MongoDB Agent – Ein KI-basiertes Filmempfehlungssystem

Dieses Workflow nutzt OpenAI und MongoDB, um eine KI-gesteuerte Plattform zu schaffen, die Filmempfehlungen basierend auf Benutzeranfragen liefert.

MongoDB Agent – Ein KI-basiertes Filmempfehlungssystem

Die Website nutzt die Wordpress-Infrastruktur.

Server: Unser Server befindet sich in einem Unternehmen mit Sitz in Deutschland. Er hat eine hohe und schnelle Internetverbindung. Es gibt eine Generatorunterstützung für ununterbrochenen Strom.

Workflow Beschreibung

In diesem Workflow wird ein KI-Agent erstellt, der mit Hilfe von OpenAI und MongoDB funktioniert. Benutzer können Chatnachrichten senden, auf die die KI mit Filmempfehlungen reagiert. Der Workflow ist in mehrere Schritte unterteilt, die wir hier im Detail untersuchen werden.

Node 1: OpenAI Chat Model

Typ: @n8n/n8n-nodes-langchain.lmChatOpenAi

Funktion: Dieser Node verwendet das OpenAI-Modell, um die Chatnachrichten zu verarbeiten. Er agiert als Schnittstelle zwischen dem Benutzer und der KI.
Einstellungen: Die Parameter wurden offen gelassen, um eine flexible Interaktion mit dem Modell zu ermöglichen.
Warum: Offene Parameter ermöglichen es dem Workflow, sich an verschiedene Arten von Chat-Anfragen anzupassen.

Node 2: MongoDBAggregate

Typ: n8n-nodes-base.mongoDbTool

Funktion: Dieser Node führt eine Aggregation in der MongoDB-Datenbank durch, um Filme mit einer Bewertung von 5 zu finden.
Einstellungen: Der Query-Parameter ist so konfiguriert, dass er auf die vom OpenAI-Modell generierte Aggregationspipeline zugreift.
Warum: Dadurch wird sichergestellt, dass die Datenbankabfrage dynamisch angepasst wird, um den Benutzeranforderungen gerecht zu werden.

Node 3: Window Buffer Memory

Typ: @n8n/n8n-nodes-langchain.memoryBufferWindow

Funktion: Hier wird ein Puffer für den Kontext der letzten 10 Bildschirminhalte eingerichtet. Dies hilft der KI, bei der Bearbeitung fortlaufender Konversationen relevant zu bleiben.
Einstellungen: Der Kontextfensterlängen-Parameter ist auf 10 festgelegt.
Warum: Ein kurzer Puffer hilft der KI, die vorherigen Interaktionen nachzuvollziehen, was zu relevanteren Antworten führt.

Node 4: When chat message received

Typ: @n8n/n8n-nodes-langchain.chatTrigger

Funktion: Dieser Node wird aktiviert, wenn eine Chatnachricht vom Benutzer empfangen wird. Er fungiert als Auslöser für den Workflow.
Einstellungen: Der Node ist so konfiguriert, dass er als Webhook funktioniert und öffentliche Nachrichten annimmt.
Warum: Indem der Node als Webhook arbeitet, kann er in Echtzeit auf Benutzeranfragen reagieren.

Node 5: insertFavorite

Typ: @n8n/n8n-nodes-langchain.toolWorkflow

Funktion: Dieser Node ermöglicht es, einen Film als Favoriten in der MongoDB-Datenbank zu speichern, nachdem der Benutzer dies bestätigt hat.
Einstellungen: Der Workflow ID-Parameter verweist auf einen anderen Workflow, der verknüpft ist und das Speichern der Favoriten regelt.
Warum: Die Trennung von Einfügen und Aggregation ermöglicht ein besser organisiertes Workflow-Management.

Node 6: AI Agent – Movie Recommendation

Typ: @n8n/n8n-nodes-langchain.agent

Funktion: Dieser Node verwaltet die Interaktion zwischen dem Benutzer und den anderen Nodes, indem er die Chatnachricht analysiert und gegebene Werkzeuge anwendet,
Einstellungen: Die Parameter umfassen die Eingabeaufforderung für den Assistenten und definieren die Funktionen, die er ausführen kann.
Warum: Dies zentralisiert die Logik und macht den Workflow effizienter.

Node 7: Sticky Note

Typ: n8n-nodes-base.stickyNote

Funktion: Dieser Node dient dazu, im Workflow Informationen zusammenzufassen und zu visualisieren. Inhalt zur KI-Agent-Funktionalität wird hier bereitgestellt.
Einstellungen: Inhalt ist statisch und beschreibt die Funktion des gesamten Workflows.
Warum: Hilft dabei, die Struktur des Workflows auf einen Blick zu erklären.

Node 8: Sticky Note1

Typ: n8n-nodes-base.stickyNote

Funktion: Ähnlich wie der vorherige, bietet dieser Node einen Überblick über den Prozessablauf im Workflow.
Einstellungen: Inhalt beschreibt, dass Nachrichten von dem Chat-Modell verarbeitet werden.
Warum: Fördert das Verständnis für den Ablauf und die Logik des Workflows.

Ergebnis

Der MongoDB Agent-Workflow ermöglicht es Benutzern, Filmempfehlungen anzufordern und ihre Lieblingsfilme zu speichern, indem er moderne KI-Technologien nutzt. Die Integration von OpenAI und MongoDB ermöglicht eine dynamische und interaktive Erfahrung für die Benutzer. Durch die flexiblen Einstellungen und Parameter kann der Workflow an die spezifischen Bedürfnisse der Anwendung angepasst werden.

Download Link: Hier herunterladen

Facebook
Twitter
LinkedIn

Andere Projekte