工作流程概述

這是一個基於 RAG（檢索增強生成）架構的產品描述生成系統，透過 webhook 接收產品資訊請求，結合向量資料庫檢索相關上下文，利用 AI 生成高品質的產品描述，並將結果記錄至 Google Sheets。

工作流程架構

觸發機制

• Webhook 觸發器：POST 端點 /product-description-generator，接收外部產品描述生成請求

資料處理流程

1. 文字預處理

• 文字分割器（Text Splitter）：將輸入文字分塊處理
  • 區塊大小：400 字元
  • 重疊區域：40 字元
  • 確保文字連貫性與上下文保留

2. 向量化儲存

• 嵌入向量（Embeddings，Cohere）：使用 Cohere embed-english-v3.0 模型生成文字嵌入向量
• Pinecone 插入（Pinecone Insert）：將向量化後的文字儲存至 Pinecone 向量資料庫
  • 模式：insert
  • 索引名稱：product_description_generator

3. 檢索與生成

向量檢索

• Pinecone 查詢（Pinecone Query）：從向量資料庫檢索相關產品資訊
• 向量工具（Vector Tool）：將檢索能力封裝為 RAG Agent 的工具

AI 生成

• 聊天模型（Chat Model，Anthropic）：使用 Claude 作為語言模型
• 視窗記憶體（Window Memory）：維護對話上下文，支援多輪互動
• RAG Agent：核心代理節點
  • 系統提示：「You are an assistant for Product Description Generator」
  • 整合向量檢索結果與對話記憶
  • 生成符合需求的產品描述

輸出與監控

成功處理

• 附加至試算表（Append Sheet）：將處理結果追加至 Google Sheets
  • 文件：Product Description Generator
  • 工作表：Log
  • 記錄欄位：Status

錯誤處理

• Slack 警報（Slack Alert）：傳送錯誤通知至 #alerts 頻道
  • 訊息格式：「Product Description Generator error: {錯誤訊息}」

技術堆疊

AI/ML 元件

• 向量資料庫：Pinecone
• 嵌入模型：Cohere embed-english-v3.0
• 語言模型：Anthropic Claude
• 記憶系統：Window Buffer Memory

整合服務

• Webhook：HTTP POST 介面
• Google Sheets：資料記錄
• Slack：告警通知

資料流向

Webhook 請求 
  ↓
文字分塊 
  ↓
向量嵌入 (Cohere)
  ↓
[平行路徑]
  ├─→ 向量儲存 (Pinecone Insert)
  └─→ 向量檢索 (Pinecone Query)
        ↓
      Vector Tool
        ↓
    RAG Agent (整合檢索結果 + 對話記憶 + Claude)
        ↓
    [條件分支]
      ├─→ 成功: Google Sheets 日誌記錄
      └─→ 失敗: Slack 告警通知

關鍵特性

1. RAG 架構：結合向量檢索與生成式 AI，確保描述準確性
2. 上下文保持：Window Memory 支援對話式互動
3. 分塊處理：智慧文字分割，處理長文字輸入
4. 日誌追蹤：Google Sheets 記錄所有處理狀態
5. 錯誤監控：Slack 即時告警，快速回應問題

使用情境

• 電商產品描述自動生成
• 批量 SKU 描述優化
• 多語系產品文案創作
• 基於歷史資料的描述改寫

配置需求

API 憑證

• Cohere API（嵌入服務）
• Pinecone API（向量資料庫）
• Anthropic API（語言模型）
• Google Sheets OAuth2（資料記錄）
• Slack API（告警通知）

Pinecone 設定

• 索引名稱：product_description_generator
• 需預先建立索引並設定維度以匹配 Cohere 模型