## 工作流概述
这个n8n工作流自动提取Jira中未解决的工单及其用户评论，经过文本清理和转换后，生成OpenAI嵌入向量，并存储到Pinecone向量数据库中。该索引在每次运行时都会重新创建，确保始终反映当前的未解决工单集合。同时，工作流还将数据作为MCP工具对外暴露，支持外部语义查询。
## 工作原理
### 触发与执行
– **触发器**：基于定时调度（工作日8点、11点、14点、17点）
– **Jira工单提取与分页**：以25条为批次提取未解决工单，直到全部加载完成
– **字段转换**：提取关键信息（工单ID、工单键、摘要、描述、产品、客户、分类、状态、注册日期）
– **评论合并**：收集所有评论，过滤掉无关内容（图片、点号、空markdown）
– **文本清理**：将HTML内容转换为纯文本
– **向量嵌入**：通过OpenAI生成512维嵌入向量
– **向量存储**：将向量+元数据保存到Pinecone（`jira`命名空间，`openissues`索引）
– **文本分块**：将长文本分割为512个token的块，重叠50个token
– **MCP发布**：将Pinecone索引作为工具对外提供查询功能
## 主要节点功能
### 数据提取节点
– **Schedule Trigger**：定时触发工作流执行
– **HTTP Request (Extract Issues)**：从Jira API提取工单数据
– **HTTP Request (Get Comments)**：获取工单评论
– **Code (Extract Relevant Info)**：提取相关工单信息
– **Code (Create Comment array)**：创建评论数组
### 数据处理节点
– **Merge Comments**：合并工单与评论数据
– **Code (Convert to txt)**：HTML到纯文本转换
– **Document Chunker**：文档分块处理
### AI与向量存储节点
– **Embeddings OpenAI**：生成OpenAI嵌入向量
– **Pinecone Vector Store**：向量存储到Pinecone
– **openIssues (Data Loader)**：数据加载器
### 聊天机器人组件
– **Chat Trigger**：聊天界面触发器
– **AI Agent**：AI代理处理用户查询
– **OpenAI Chat Model**：GPT-4o聊天模型
– **Simple Memory**：对话记忆管理
– **Set (SLA)**：服务级别协议配置
### MCP集成
– **MCP Server Trigger**：MCP服务器触发器
– **MCP Client Tool**：MCP客户端工具
– **Vector Store Pinecone (openissues)**：向量存储工具
## 配置要求
### 必需凭证
– Jira账户（API访问权限）
– OpenAI API密钥
– Pinecone账户（512维索引）
– 配置了Jira、Pinecone和OpenAI凭证的n8n实例
### 设置步骤
1. 配置Jira凭证并根据需要调整JQL查询
2. 提供OpenAI API密钥用于嵌入
3. 创建Pinecone索引（`openissues`，512维）并设置命名空间（`jira`）
4. 根据需求调整cron表达式
5. （可选）启用MCP节点以将索引作为MCP工具暴露
## 自定义选项
– 修改JQL查询以优化提取的工单范围
– 调整`maxResults`（默认25）以改变分页批次大小
– 在”Extract Relevant Info”节点中添加/删除元数据字段
– 在Document Chunker中调整块大小和重叠
– 根据需要更换嵌入/向量存储提供商
– 扩展警报、仪表板或基于索引数据的AI助手功能
## 聊天机器人功能
工作流还包含一个AI聊天机器人，专门用于：
– 回答销售/支持团队关于客户未解决工单的查询
– 提供工单详细信息，包括严重性级别、状态和SLA信息
– 支持多轮对话，保持上下文记忆
– 基于Pinecone向量搜索返回相关工单信息
## 技术特点
– **实时数据同步**：定期更新确保数据时效性
– **智能文本处理**：自动清理和转换HTML内容
– **向量化存储**：支持语义搜索和相似性匹配
– **模块化设计**：易于扩展和定制
– **多系统集成**：支持Jira、OpenAI、Pinecone和MCP协议
评论(0)