Workflow-Übersicht

Dies ist ein automatisiertes System zum Versenden privater Nachrichten an neue Twitter-Follower, das RAG-Technologie (Retrieval-Augmented Generation) und eine Vektordatenbank kombiniert. Der Workflow verarbeitet intelligente Follower-Daten, generiert mithilfe von KI personalisierte Direktnachrichten und protokolliert die Ergebnisse in Google Sheets.

Kernfunktionen

Intelligente Automatisierung von Direktnachrichten

• Bei neuen Twitter-Followern wird der Workflow über einen Webhook ausgelöst
• KI-gestützte Generierung personalisierter Nachrichteninhalte
• Automatischer Versand einer Willkommensnachricht an neue Follower

Integration der RAG-Technologie

• Nutzung der Pinecone-Vektordatenbank zur Speicherung und Abfrage kontextbezogener Informationen
• Umwandlung von Text in Vektoren mithilfe des Cohere-Embedding-Modells
• Unterstützung semantischer Suche für präzisere Kontexterkennung

Workflow-Architektur

1. Trigger-Ebene

Webhook-Trigger

• Empfängt POST-Anfragen am Endpunkt: auto-dm-new-twitter-followers
• Dient als Einstiegspunkt des gesamten Workflows
• Empfängt Daten zu neuen Followern

2. Datenaufbereitungsebene

Text Splitter (Textteiler)

• Teilt Eingabetext in kleinere Abschnitte
• Blockgröße: 400 Zeichen
• Überlappung: 40 Zeichen
• Stellt sicher, dass der Kontext bei der Aufteilung erhalten bleibt

Embeddings (Einbettungsmodell)

• Verwendet Cohere-Modell embed-english-v3.0
• Wandelt Text in numerische Vektoren um
• Ermöglicht Berechnung semantischer Ähnlichkeit

3. Vektorspeicherebene

Pinecone Insert (Vektor-Einfügung)

• Speichert eingebettete Vektoren in der Pinecone-Datenbank
• Indexname: auto-dm_new_twitter_followers
• Modus: Einfügemodus (insert)

Pinecone Query (Vektorabfrage)

• Ruft relevante Kontextinformationen aus Pinecone ab
• Nutzt denselben Index für Abfragen
• Liefert Hintergrundinformationen für die KI-Generierung

4. KI-Verarbeitungsebene

Chat Model (Chat-Modell)

• Nutzt OpenAI-Sprachmodell
• Generiert intelligente Antwortinhalte

Vector Tool (Vektor-Tool)

• Name: Pinecone
• Beschreibung: Vector context
• Stellt Abfrageergebnisse dem KI-Agenten zur Verfügung

Window Memory (Fenster-Speicher)

• Verwaltet Gesprächsverlauf
• Sichert Kontextkontinuität
• Unterstützt mehrere Gesprächsrunden

RAG Agent (RAG-Agent)

• System-Prompt: „You are an assistant for Auto-DM New Twitter Followers“
• Verarbeitungstyp: Definierte Textverarbeitung
• Integriert Vektor-Tool und Speicher zur Erzeugung der finalen Antwort

5. Ausgabeebene

Append Sheet (Anhängen an Tabelle)

• Protokolliert Verarbeitungsergebnisse in Google Sheets
• Dokument-ID: SHEET_ID
• Tabellenblattname: Log
• Aktion: Neue Zeile anhängen
• Protokollierte Felder: Status

Slack Alert (Slack-Benachrichtigung)

• Fehlerbehandlungsmechanismus
• Sende-Kanal: #alerts
• Nachrichtenformat: Auto-DM New Twitter Followers error: {Fehlermeldung}

Datenfluss

Webhook-Empfang → Textaufteilung → Vektor-Embedding → 
               ↓
            Pinecone-Speicherung
               ↓
Webhook-Empfang → Fenster-Speicher → RAG-Agent ← Vektorabfrage ← Pinecone
               ↓                    ↓
            Chat-Modell        Vektor-Tool
               ↓
            Erfolg → Google-Sheets-Protokoll
               ↓
            Fehler → Slack-Benachrichtigung

Technische Merkmale

Hoher Automatisierungsgrad

• Nutzung großer Sprachmodelle zur Generierung personalisierter Inhalte
• RAG-Technologie gewährleistet präzise und relevante Antworten
• Automatische Anpassung an Benutzerpräferenzen

Hohe Skalierbarkeit

• Vektordatenbank unterstützt massenhafte Datenspeicherung
• Modularer Aufbau ermöglicht einfache Erweiterbarkeit
• Unterstützung benutzerdefinierter Prompts und Parameter

Zuverlässigkeit

• Umfassender Fehlerbehandlungsmechanismus
• Echtzeit-Benachrichtigungen über Slack
• Protokollierung in Google Sheets

Anwendungsfälle

1. Social-Media-Marketing: Automatische Begrüßung neuer Follower zur Steigerung der Nutzerbindung
2. Kundenbeziehungsmanagement: Herstellung erster Kontakte und Sammlung von Nutzerfeedback
3. Markenwerbung: Vermittlung von Markenbotschaften und Lenkung des Nutzerverhaltens
4. Community-Management: Massenverarbeitung neuer Mitglieder mit personalisierten Begrüßungen

Konfigurationsanforderungen

API-Zugangsdaten

• Cohere API (Embedding-Dienst)
• Pinecone API (Vektordatenbank)
• OpenAI API (Sprachmodell)
• Google Sheets OAuth2 (Datenprotokollierung)
• Slack API (Fehlerbenachrichtigungen)

Gesamtanzahl der Nodes: 12 Nodes

• 1 Trigger-Node
• 4 Datenverarbeitungs-Nodes
• 3 KI/ML-Nodes
• 2 Vektorspeicher-Nodes
• 2 Ausgabe-Nodes