نظرة عامة على سير العمل

هذا نظام لإنشاء وصف المنتجات مبني على بنية RAG (الاسترجاع المعزَّز بالتوليد)، يستقبل طلبات معلومات المنتجات عبر webhook، ويجمع بين استرجاع السياق ذي الصلة من قاعدة بيانات المتجهات، ويستخدم الذكاء الاصطناعي لتوليد أوصاف عالية الجودة للمنتجات، ثم يسجّل النتائج في Google Sheets.

بنية سير العمل

آلية التشغيل

• مشغّل Webhook: نقطة نهاية POST /product-description-generator، تستقبل طلبات خارجية لإنشاء وصف المنتجات.

سير معالجة البيانات

1. معالجة النص المبدئية

• مجزّئ النص (Text Splitter): تقسيم النص المدخل إلى كتل.
  • حجم الكتلة: 400 حرف.
  • منطقة التداخل: 40 حرفًا.
  • يضمن الحفاظ على تماسك النص والسياق.

2. التخزين المتجهي

• التضمينات (Cohere): استخدام نموذج Cohere embed-english-v3.0 لتوليد متجهات تضمين النص.
• إدخال Pinecone: تخزين النص بعد تحويله إلى متجهات في قاعدة بيانات المتجهات Pinecone.
  • الوضع: insert.
  • اسم الفهرس: product_description_generator.

3. الاسترجاع والتوليد

الاسترجاع المتجهي

• استعلام Pinecone: استرجاع معلومات المنتج ذات الصلة من قاعدة بيانات المتجهات.
• أداة المتجهات (Vector Tool): تغليف قدرة الاسترجاع كأداة لوكيل RAG.

التوليد بالذكاء الاصطناعي

• نموذج الدردشة (Anthropic): استخدام Claude كنموذج لغوي.
• ذاكرة النافذة (Window Memory): الحفاظ على سياق المحادثة لدعم التفاعل متعدد الدورات.
• وكيل RAG: العقدة الأساسية للوكيل.
  • تلميح النظام: "You are an assistant for Product Description Generator".
  • دمج نتائج الاسترجاع المتجهي وذاكرة المحادثة.
  • توليد وصف منتج يتوافق مع المتطلبات.

الإخراج والمراقبة

المعالجة الناجحة

• إلحاق الورقة (Append Sheet): إلحاق نتيجة المعالجة بـ Google Sheets.
  • المستند: Product Description Generator.
  • ورقة العمل: Log.
  • الحقول المسجّلة: الحالة (Status).

معالجة الأخطاء

• تنبيه Slack: إرسال إشعار خطأ إلى قناة #alerts.
  • تنسيق الرسالة: "Product Description Generator error: {رسالة الخطأ}".

المكدس التقني

مكونات الذكاء الاصطناعي/التعلم الآلي

• قاعدة بيانات المتجهات: Pinecone.
• نموذج التضمين: Cohere embed-english-v3.0.
• النموذج اللغوي: Anthropic Claude.
• نظام الذاكرة: Window Buffer Memory.

خدمات التكامل

• Webhook: واجهة HTTP POST.
• Google Sheets: تسجيل البيانات.
• Slack: إشعارات التنبيه.

تدفق البيانات

طلب Webhook 
  ↓
تقسيم النص 
  ↓
تضمين المتجهات (Cohere)
  ↓
[مساران متوازيان]
  ├─→ تخزين المتجهات (Pinecone Insert)
  └─→ استرجاع المتجهات (Pinecone Query)
        ↓
      أداة المتجهات (Vector Tool)
        ↓
    وكيل RAG (دمج نتائج الاسترجاع + ذاكرة المحادثة + Claude)
        ↓
    [فرع شرطي]
      ├─→ نجاح: تسجيل السجل في Google Sheets
      └─→ فشل: إشعار تنبيه عبر Slack

الميزات الرئيسية

1. بنية RAG: الجمع بين الاسترجاع المتجهي والذكاء الاصطناعي التوليدي لضمان دقة الوصف.
2. الحفاظ على السياق: ذاكرة النافذة (Window Memory) تدعم التفاعل الحواري.
3. المعالجة المجزّأة: تقسيم ذكي للنصوص لمعالجة المدخلات الطويلة.
4. تتبع السجلات: تسجيل جميع حالات المعالجة في Google Sheets.
5. مراقبة الأخطاء: تنبيهات فورية عبر Slack للاستجابة السريعة للمشكلات.

حالات الاستخدام

• توليد تلقائي لأوصاف منتجات التجارة الإلكترونية.
• تحسين أوصاف SKU بشكل جماعي.
• إنشاء محتوى منتجات بلغات متعددة.
• إعادة صياغة الأوصاف استنادًا إلى البيانات التاريخية.

متطلبات التهيئة

بيانات اعتماد API

• Cohere API (خدمة التضمين).
• Pinecone API (قاعدة بيانات المتجهات).
• Anthropic API (النموذج اللغوي).
• Google Sheets OAuth2 (تسجيل البيانات).
• Slack API (إشعارات التنبيه).

إعدادات Pinecone

• اسم الفهرس: product_description_generator.
• يجب إنشاء الفهرس مسبقًا وضبط أبعاده لتتوافق مع نموذج Cohere.