هل يمكن تحقيق أتمتة مثل هذه مع Discourse AI اليوم؟

[jordan-violet]

هناك مهمة نقوم بها اليوم تمكنت من إحراز تقدم جيد في أتمتتها باستخدام n8n، ولكني أتساءل عما إذا كان ذلك ممكنًا مع Discourse بشكل أصلي.

لدينا فئة مسودات يقوم فيها مديرو تسويق المنتجات بصياغة إعلانات المنتجات ليتم إرسالها حول منتجاتهم. عندما ينشئون تلك المسودة، ننظر إلى اسم المنتج، والإصدار، وما إذا كان إصدارًا رئيسيًا/ثانويًا/تصحيحيًا. نأخذ أيضًا نص محتوى إعلانهم ونلخصه باستخدام LLM لوصف المحتوى من 4 إلى 7 كلمات.

ثم نستخدم ذلك لإنشاء لافتة الإعلان في Adobe، هكذا:

Minor Version 25.3 Released

أشعر أن هذا يمكن القيام به بواسطة LLM وبعض المنطق التقليدي:

• الخلفية عبارة عن لون واحد لكل نوع إعلان وهناك أربعة اختلافات من كل لون - نختار واحدًا بشكل عشوائي.
• يتم إدخال اسم المنتج والإصدار في المربعات الموجودة في الأعلى
• الوصف في المنتصف الأوسط للجسم هناك
• نستخدم https://storyset.com/ لإنشاء رسم توضيحي سريع لوضعه على اليمين.

أشعر أن لدي نهجًا جيدًا للقيام بذلك باستخدام n8n، ولكني أتساءل عما إذا كان يمكن القيام بذلك بشكل أصلي باستخدام Discourse AI وأدوات أخرى؟

[sam (Sam Saffron)]

الشخصية المصممة باستخدام نموذج GPT Image 1 الجديد الممتاز قادرة على القيام بأشياء مثل هذه:

PolicyPak 25.3: Client-Side Extension Enhancements

أعتقد أنه يمكنك ربط شيء ما باستخدام شخصية مخصصة واستخدام الأدوات المناسبة لتحقيق الكثير من هذا، بالتأكيد.

[sam (Sam Saffron)]

ملاحظة لاستخدام الأدوات المخصصة، طالما أن هناك واجهات برمجة تطبيقات REST مناسبة يمكنك دمجها بسهولة، على سبيل المثال، هذه هي الطريقة التي أدمج بها مع إنشاء صور flux:

const apiKey = "password";
const model = "black-forest-labs/FLUX.1.1-pro";

let prompt;

function invoke(params) {
  let seed = parseInt(params.seed);
  if (!(seed > 0)) {
    seed = Math.floor(Math.random() * 1000000) + 1;
  }

  let height = parseInt(params.height);
  if (!height || height < 256 || height > 1440) {
      height = 768;
  }
  let width = parseInt(params.width);
  if (!width || width < 256 || width > 1440) {
      width = 1024;
  }
  
  width = width - (width % 32);
  height = height - (height %32);

  prompt = params.prompt;
  const negative_prompt = params.negative_prompt || "";
  const body = {
    model: model,
    prompt: prompt,
    width: width,
    height: height,
    steps: 10,
    n: 1,
    seed: seed,
    negative_prompt: negative_prompt,
    response_format: "b64_json",
  };

  const result = http.post("https://api.together.xyz/v1/images/generations", {
    headers: {
      "Authorization": `Bearer ${apiKey}`,
      "Content-Type": "application/json",
    },
    body: JSON.stringify(body),
  });
  
  if (result.status !== 200) {
      return { error: true, body: result.body };
  }

  const base64Image = JSON.parse(result.body).data[0].b64_json;
  const image = upload.create("generated_image.png", base64Image);
  const raw = `
![${prompt}](${image.short_url})
`;
  
  if (!params.show_to_user === false) {
     chain.setCustomRaw(raw);
  }

  return { result: "Image generated successfully", prompt: prompt, url: image.url, seed: seed, negative_prompt: negative_prompt };
}

function details() {
  return prompt;
}

يمكنك رؤية طلب HTTP POST وتحليل الصورة بترميز base 64 في العينة.

[jordan-violet]

إذا تم تقديم نص منشور، فهل يقع على عاتق Discourse AI عبء تحويل المحتوى من هذا النص إلى معلمات صالحة لقراءة المحتوى ثم إنشاء كائن الطلب؟ أم يجب تمرير المحتوى الخام إلى الأداة ويقع عبء تحليل LLM لهذا الغرض للبيانات اللازمة لإنشاء إدخال مناسب لاستدعاء واجهة برمجة التطبيقات الخاصة به هناك؟

[sam (Sam Saffron)]

نعم في هذه الحالة الأداة لديها بالفعل واجهة برمجة تطبيقات لقراءة المنشورات لذلك يمكنك فقط تمرير معرف

[jordan-violet]

هل يمكنك أن تشير لي إلى وثائق هذا عن طريق الصدفة؟

[sam (Sam Saffron)]

عذرًا على التأخير في الرد هنا، الأمر صعب، وثائقنا تتطور وسطح واجهة برمجة التطبيقات (API) ينمو أسبوعيًا.

توفر هذه التقنية نوعًا ما أميالًا دقيقة محدثة، لكنني أعتقد أننا بحاجة إلى الانتظار قليلًا حتى تستقر جميع واجهات برمجة التطبيقات (APIs) قبل ترسيخ الأمور:

Discourse AI Tool JS API Explained - AI Conversation - Sam Saffron's Blog