Chcesz dowiedzieć się, jak wygląda proces tworzenia spersonalizowanego chatbota AI, który odpowiada na pytania w oparciu o treść konkretnych filmów z YouTube, działając jak cyfrowy mentor lub ekspert w danej dziedzinie?
Jeśli tak, to sprawdź to video:

Wideo prezentuje proces tworzenia spersonalizowanego chatbota AI, który odpowiada na pytania w oparciu o treść konkretnych filmów z YouTube, działając jak cyfrowy mentor lub ekspert w danej dziedzinie.

Główne punkty i zademonstrowane kroki:

1. Koncepcja: Stworzenie agenta AI, który czerpie wiedzę z transkrypcji wybranych filmów wideo (np. kanału mentora) i udostępnia ją w formie czatu.
2. Demonstracja: Pokazano interakcję z gotowym botem na Telegramie. Bot poprawnie odpowiada na pytania dotyczące treści filmów stworzonych przez prezentującego, odwołując się do zgromadzonej bazy wiedzy.
3. Budowa Bazy Wiedzy (Workflow 1 – Wgrywanie):
   • Zarządzanie listą filmów w Airtable (lub innej bazie).
   • Użycie narzędzia Apify (konkretnie aktora „YouTube Transcript Scraper”) do automatycznego pobrania transkrypcji z podanych URL-i filmów na YouTube.
   • Przetwarzanie transkrypcji w n8n: czyszczenie tekstu, opcjonalne generowanie podsumowania (np. przez OpenAI).
   • Wektoryzacja tekstu: Podzielenie transkrypcji na mniejsze fragmenty (chunking) i wygenerowanie dla nich wektorów (embeddings) za pomocą modelu OpenAI.
   • Zapisanie wektorów i powiązanego tekstu w wektorowej bazie danych Pinecone.
   • Aktualizacja statusu przetwarzania w Airtable.
4. Budowa Chatbota (Workflow 2 – Czat):
   • Stworzenie bota na Telegramie za pomocą BotFather w celu uzyskania tokenu API.
   • Skonfigurowanie n8n:
     • Telegram Trigger: Odbiera wiadomości wysłane do bota na Telegramie.
     • AI Agent Node: Rdzeń logiki bota. Konfiguracja obejmuje:
       • Model językowy (LLM), np. OpenAI Chat Model.
       • Pamięć czatu (np. Window Buffer Memory) do śledzenia kontekstu rozmowy.
       • Narzędzie (Tool) połączone z bazą wektorową Pinecone do wyszukiwania relevantnych informacji.
       • Model Embeddings (np. OpenAI) do zrozumienia zapytania użytkownika i porównania go z danymi w bazie wektorowej.
     • Send Analysis/Telegram Node: Wysyła odpowiedź wygenerowaną przez agenta z powrotem do użytkownika na Telegramie.
5. Narzędzia: Kluczowe użyte narzędzia to n8n (platforma automatyzacji), Telegram (interfejs czatu), Apify (pobieranie transkrypcji), Pinecone (wektorowa baza danych), OpenAI (modele LLM i embeddings), Airtable (zarządzanie danymi).
6. Korzyści: Możliwość stworzenia „osobistego mentora” dostępnego 24/7, który odpowiada zgodnie z wiedzą zawartą w wybranych materiałach wideo.

Podsumowując: Film jest tutorialem pokazującym, jak zautomatyzować proces tworzenia bazy wiedzy z transkrypcji filmów YouTube i zbudować chatbota AI (korzystając z n8n, Pinecone, Apify, OpenAI i Telegram), który umożliwia interaktywne korzystanie z tej wiedzy.