工作流概述

这是一个基于 RAG (检索增强生成) 架构的产品描述生成系统,通过 webhook 接收产品信息请求,结合向量数据库检索相关上下文,使用 AI 生成高质量的产品描述,并将结果记录到 Google Sheets。

工作流架构

触发机制

• Webhook Trigger: POST 端点 /product-description-generator,接收外部产品描述生成请求

数据处理流程

1. 文本预处理

• Text Splitter: 将输入文本分块处理
  • 块大小: 400 字符
  • 重叠区域: 40 字符
  • 确保文本连贯性和上下文保留

2. 向量化存储

• Embeddings (Cohere): 使用 Cohere embed-english-v3.0 模型生成文本嵌入向量
• Pinecone Insert: 将向量化后的文本存储到 Pinecone 向量数据库
  • 模式: insert
  • 索引名称: product_description_generator

3. 检索与生成

向量检索

• Pinecone Query: 从向量数据库检索相关产品信息
• Vector Tool: 封装检索能力为 RAG Agent 的工具

AI 生成

• Chat Model (Anthropic): 使用 Claude 作为语言模型
• Window Memory: 维护对话上下文,支持多轮交互
• RAG Agent: 核心代理节点
  • 系统提示: "You are an assistant for Product Description Generator"
  • 整合向量检索结果和对话记忆
  • 生成符合要求的产品描述

输出与监控

成功处理

• Append Sheet: 将处理结果追加到 Google Sheets
  • 文档: Product Description Generator
  • 工作表: Log
  • 记录字段: Status

错误处理

• Slack Alert: 发送错误通知到 #alerts 频道
  • 消息格式: "Product Description Generator error: {错误信息}"

技术栈

AI/ML 组件

• 向量数据库: Pinecone
• 嵌入模型: Cohere embed-english-v3.0
• 语言模型: Anthropic Claude
• 记忆系统: Window Buffer Memory

集成服务

• Webhook: HTTP POST 接口
• Google Sheets: 数据记录
• Slack: 告警通知

数据流向

Webhook 请求 
  ↓
文本分块 
  ↓
向量嵌入 (Cohere)
  ↓
[并行路径]
  ├─→ 向量存储 (Pinecone Insert)
  └─→ 向量检索 (Pinecone Query)
        ↓
      Vector Tool
        ↓
    RAG Agent (整合检索结果 + 对话记忆 + Claude)
        ↓
    [条件分支]
      ├─→ 成功: Google Sheets 日志记录
      └─→ 失败: Slack 告警通知

关键特性

1. RAG 架构: 结合向量检索和生成式 AI,确保描述准确性
2. 上下文保持: Window Memory 支持对话式交互
3. 分块处理: 智能文本分割,处理长文本输入
4. 日志追踪: Google Sheets 记录所有处理状态
5. 错误监控: Slack 实时告警,快速响应问题

使用场景

• 电商产品描述自动生成
• 批量 SKU 描述优化
• 多语言产品文案创作
• 基于历史数据的描述改写

配置要求

API 凭证

• Cohere API (嵌入服务)
• Pinecone API (向量数据库)
• Anthropic API (语言模型)
• Google Sheets OAuth2 (数据记录)
• Slack API (告警通知)

Pinecone 设置

• 索引名称: product_description_generator
• 需预先创建索引并配置维度与 Cohere 模型匹配