Aperçu du workflow

Il s'agit d’un système automatisé d’envoi de messages privés aux nouveaux abonnés Twitter, combinant la technologie RAG (Retrieval-Augmented Generation) et une base de données vectorielle. Ce workflow permet de traiter intelligemment les données des nouveaux abonnés, de générer via l’IA des messages privés personnalisés et d’enregistrer les résultats des opérations dans Google Sheets.

Fonctionnalités principales

Automatisation intelligente des messages privés

• Lorsqu’un nouvel abonné Twitter apparaît, le workflow est déclenché via un Webhook.
• Utilise l’IA pour générer du contenu personnalisé de message privé.
• Envoie automatiquement un message de bienvenue aux nouveaux abonnés.

Intégration de la technologie RAG

• Utilise la base de données vectorielle Pinecone pour stocker et récupérer des informations contextuelles.
• Convertit le texte en représentations vectorielles grâce au modèle d’embedding Cohere.
• Prend en charge la recherche sémantique pour une compréhension contextuelle plus précise.

Architecture du workflow

1. Couche de déclenchement

Webhook Trigger (Déclencheur Webhook)

• Reçoit des requêtes POST sur le point de terminaison : auto-dm-new-twitter-followers
• Sert de point d’entrée du workflow complet
• Reçoit les données relatives aux nouveaux abonnés

2. Couche de traitement des données

Text Splitter (Séparateur de texte)

• Divise le texte d’entrée en blocs plus petits
• Taille des blocs : 400 caractères
• Chevauchement : 40 caractères
• Préserve la cohérence contextuelle lors de la segmentation

Embeddings (Modèle d’embedding)

• Utilise le modèle Cohere embed-english-v3.0
• Convertit le texte en représentations vectorielles numériques
• Permet le calcul de similarité sémantique

3. Couche de stockage vectoriel

Pinecone Insert (Insertion dans Pinecone)

• Stocke les vecteurs générés dans la base de données Pinecone
• Nom de l’index : auto-dm_new_twitter_followers
• Mode : insertion

Pinecone Query (Requête Pinecone)

• Récupère le contexte pertinent depuis la base Pinecone
• Interroge le même index
• Fournit des informations contextuelles à l’IA pour la génération

4. Couche de traitement IA

Chat Model (Modèle conversationnel)

• Utilise un modèle linguistique OpenAI
• Génère les réponses intelligentes

Vector Tool (Outil vectoriel)

• Nom : Pinecone
• Description : Vector context
• Transmet les résultats des requêtes vectorielles à l’agent IA

Window Memory (Mémoire fenêtrée)

• Conserve l’historique des dialogues
• Garantit la cohérence contextuelle
• Prend en charge les dialogues multi-tours

RAG Agent (Agent RAG)

• Invite système : « You are an assistant for Auto-DM New Twitter Followers »
• Type de traitement : traitement textuel défini
• Intègre l’outil vectoriel et la mémoire pour générer la réponse finale

5. Couche de sortie

Append Sheet (Ajout à la feuille de calcul)

• Enregistre les résultats dans Google Sheets
• ID du document : SHEET_ID
• Nom de la feuille : Log
• Action : ajouter une nouvelle ligne
• Champ enregistré : Status

Slack Alert (Alerte Slack)

• Mécanisme de gestion des erreurs
• Canal d’envoi : #alerts
• Format du message : Auto-DM New Twitter Followers error: {message d’erreur}

Flux de données

Réception Webhook → Séparation du texte → Embedding vectoriel → 
               ↓
            Stockage Pinecone
               ↓
Réception Webhook → Mémoire fenêtrée → Agent RAG ← Requête vectorielle ← Pinecone
               ↓           ↓
            Modèle conversationnel   Outil vectoriel
               ↓
            Succès → Journalisation Google Sheets
               ↓
            Échec → Alerte Slack

Caractéristiques techniques

Haut niveau d’intelligence

• Utilisation de grands modèles linguistiques pour générer du contenu personnalisé
• La technologie RAG garantit des réponses précises et pertinentes
• Apprentissage automatique et adaptation aux préférences des utilisateurs

Grande extensibilité

• Base de données vectorielle adaptée au stockage à grande échelle
• Conception modulaire facilitant l’extension fonctionnelle
• Prise en charge de prompts et paramètres personnalisables

Fiabilité assurée

• Mécanisme complet de gestion des erreurs
• Alertes en temps réel via Slack
• Journalisation des opérations dans Google Sheets

Cas d’usage

1. Marketing sur les réseaux sociaux : Accueillir automatiquement les nouveaux abonnés et renforcer leur engagement
2. Gestion de la relation client : Établir un premier contact et recueillir les retours utilisateurs
3. Promotion de marque : Diffuser des messages de marque et orienter les comportements utilisateurs
4. Animation communautaire : Traiter en masse les nouveaux membres avec des messages de bienvenue personnalisés

Exigences de configuration

Identifiants API requis

• API Cohere (service d’embedding)
• API Pinecone (base de données vectorielle)
• API OpenAI (modèle linguistique)
• OAuth2 Google Sheets (enregistrement des données)
• API Slack (notifications d’erreur)

Nombre total de nœuds : 12 nœuds

• 1 nœud déclencheur
• 4 nœuds de traitement de données
• 3 nœuds IA/ML
• 2 nœuds de stockage vectoriel
• 2 nœuds de sortie