🎯 Mục đích

Mục tiêu chính của workflow này là thu thập và xử lý tài liệu từ các nguồn khác nhau, sau đó sử dụng mô hình AI để tạo ra các phản hồi thông minh dựa trên nội dung được trích xuất, giúp cải thiện khả năng tìm kiếm và truy xuất thông tin cho người dùng.

⚙️ Cách hoạt động

1. Khởi động: Người dùng nhấn ‘Test workflow’ để kích hoạt workflow.
2. Tạo embeddings: Sử dụng embeddingsMistralCloud để tạo ra embeddings cho các tài liệu cần xử lý.
3. Tải dữ liệu mặc định: DocumentDefaultDataLoader lấy tài liệu cần thiết.
4. Phân chia nội dung: TextSplitterRecursiveCharacterTextSplitter chia nhỏ văn bản thành các đoạn nhỏ hơn.
5. Đọc file zip: HttpRequest để tải xuống file zip chứa tài liệu.
6. Giải nén file: Compression để giải nén các file trong zip.
7. Chia file thành mục: SplitOut chia các file được giải nén thành các mục riêng biệt.
8. Trích xuất nội dung PDF: ExtractFromFile giúp trích xuất nội dung từ các file PDF.
9. Tiến hành xử lý nội dung: Một loạt các thao tác set được sử dụng để sắp xếp và định dạng các nội dung.
10. Kích hoạt workflow con: ExecuteWorkflowTrigger để thực hiện các quy trình con khác nếu cần.
11. Tìm kiếm qua API Qdrant: HttpRequest để thực hiện tìm kiếm và cuộn qua các kết quả.
12. Tương tác AI: Sử dụng agent và memoryBufferWindow để lưu trữ ngữ cảnh.
13. Phản hồi từ người dùng: Nhận đầu vào từ chatTrigger và xử lý qua mô hình OpenAI.

🔗 Tích hợp chính

• manualTrigger: Bắt đầu workflow trên yêu cầu của người dùng.
• embeddingsMistralCloud: Tạo embeddings cho tài liệu.
• documentDefaultDataLoader: Tải tài liệu cần thiết từ kho dữ liệu.
• Qdrant: Tìm kiếm và lưu trữ thông tin theo vector.
• lmChatOpenAi: Sử dụng mô hình AI để tạo ra phản hồi tự động dựa trên ngữ cảnh.

💼 Giá trị kinh doanh

Workflow này giúp giải quyết vấn đề tìm kiếm thông tin trong các tài liệu khổng lồ. Nó cải thiện khả năng xử lý và truy xuất thông tin, tiết kiệm thời gian cho người dùng và cung cấp các câu trả lời chính xác và phù hợp hơn.

📊 Đánh giá kỹ thuật

Workflow có độ phức tạp cao với 31 node và 28 kết nối. Để cải thiện khả năng bảo trì, nên xem xét:

• Giảm bớt số node không cần thiết.
• Tối ưu hóa các bước xử lý dữ liệu để tăng tốc độ thực hiện.
• Tùy chỉnh lỗi và kiểm tra kỹ lưỡng để đảm bảo tính chính xác.

🏷️ Thẻ

• Tự động hóa
• AI
• Xử lý tài liệu
• Tìm kiếm thông tin
• Workflow