پرش به محتویات

نود عامل AI مکالمه‌ای#

عامل مکالمه‌ای گفت‌وگوهای مشابه انسان دارد. می‌تواند زمینه را حفظ کند، نیت کاربر را درک کند و پاسخ‌های مرتبط ارائه دهد. این عامل معمولاً برای ساخت چت‌بات‌ها، دستیارهای مجازی و سیستم‌های پشتیبانی مشتری استفاده می‌شود.

عامل مکالمه‌ای، ابزارها را در پیام سیستم شرح می‌دهد و پاسخ‌های JSON را برای فراخوانی ابزار تجزیه می‌کند. اگر مدل AI ترجیحی شما از فراخوانی ابزار پشتیبانی نمی‌کند یا برخوردهای ساده‌تری را مدیریت می‌کنید، این عامل گزینه مناسبی است. این گزینه انعطاف‌پذیرتر است ولی ممکن است دقت کمتری نسبت به عامل ابزارها داشته باشد.

برای اطلاعات بیشتر درباره خود نود عامل AI، به عامل AI مراجعه کنید.

می‌توانید از این عامل با نود نشانگر چت استفاده کنید. یک ساب‌نود حافظه متصل کنید تا کاربران بتوانند گفتگویی مداوم با چندین سوال داشته باشند. حافظه بین جلسات حفظ نمی‌شود. 

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
## پارامترهای نود

عامل مکالمه‌ای را با استفاده از پارامترهای زیر پیکربندی کنید.

### پیام


انتخاب کنید که می‌خواهید نود چگونه درخواست (همچنین شناخته شده به عنوان ورودی کاربر یا پرسش در چت) را بسازد.

انتخاب کنید از:

* **برداشتن خودکار از نود قبلی**: اگر این گزینه را انتخاب کنید، نود انتظار ورودی از نود قبلی به نام `chatInput` را دارد.
* **تعریف در زیر**: اگر این گزینه را انتخاب کنید، متن استاتیک یا یک عبارت برای محتوای دینامیک را در فیلد **درخواست (پیام کاربر)** وارد کنید.

### نیاز به فرمت خروجی خاص


این پارامتر مشخص می‌کند که آیا می‌خواهید نود به فرمت خاصی از خروجی نیاز داشته باشد یا نه. زمانی که فعال باشد، n98n از شما می‌خواهد یکی از این پارسرهای خروجی را به نود وصل کنید:

* [پارسر خروجی خودکار اصلاح‌شونده](/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.outputparserautofixing)
* [پارسر خروجی فهرست آیتم‌ها](/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.outputparseritemlist)
* [پارسر خروجی ساختاریافته](/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.outputparserstructured/index)

گزینه‌های نود#

رفتار نود عامل مکالمه‌ای را با استفاده از گزینه‌های زیر اصلاح کنید:

پیام انسانی#

در مورد ابزارهایی که می‌تواند از آن‌ها استفاده کند به عامل اطلاع دهید و به ورودی کاربر زمینه اضافه کنید.

شما باید این عبارات و متغیرها را درج کنید:

  • {tools}: یک عبارت LangChain که رشته ابزارهای متصل شده به عامل را فراهم می‌کند. مقداری زمینه یا توضیح درباره اینکه چه کسی باید از ابزارها استفاده کند و چگونه باید از آن‌ها بهره ببرد، ارائه دهید.
  • {format_instructions}: یک عبارت LangChain که طرح یا قالب خروجی از نود پارسر پاسخ‌ها را فراهم می‌کند. از آنجایی که دستورها خود زمینه هستند، نیازی به ارائه زمینه اضافی برای این عبارت ندارید.
  • {{input}}: یک متغیر LangChain حاوی پیام کاربر است. این متغیر با مقدار پارامتر Prompt پر می‌شود. یک مقدار زمینه که این ورودی کاربر است پیشنهاد دهید.

نمونه‌ای از نحوه استفاده از این رشته‌ها:

مثال:

ابزارها#

دستیار می‌تواند از کاربر بخواهد برای جستجوی اطلاعات که ممکن است در پاسخ به سوال اصلی کاربر مفید باشد، از ابزارها استفاده کند. ابزارهای قابل استفاده برای انسان عبارتند از:

{tools}

{format_instructions}

ورودی کاربر#

در اینجا ورودی کاربر است (با پاسخ دادن به صورت یک قطعه کد markdown حاوی یک شی JSON و فقط یک عمل، و هیچ چیز دیگر ثبت کنید):

{{input}}

پیام سیستم#

اگر می‌خواهید قبل از شروع گفتگو پیامکی به عامل ارسال کنید، پیام مورد نظر خود را وارد کنید.

از این گزینه برای هدایت تصمیم‌گیری‌های عامل استفاده کنید. 

1
2
3
4
5
6
### حداکثر تعداد تکرارها


شماره‌ی دفعاتی که مدل باید برای تلاش برای تولید پاسخ مناسب از درخواست کاربر اجرا شود.

پیش‌فرض برابر با `10` است.

بازگرداندن مراحل میانی#

انتخاب کنید که آیا مراحل واسطه‌ای که عامل انجام داده است در خروجی نهایی گنجانده شود (روشن) یا خیر (خاموش).

این می‌تواند برای اصلاح بیشتر رفتار عامل بر اساس مراحلی که اتخاذ کرده است مفید باشد. ```

قالب‌ها و نمونه‌ها#

به بخش قالب‌ها و نمونه‌ها نود عامل AI مراجعه کنید.

مشکلات رایج#

برای سوالات یا مشکلات رایج و راه‌حل‌های پیشنهادی، به مشکلات رایج مراجعه کنید.

واژگان مورد استفاده در هوش مصنوعی#

  • کامل‌شدن: پاسخ‌هایی هستند که توسط مدلی مانند GPT تولید می‌شوند.
  • توهمات: توهم در هوش مصنوعی هنگامی است که یک مدل زبانی بزرگ (LLM) نادرست تصور می‌کند الگوها یا اشیائی وجود دارند که واقعاً وجود ندارند.
  • پایگاه داده وکتور: پایگاه داده وکتور نمایه‌های ریاضی اطلاعات را ذخیره می‌کند. از آن در کنار جاسازی‌ها و بازیاب‌ها برای ساختن یک پایگاه داده که هوش مصنوعی شما می‌تواند هنگام پاسخگویی به سوالات به آن مراجعه کند، استفاده می‌شود.
  • مخزن وکتور: مخزن وکتور، یا پایگاه داده وکتور، نمایه‌های ریاضی اطلاعات را ذخیره می‌کند. از آن در کنار جاسازی‌ها و بازیاب‌ها برای ساختن یک پایگاه داده که هوش مصنوعی شما می‌تواند هنگام پاسخگویی به سوالات به آن مراجعه کند، استفاده می‌شود.