پاسخ به سوال‌های تکراری و حتی کمک در نوشتن متن و ایده‌سازی. با کمک n8n و OpenAI می‌توانید یک Slack Bot بسازید که مثل یک هم‌تیمی باهوش، همیشه در کانال‌ها در دسترس باشد.

در این ورک‌فلو، یک ربات اسلک داریم که پیام‌های شما را می‌گیرد، آن‌ها را برای مدل هوش مصنوعی می‌فرستد و پاسخ آماده را دوباره در همان کانال Slack برمی‌گرداند؛ دقیقاً شبیه یک ChatGPT داخلی مخصوص تیم شما.

این ورک‌فلو دقیقاً چه کاری انجام می‌دهد؟

هدف این سناریو ساخت یک Slack AI Assistant است که:

• پیام‌های شما در Slack (در یک کانال یا در DM) را دریافت می‌کند،
• در صورت لزوم تاریخچه کوتاهی از مکالمه را هم در نظر می‌گیرد،
• سوال یا درخواست شما را برای OpenAI (یا هر LLM مشابه) می‌فرستد،
• و پاسخ را به شکل یک پیام تمیز و خوانا در Slack برمی‌گرداند.

بسته به Prompt و تنظیمات، این دستیار می‌تواند نقش یک چت‌بات عمومی، دستیار مستندات، یا حتی دستیار کدنویسی و دیباگ را بازی کند.

سناریوهای کاربردی دستیار هوش مصنوعی اسلک

• خلاصه‌سازی مکالمات طولانی: وقتی در یک کانال کلی بحث شده و می‌خواهید بدانید «در نهایت به چه نتیجه‌ای رسیدیم؟».
• پاسخ به سوال‌های تکراری: سوالات رایج درباره محصول، فرآیندها، ساعت کاری، لینک مستندات و… را به دستیار بسپارید.
• ایده‌سازی و تولید متن: درخواست متن ایمیل، کپشن شبکه اجتماعی یا توضیح ساده برای یک موضوع فنی.
• کمک در توسعه و DevOps: پرسش درباره خطاها، الگوهای کد، یا راه‌حل‌های معمول در توسعه نرم‌افزار.

جریان کلی این ورک‌فلو در n8n

از نگاه فنی، این سناریو معمولاً چند مرحله اصلی دارد:

• ۱. دریافت پیام از Slack: با استفاده از یک Slack Trigger یا Events API، وقتی کاربر در کانال یا DM بات را منشن می‌کند، پیام به n8n ارسال می‌شود. می‌توانید تنظیم کنید فقط پیام‌هایی که با مثلاً @bot شروع می‌شوند پردازش شوند.
• ۲. استخراج متن و متادیتا: متن پیام، فرستنده، کانال و در صورت نیاز پیام‌هایی که قبل و بعدش آمده‌اند (برای کانتکست) در n8n آماده می‌شود.
• ۳. ساخت Prompt برای OpenAI: بر اساس نقش دستیار، یک Prompt ثابت (System Prompt) تعریف می‌کنید؛ مثلاً: «تو یک دستیار اسلک برای تیم محصول هستی، کوتاه و واضح جواب بده…». پیام کاربر به این Prompt اضافه می‌شود.
• ۴. ارسال به LLM: n8n متن نهایی را به مدل OpenAI (مثل GPT-4o یا مدل سبک‌تر) می‌فرستد و منتظر پاسخ می‌ماند.
• ۵. قالب‌بندی پاسخ: خروجی مدل ممکن است شامل لیست، مثال کد یا توضیحات چندبخشی باشد؛ در صورت نیاز می‌توانید آن را کمی تمیز کنید یا به فرمت موردنظر تیم تبدیل کنید.
• ۶. ارسال پیام به Slack: در نهایت، با نود Slack جواب برای همان کانال یا همان کاربر ارسال می‌شود؛ به‌صورتی که حس شود یک هم‌تیمی پاسخ داده است، نه یک ماشین خشک.

