نظرة عامة على سير العمل

هذا نظام ذكي لتصنيف درجة طوارئ تذاكر الدعم الفني، مبني على بنية RAG (الإنشاء المعزَّز بالاسترجاع). يستقبل سير العمل بيانات التذاكر عبر Webhook، ويستخدم قاعدة بيانات Pinecone المتجهة لتخزين واسترجاع معلومات التذاكر السابقة، ويدمج نموذج اللغة الكبير Anthropic Claude لإجراء تحليل ذكي وتصنيف، ثم يُسجِّل النتائج النهائية في Google Sheets، ويرسل تنبيهات عبر Slack في حال حدوث أخطاء.

الميزات الأساسية

يُنفِّذ سير العمل عملية معالجة تذاكر آلية من البداية إلى النهاية:

1. استلام البيانات ومعالجتها مسبقًا: استقبال بيانات التذاكر عبر Webhook باستخدام طلب POST
2. تحويل النصوص إلى تمثيلات متجهة: تقسيم محتوى التذكرة وتحويله إلى تمثيلات متجهة
3. إدارة قاعدة المعرفة: تخزين واسترجاع معلومات التذاكر ذات الصلة في قاعدة بيانات Pinecone المتجهة
4. التحليل الذكي: استخدام وكيل ذكاء اصطناعي (AI Agent) مع البيانات التاريخية لتحديد درجة الطوارئ
5. تسجيل النتائج: كتابة نتيجة التصنيف تلقائيًا في Google Sheets
6. المراقبة عند الأعطال: إرسال تنبيه فوري عبر Slack عند حدوث خطأ

تحليل مفصّل للعقد

1. Webhook Trigger (عقدة الإدخال)

نوع العقدة: n8n-nodes-base.webhook
معلمات التهيئة:

• طريقة HTTP: POST
• المسار: ticket-urgency-classification
• الموقع: (-300, 0)

وصف الوظيفة: تعمل كمدخل لتشغيل سير العمل، وتستمع لبيانات التذاكر المرسلة من الأنظمة الخارجية. عند إنشاء تذكرة جديدة، تُمرَّر معلوماتها إلى هذه العقدة عبر طلب POST.

الاتصالات الخارجة:

• المخرج الرئيسي يتصل بـ Text Splitter (معالجة تقسيم النص)
• يتصل أيضًا بـ Window Memory (ذاكرة الجلسة)

2. Text Splitter (مقسّم النصوص)

نوع العقدة: @n8n/n8n-nodes-langchain.textSplitterCharacterTextSplitter
معلمات التهيئة:

• حجم القطعة: 400 حرف
• طول التداخل: 40 حرف
• الموقع: (-130, 0)

وصف الوظيفة: يقسم محتوى التذكرة النصي إلى قطع نصية ثابتة الحجم لتسهيل المعالجة المتجهة لاحقًا. يضمن التداخل البالغ 40 حرفًا استمرارية السياق ويمنع فقدان المعلومات المهمة عند حدود التقسيم.

الاتصالات الخارجة:

• المخرج الرئيسي يتصل بـ Embeddings
• مخرج مقسّم النصوص يتصل بـ Pinecone Insert

3. Embeddings (التضمينات المتجهة)

نوع العقدة: @n8n/n8n-nodes-langchain.embeddingsCohere
معلمات التهيئة:

• النموذج: embed-english-v3.0
• الموقع: (70, 0)
• بيانات الاعتماد: Cohere API

وصف الوظيفة: يحوّل قطع النصوص إلى تمثيلات متجهة باستخدام نموذج التضمين من Cohere. تم تحسين هذا النموذج خصيصًا للنصوص الإنجليزية، ويمكنه التقاط المعاني الدلالية للنصوص.

