OpenAI Personal Shopper with RAG and WooCommerce
该工作流通过集成语言模型和检索增强生成技术，为电商平台提供智能个人购物助手功能。它能够自动识别用户的购物需求，精准提取商品搜索信息，并在WooCommerce数据库中匹配相关商品。同时，针对非购物问题，系统基于知识库提供智能回答，提升用户体验。通过上下文管理，确保对话的连续性，显著提高客户满意度和服务效率。
Tags
工作流名称
OpenAI Personal Shopper with RAG and WooCommerce
主要功能和亮点
该工作流集成了OpenAI的语言模型和RAG（检索增强生成）技术，结合WooCommerce的产品数据库，实现智能个人购物助手功能。它能够理解用户在聊天中的意图，自动提取商品搜索关键词、价格区间和SKU等信息，精准匹配WooCommerce中的商品。同时，对于非商品相关的咨询（如店铺地址、营业时间等），通过RAG系统基于存储在Qdrant向量数据库中的店铺文档内容智能回答，提升用户体验。整个流程支持上下文记忆管理，保证对话连贯性。
解决的核心问题
- 自动识别用户在聊天中是否有购物需求，避免无关查询干扰购物流程。
- 精准提取用户需求中的关键信息，提升商品搜索的准确率。
- 结合知识库回答店铺相关问题，解决客服自动化难题。
- 统一管理对话上下文，提供个性化、连续的购物建议。
应用场景
- 电商平台的智能客服和购物助理。
- 实体店线上服务升级，通过聊天机器人帮助顾客快速找到商品。
- 多渠道客户咨询统一应答，提升服务效率。
- 需要结合产品数据库与知识库的复杂问答场景。
主要流程步骤
- 聊天触发：通过Langchain的聊天触发节点接收用户消息。
- 字段编辑：提取会话ID和用户输入内容，作为后续处理的基础。
- 信息提取：利用OpenAI模型判断是否为商品搜索请求，并提取关键词、价格区间、SKU等信息。
- 智能代理决策：基于提取信息判断调用个人购物工具还是RAG知识库。
- 个人购物查询：调用WooCommerce接口查询符合条件的商品库存。
- 知识库检索：基于Qdrant向量数据库和Google Drive中的店铺文档，回答非购物相关问题。
- 上下文管理：使用窗口缓冲记忆节点维护对话的连续性和上下文信息。
- 响应生成：通过OpenAI聊天模型生成最终的回复内容发送给用户。
涉及的系统或服务
- OpenAI API：自然语言理解与生成、信息抽取、聊天模型。
- WooCommerce：商品库存查询与筛选。
- Qdrant向量数据库：店铺知识库的向量存储与检索。
- Google Drive：存储店铺相关文档，用于知识库构建。
- n8n节点：包括Langchain工具、HTTP请求、记忆管理等。
适用人群或使用价值
- 电商企业及店铺运营者，希望通过智能客服提升客户购物体验和服务效率。
- 技术团队需要构建结合知识库和商品数据库的智能问答系统。
- 需要自动化处理多类型客户咨询，减少人工客服压力的商家。
- 希望借助AI实现个性化推荐和智能搜索的数字化转型企业。
该工作流帮助企业实现了智能购物助手的自动化，既能精准满足用户购物需求，也能智能应答店铺相关问题，显著提升客户满意度和运营效率。
Agent Milvus tool
该工作流通过自动抓取Paul Graham网站的最新文章，提取并处理文本内容后，将其转化为向量存储在Milvus数据库中。结合OpenAI的嵌入模型，实现基于知识库的智能问答和信息检索。支持手动触发和聊天消息触发AI响应，适用于研究人员、企业和内容创作者，提升信息管理和检索效率，简化知识库构建流程。
RAG Workflow For Company Documents stored in Google Drive
该工作流构建了一个智能问答系统，基于存储在Google Drive中的公司文档，利用向量数据库和大语言模型实现信息的快速检索与自然语言交互。通过自动同步文档更新，员工能够实时获取政策和流程相关的简洁准确答案，从而提升知识管理效率，优化自助服务体验，解决了传统文档分散和检索困难的问题。适用于企业内部知识库、HR政策解答及法务合规文档智能检索等多种场景。
#️⃣Nostr #damus AI Powered Reporting + Gmail + Telegram
该工作流通过智能抓取Nostr社交平台中带有#damus标签的帖子，利用AI模型分析讨论主题，自动生成详尽的主题报告，并通过Gmail和Telegram进行多渠道分发。它有效解决了手动筛选信息的繁琐，帮助社区运营团队、产品经理和内容创作者快速获取有价值的洞察，提升信息获取效率，实现数据的智能化管理与传播。
🎥 Analyze YouTube Video for Summaries, Transcripts & Content + Google Gemini AI
该工作流利用Google Gemini 1.5 AI模型，自动分析YouTube视频，生成总结、逐字转录、时间戳和场景描述等多样化内容。用户可根据需求动态调整提示词，以实现精确的信息提取。处理结果可保存至Google Drive，并通过邮件发送，便于查阅和分享。此工具极大提高了视频内容的获取效率，适用于内容创作者、市场营销人员、教育机构及普通观众，节省时间并提升信息利用率。
🌐🪛 AI Agent Chatbot with Jina.ai Webpage Scraper
该工作流结合了网页实时抓取与AI聊天机器人技术，可以根据用户查询自动获取最新网页内容，并生成精准的回答。用户无需手动搜索，即可通过自然语言提问，快速获得准确的信息，显著提升了信息获取的效率与交互体验。适合企业客服、市场分析师和研究人员等需要实时信息的用户，帮助他们更高效地进行决策和回应。
Analyze Reddit Posts with AI to Identify Business Opportunities
这个工作流通过自动抓取Reddit指定社区的热门帖子，运用AI进行内容分析和情感判断，帮助用户识别与商业相关的机会和痛点。它能够生成针对具体问题的创新商业方案，并将分析结果结构化存储到Google Sheets，便于后续管理和跟踪。同时，邮件草稿的分类保存功能有效支持后续跟进，使得创业者和市场研究团队能迅速洞察市场动态，提升决策效率。
AI-Powered Information Monitoring with OpenAI, Google Sheets, Jina AI and Slack
该工作流通过整合AI技术和自动化工具，实现了主题信息的智能监控与摘要推送。它定期从多个RSS源获取最新文章，使用AI进行相关性分类和内容提取，生成符合Slack格式的结构化摘要，并及时推送至指定频道。这样，用户能够高效掌握关注领域的最新动态，解决信息过载与共享不便的问题，提升团队协作和信息处理的效率。
Testing Mulitple Local LLM with LM Studio
该工作流旨在自动化测试和分析本地多个大型语言模型的性能。通过动态获取模型列表并统一系统提示，用户可以方便地比较不同模型在特定任务中的输出表现。工作流记录请求和响应时间，进行多维度文本分析，并将结果结构化保存至 Google Sheets，便于后续管理与对比。同时，支持灵活配置参数，满足多样化的测试需求，提升了模型评测的效率和科学性。