پیش‌نیازهای راه‌اندازی این سناریو

• Workspace در Slack: که اجازه ایجاد App جدید و Bot User در آن را داشته باشید.
• Slack App: با Bot Token، تنظیمات Event Subscriptions و مجوزهای لازم (خواندن پیام‌ها، ارسال پیام).
• n8n در حال اجرا: روی سرور شخصی، VPS، Docker یا n8n Cloud.
• OpenAI API Key: برای استفاده از مدل‌های زبانی در نود AI یا HTTP Request.
• یک URL عمومی برای Webhook/Trigger: تا Slack بتواند رویدادها را به n8n ارسال کند.

مراحل کلی پیاده‌سازی در n8n

1. در Slack یک App بسازید، Bot User را فعال کنید و Scopesهای لازم را اضافه کنید (مثل chat:write، channels:history).
2. رویدادهای لازم (مثلاً message.channels, app_mention) را در Event Subscriptions فعال و URL Webhook n8n را وارد کنید.
3. در n8n یک ورک‌فلو با Slack Trigger بسازید تا پیام‌های جدید به آن برسند.
4. متن پیام را از payload استخراج کنید و اگر لازم است چند پیام قبلی را هم برای کانتکست بگیرید.
5. یک نود OpenAI (یا HTTP Request به OpenAI) اضافه کنید و Prompt مناسب را بسازید؛ شامل نقش دستیار + متن پیام کاربر.
6. پاسخ LLM را دریافت و در صورت نیاز کمی اصلاح کنید (مثلاً حذف فضاهای اضافی یا اضافه کردن نام کاربر).
7. با نود Slack، جواب را در همان کانال یا به صورت Reply Thread به پیام اصلی برگردانید.
8. ورک‌فلو را تست و سپس فعال (Activate) کنید تا همیشه آماده پاسخ‌گویی باشد.

چطور این ورک‌فلو را حرفه‌ای‌تر کنیم؟

• افزودن حافظه مکالمه: می‌توانید تاریخچه مختصر هر گفت‌وگو با یک کاربر یا در یک Thread را در دیتابیس ذخیره کنید تا دستیار بتواند چند پیام پشت سر هم را به صورت یک دیالوگ ببیند.
• محدود کردن حوزه دانش: در Prompt مشخص کنید دستیار فقط درباره حوزه مشخص (مثلاً مستندات داخلی یا محصول شما) صحبت کند و در موارد خارج از حوزه پیشنهاد رفرش یا لینک به منبع بدهد.
• اتصال به سرویس‌های دیگر: می‌توانید ابزارهایی مثل Google Calendar، Jira، GitHub، Notion یا دیتابیس داخلی را هم به ورک‌فلو اضافه کنید تا دستیار بتواند کارهایی مثل ساخت تسک، چک کردن وضعیت و آوردن لینک مستندات را انجام دهد.
• فیلتر محتوای حساس: قبل از ارسال پاسخ به Slack، خروجی مدل را از یک لایه فیلتر (مثلاً چک کلمات حساس یا مدل Moderation) عبور دهید.

نکات مهم و خطاهای رایج

• اگر پیام‌ها به n8n نمی‌رسند، ابتدا آدرس Webhook، تنظیمات Event Subscriptions و Status اپ در Slack را بررسی کنید.
• اگر پاسخ دیر می‌آید، ممکن است Timeout سمت Slack یا n8n رخ دهد؛ بهتر است پاسخ اولیه کوتاه باشد و کارهای سنگین‌تر را در پس‌زمینه انجام دهید.
• برای جلوگیری از هزینه زیاد OpenAI، می‌توانید طول پیام‌ها و تعداد پاسخ‌ها را محدود کنید یا فقط در کانال‌های خاص بات را فعال کنید.
• در محیط‌های جدی، حتماً به کاربران بگویید این یک دستیار هوش مصنوعی است و ممکن است گاهی خطا کند.

جمع‌بندی

با ساخت یک دستیار هوش مصنوعی اسلک با n8n و OpenAI می‌توانید بخش زیادی از سوال‌های تکراری، خلاصه‌سازی‌ها و کارهای روزمره داخل Slack را خودکار کنید. این دستیار همیشه آنلاین است، خسته نمی‌شود و در چند ثانیه جواب آماده می‌کند.

اگر تیم شما زمان زیادی در Slack می‌گذراند، این ورک‌فلو یک قدم مهم به سمت ساخت AI Assistant داخلی برای سازمان است که کاملاً روی ابزارها و جریان کاری خودتان سوار می‌شود.