الاتصالات الخارجة:

• مخرج التضمينات يتصل بكل من:
  • Pinecone Insert (لتخزين المتجهات)
  • Pinecone Query (لاستعلام المتجهات)

4. Pinecone Insert (تخزين المتجهات - إدراج)

نوع العقدة: @n8n/n8n-nodes-langchain.vectorStorePinecone
معلمات التهيئة:

• الوضع: insert (إدراج)
• اسم الفهرس: ticket_urgency_classification
• الموقع: (270, 0)
• بيانات الاعتماد: Pinecone API

وصف الوظيفة: يخزن التمثيلات المتجهة للتذاكر في قاعدة بيانات Pinecone المتجهة، ليشكّل قاعدة معرفة للتذاكر السابقة. تُضاف كل تذكرة جديدة إلى الفهرس لاستخدامها لاحقًا في استرجاع التذاكر المشابهة.

5. Pinecone Query (استرجاع المتجهات - استعلام)

نوع العقدة: @n8n/n8n-nodes-langchain.vectorStorePinecone
معلمات التهيئة:

• اسم الفهرس: ticket_urgency_classification
• الموقع: (270, -180)
• بيانات الاعتماد: Pinecone API

وصف الوظيفة: يسترجع من قاعدة بيانات Pinecone المتجهة التذاكر السابقة الأكثر تشابهًا مع التذكرة الحالية. من خلال حساب تشابه المتجهات، يجد الحالات ذات الصلة دلاليًا كمرجع للتصنيف.

الاتصالات الخارجة: مخرج تخزين المتجهات يتصل بـ Vector Tool

6. Vector Tool (أداة المتجهات)

نوع العقدة: @n8n/n8n-nodes-langchain.toolVectorStore
معلمات التهيئة:

• اسم الأداة: Pinecone
• الوصف: Vector context
• الموقع: (450, -180)

وصف الوظيفة: يغلف قدرة استرجاع المتجهات في أداة يمكن لوكلاء الذكاء الاصطناعي استدعاؤها. يستطيع الوكيل استخدام هذه الأداة للاستعلام عن معلومات التذاكر السابقة ذات الصلة.

الاتصالات الخارجة: مخرج الأداة يتصل بـ RAG Agent

7. Window Memory (ذاكرة النافذة المنزلقة)

نوع العقدة: @n8n/n8n-nodes-langchain.memoryBufferWindow
الإصدار: 1.3
الموقع: (450, -40)

وصف الوظيفة: يوفّر لقدرة الوكيل على الاحتفاظ بالذاكرة القصيرة الأمد، ويخزن سياق المحادثة الأخير. هذا يمكّن الوكيل من فهم العلاقات السياقية في المحادثات متعددة الجولات.

الاتصالات الخارجة: مخرج الذاكرة يتصل بـ RAG Agent

8. Chat Model (نموذج الدردشة)

نوع العقدة: @n8n/n8n-nodes-langchain.lmChatAnthropic
الموقع: (450, -340)
بيانات الاعتماد: Anthropic API

وصف الوظيفة: يستخدم نموذج اللغة الكبير Anthropic Claude كمحرك استنتاج للوكيل. يُكلف Claude بفهم محتوى التذكرة، وتحليل الحالات السابقة ذات الصلة، واتخاذ قرار بشأن درجة الطوارئ.

الاتصالات الخارجة: مخرج نموذج اللغة يتصل بـ RAG Agent

9. RAG Agent (وكيل الإنشاء المعزَّز بالاسترجاع)

نوع العقدة: @n8n/n8n-nodes-langchain.agent
معلمات التهيئة:

• نوع المطالبة: define
• النص: "Handle data"
• رسالة النظام: "You are an assistant for Ticket Urgency Classification"
• الموقع: (720, -40)

وصف الوظيفة: عقدة اتخاذ القرار الأساسية في سير العمل. يدمج هذا الوكيل نموذج اللغة، وأداة استرجاع المتجهات، ونظام الذاكرة، ليتمكن من:

• تحليل محتوى التذكرة الحالي وخصائصها
• استدعاء أداة المتجهات لاسترجاع الحالات المشابهة
• اتخاذ قرار ذكي بالاعتماد على الذاكرة السياقية
• إخراج نتيجة تصنيف درجة طوارئ التذكرة

الاتصالات الخارجة:

• المخرج الرئيسي يتصل بـ Append Sheet
• مخرج الأخطاء يتصل بـ Slack Alert

10. Append Sheet (تسجيل البيانات)

نوع العقدة: n8n-nodes-base.googleSheets
معلمات التهيئة:

• العملية: append (إلحاق)
• معرّف المستند: SHEET_ID
• اسم ورقة العمل: Log
• تعيين الأعمدة: Status
• الموقع: (930, -40)
• بيانات الاعتماد: Google Sheets OAuth2 API

وصف الوظيفة: يُلحِق تلقائيًا نتيجة تصنيف الوكيل في جدول سجلات Google Sheets. يوفّر ذلك سجلاً قابلاً للمراجعة لأغراض التدقيق والتحليل اللاحق وتحسين النموذج.

