Resumen del flujo de trabajo

Este es un sistema automatizado para enviar mensajes directos a nuevos seguidores de Twitter, que combina la tecnología RAG (Recuperación Aumentada por Generación) con una base de datos vectorial. El flujo de trabajo puede procesar inteligentemente los datos de nuevos seguidores, generar contenido personalizado para mensajes directos mediante inteligencia artificial y registrar los resultados de las operaciones en Google Sheets.

Funcionalidades principales

Automatización inteligente de mensajes directos

• Cuando hay nuevos seguidores en Twitter, el sistema activa el flujo de trabajo mediante un webhook.
• Utiliza tecnología de IA para generar contenido personalizado de mensajes directos.
• Envía automáticamente mensajes de bienvenida a los nuevos seguidores.

Integración de la tecnología RAG

• Usa la base de datos vectorial Pinecone para almacenar y recuperar información contextual.
• Convierte texto en representaciones vectoriales mediante el modelo de embeddings de Cohere.
• Admite búsqueda semántica para ofrecer una comprensión contextual más precisa.

Arquitectura del flujo de trabajo

1. Capa de activación

Webhook Trigger (Activador Webhook)

• Recibe solicitudes POST en el endpoint: auto-dm-new-twitter-followers
• Actúa como punto de entrada del flujo de trabajo completo
• Recibe los datos relacionados con los nuevos seguidores

2. Capa de procesamiento de datos

Text Splitter (Divisor de texto)

• Divide el texto de entrada en fragmentos más pequeños
• Tamaño de fragmento: 400 caracteres
• Solapamiento: 40 caracteres
• Asegura coherencia contextual al dividir el texto

Embeddings (Modelo de incrustaciones)

• Utiliza el modelo embed-english-v3.0 de Cohere
• Convierte texto en representaciones vectoriales numéricas
• Permite cálculos de similitud semántica

3. Capa de almacenamiento vectorial

Pinecone Insert (Inserción en Pinecone)

• Almacena los vectores generados en la base de datos Pinecone
• Nombre del índice: auto-dm_new_twitter_followers
• Modo: modo de inserción (insert)

Pinecone Query (Consulta en Pinecone)

• Recupera contexto relevante desde la base de datos Pinecone
• Consulta utilizando el mismo índice
• Proporciona información contextual para la generación de IA

4. Capa de procesamiento con IA

Chat Model (Modelo de chat)

• Usa el modelo de lenguaje de OpenAI
• Se encarga de generar respuestas inteligentes

Vector Tool (Herramienta vectorial)

• Nombre: Pinecone
• Descripción: Vector context
• Proporciona los resultados de la consulta vectorial al agente de IA

Window Memory (Memoria de ventana)

• Mantiene el historial de la conversación
• Garantiza coherencia contextual
• Soporta diálogos multivuelta

RAG Agent (Agente RAG)

• Indicación del sistema: You are an assistant for Auto-DM New Twitter Followers
• Tipo de procesamiento: definición de procesamiento de texto
• Integra la herramienta vectorial y la memoria para generar la respuesta final

5. Capa de salida

Append Sheet (Añadir a hoja de cálculo)

• Registra los resultados del procesamiento en Google Sheets
• ID del documento: SHEET_ID
• Nombre de la hoja: Log
• Operación: añadir nueva fila
• Campos registrados: Status

Slack Alert (Alerta de Slack)

• Mecanismo de manejo de errores
• Canal de envío: #alerts
• Formato del mensaje: Auto-DM New Twitter Followers error: {mensaje de error}

Flujo de datos

Recepción Webhook → División de texto → Incrustación vectorial → 
               ↓
            Almacenamiento en Pinecone
               ↓
Recepción Webhook → Memoria de ventana → Agente RAG ← Consulta vectorial ← Pinecone
               ↓           ↓
            Modelo de chat   Herramienta vectorial
               ↓
            Éxito → Registro en Google Sheets
               ↓
            Fallo → Alerta en Slack

Características técnicas

Alto nivel de inteligencia

• Utiliza modelos de lenguaje avanzados para generar contenido personalizado
• La tecnología RAG asegura respuestas precisas y relevantes
• Aprende y se adapta automáticamente a las preferencias del usuario

Gran capacidad de escalabilidad

• La base de datos vectorial admite almacenamiento masivo de datos
• Diseño modular que facilita la ampliación de funcionalidades
• Permite personalizar indicaciones y parámetros

Garantía de fiabilidad

• Mecanismo integral de manejo de errores
• Alertas en tiempo real mediante Slack
• Registro de registros en Google Sheets

Casos de uso

1. Marketing en redes sociales: dar la bienvenida automáticamente a nuevos seguidores y aumentar la participación del usuario
2. Gestión de relaciones con clientes: establecer contacto inicial y recopilar retroalimentación
3. Promoción de marca: transmitir mensajes de marca y guiar el comportamiento del usuario
4. Gestión de comunidades: gestionar en masa a nuevos miembros y ofrecerles una bienvenida personalizada

Requisitos de configuración

Credenciales API

• API de Cohere (servicio de incrustaciones)
• API de Pinecone (base de datos vectorial)
• API de OpenAI (modelo de lenguaje)
• OAuth2 de Google Sheets (registro de datos)
• API de Slack (notificaciones de error)

Número total de nodos: 12 nodos

• 1 nodo de activación
• 4 nodos de procesamiento de datos
• 3 nodos de IA/ML
• 2 nodos de almacenamiento vectorial
• 2 nodos de salida