[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"site-settings":3,"workflow-chat-with-drive-documents-using-graphrag-2583":7},["Reactive",4],{"analytics_enabled":5,"gtm_container_id":6},true,"GTM-WWB2TQFD",["Reactive",8],{"id":9,"slug":10,"title":11,"short_description":12,"category_key":13,"category_title":14,"workflow_type_key":15,"workflow_type_title":15,"workflow_type_icon":16,"price":17,"is_free":5,"cover_image":18,"description":19,"compatible_versions":18,"locked":5,"lock_reason":20,"purchased":21,"in_cart":21,"workflow_file":22},524,"chat-with-drive-documents-using-graphrag-2583","گفت‌وگو با فایل‌های PDF، Markdown و متنی با GraphRAG","فایل‌های PDF، Markdown و متنی را از Google Drive در گراف دانش InfraNodus ذخیره می‌کند و با کمک عامل OpenAI امکان پرسش‌وپاسخ مبتنی بر GraphRAG را فراهم می‌سازد.","ai-agents","ایجنت‌های هوش مصنوعی","n8n","https:\u002F\u002Faidock.s3.ir-thr-at1.arvanstorage.ir\u002Fworkflow_types\u002Fimage.webp",0,"","📄 این workflow فایل‌های PDF، Markdown و متنی را از پوشه‌ای در **Google Drive** دریافت می‌کند و محتوای آن‌ها را استخراج و در گراف دانش **InfraNodus** ذخیره می‌سازد.\n\n🧠 در مرحله دوم، یک عامل هوش مصنوعی با استفاده از مدل **OpenAI** و حافظه مکالمه، پرسش‌های کاربر را به پایگاه دانش GraphRAG ارسال کرده و پاسخ را بر اساس محتوای اسناد ارائه می‌دهد.\n\n🔧 پردازش PDF، متن ساده و Markdown به‌صورت جداگانه انجام می‌شود و برای PDF امکان جایگزینی استخراج‌کننده پیش‌فرض با سرویس تبدیل متن خارجی نیز در نظر گرفته شده است. این ساختار برای بازیابی اطلاعات بدون استفاده از vector store طراحی شده و به اعتبارنامه‌های Google Drive، InfraNodus و OpenAI نیاز دارد.","login",false,null]