[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"site-settings":3,"workflow-knowledge-base-chatbot-rag-openai-mongodb-documents-3842":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},347,"knowledge-base-chatbot-rag-openai-mongodb-documents-3842","چت‌بات پایگاه دانش با RAG و MongoDB","مستندات Google Docs را به بردارهای قابل جست‌وجو در MongoDB تبدیل می‌کند و با روش RAG به پرسش‌ها پاسخ می‌دهد.","ai-agents","ایجنت‌های هوش مصنوعی","n8n","https:\u002F\u002Faidock.s3.ir-thr-at1.arvanstorage.ir\u002Fworkflow_types\u002Fimage.webp",0,"","📚 این گردش‌کار، مستندات محصول را از Google Docs دریافت می‌کند، آن‌ها را به بخش‌های کوچک تقسیم کرده و با استفاده از Embeddingهای OpenAI در MongoDB Atlas ذخیره می‌کند.\n\n🤖 هنگام دریافت پیام، عامل هوش مصنوعی با جست‌وجوی برداری در مستندات مرتبط، پاسخ مستند و متناسب با محتوای پایگاه دانش تولید می‌کند.\n\n🧠 حافظه کوتاه‌مدت مکالمه نیز برای حفظ زمینه گفت‌وگو در نظر گرفته شده است.","login",false,null]