11. Slack Alert (تنبيه الخطأ)

نوع العقدة: n8n-nodes-base.slack
معلمات التهيئة:

• القناة: #alerts
• قالب الرسالة: "Ticket Urgency Classification error: {$json.error.message}"
• الموقع: (930, 120)
• بيانات الاعتماد: Slack API

وصف الوظيفة: عقدة معالجة الأخطاء في سير العمل. عند حدوث استثناء أثناء تنفيذ RAG Agent، تُرسل تفاصيل الخطأ تلقائيًا إلى قناة Slack #alerts، مما يضمن استجابة الفريق الفورية وإصلاح المشكلة.

12. Sticky Note (ملاحظة توضيحية)

نوع العقدة: n8n-nodes-base.stickyNote
معلمات التهيئة:

• المحتوى: "Placeholder for Ticket Urgency Classification"
• الارتفاع: 530 بكسل
• العرض: 1100 بكسل
• اللون: 5
• الموقع: (-480, -240)

وصف الوظيفة: ملاحظة توضيحية مرئية تقدّم وثائق شرح لسير العمل.

تحليل تدفق البيانات

التدفق الرئيسي

1. استلام التذكرة ← Webhook Trigger يستقبل بيانات التذكرة من الخارج
2. معالجة النص ← Text Splitter يقسّم النص ← Embeddings يحوّله إلى تمثيل متجه
3. تخزين المعرفة ← Pinecone Insert يحفظ المتجهات في قاعدة البيانات
4. استرجاع المشابهات ← Pinecone Query يسترجع الحالات السابقة ذات الصلة
5. التحليل الذكي ← RAG Agent يحلّل ويصنّف بشكل شامل
6. تسجيل النتيجة ← Append Sheet يكتب النتيجة في Google Sheets

التدفقات المساعدة

• الذاكرة السياقية: Webhook ← Window Memory ← RAG Agent
• استدعاء الأدوات: Pinecone Query ← Vector Tool ← RAG Agent
• دعم النموذج: Chat Model ← RAG Agent
• معالجة الاستثناءات: RAG Agent (onError) ← Slack Alert

المكدس التقني

• محرك سير العمل: n8n
• قاعدة البيانات المتجهة: Pinecone
• نموذج التضمين: Cohere embed-english-v3.0
• نموذج اللغة: Anthropic Claude
• تخزين البيانات: Google Sheets
• نظام التنبيهات: Slack
• نمط البنية: RAG (الإنشاء المعزَّز بالاسترجاع)

المزايا الرئيسية

1. الذكاء: استخدام الذكاء الاصطناعي لتحديد درجة طوارئ التذاكر تلقائيًا، مما يقلل التدخل اليدوي
2. الإدراك السياقي: تحسين دقة التصنيف عبر استرجاع التذاكر المشابهة تاريخيًا
3. القابلية للتوسع: مع معالجة المزيد من التذاكر، تتراكم قاعدة المعرفة تلقائيًا، مما يحسّن أداء النموذج باستمرار
4. إمكانية التتبع: تسجيل جميع نتائج التصنيف في Google Sheets لتسهيل التدقيق والتحليل
5. الموثوقية العالية: التنبيه التلقائي عند حدوث الأخطاء لضمان استقرار تشغيل النظام

حالات الاستخدام

• توجيه تذاكر الدعم تلقائيًا
• تحديد أولوية تذاكر الأعطال في عمليات تكنولوجيا المعلومات
• تقييم درجة طوارئ ملاحظات العملاء
• توجيه طلبات الدعم بشكل ذكي
• أي سيناريو يتطلب تصنيف نصوص آلي