چتهای قبلیمون کو؟
- User
چتهای قبلیمون کو؟
- Assistant
چتهای قبلی ما در این جلسه ذخیره نمیشن و هر بار که با من صحبت میکنی، مکالمه جدیدی شروع میشه. اگر میخوای اطلاعات یا موضوع خاصی رو دوباره بررسی کنیم، میتونی بهم بگی تا کمک کنم!
اگر سوال یا درخواست دیگهای داری، در خدمتم. - User
به نظرت بهترین مدل AI که بتونه کمک کنه یه workflow تولید مقالات پزشکی فارسی در n8n لوکال پیاده کنم چه مدلیه؟
- Assistant
برای پیادهسازی یک workflow تولید مقالات پزشکی فارسی در n8n لوکال، انتخاب مدل AI مناسب خیلی مهمه. چند نکته کلیدی که باید در نظر بگیری:
نکات مهم:
- پشتیبانی از زبان فارسی: مدل باید توانایی خوبی در فهم و تولید متن فارسی داشته باشه.
- دقت علمی و تخصصی: چون موضوع پزشکی هست، مدل باید دانش تخصصی کافی داشته باشه یا قابلیت استفاده از منابع پزشکی رو داشته باشه.
- قابلیت اجرا لوکال: چون میخوای روی n8n لوکال اجرا کنی، مدل باید قابل اجرا روی سرور خودت باشه (نه فقط API ابری).
- سازگاری با n8n: مدل باید به راحتی از طریق API یا SDK قابل فراخوانی باشه.
پیشنهاد مدلها:
-
LLaMA 2 (با فاینتیون تخصصی پزشکی فارسی)
- مدلهای LLaMA 2 از Meta هستند و میتونن لوکال اجرا بشن.
- اگر بتونی مدل رو با دادههای پزشکی فارسی فاینتیون کنی، دقت خوبی میگیری.
- ابزارهایی مثل Hugging Face Transformers برای اجرا و فاینتیون وجود داره.
- میتونی با n8n از طریق یک اسکریپت یا API داخلی استفاده کنی.
-
GPT4All یا GPT4All-J (نسخههای لوکال GPT)
- مدلهای GPT4All نسخههای کوچکتر GPT هستند که لوکال اجرا میشن.
- ممکنه نیاز به فاینتیون یا پرامپتسازی دقیق داشته باشی.
- پشتیبانی فارسی متوسط رو به خوب دارن.
-
PersianBERT یا ParsBERT + مدلهای تولید متن
- این مدلها بیشتر برای درک متن و استخراج اطلاعات خوبن.
- برای تولید متن، میتونی از مدلهای ترکیبی استفاده کنی (مثلاً ParsBERT برای استخراج داده و LLaMA برای تولید متن).
-
استفاده از APIهای ابری (اگر لوکال نیست)
- اگر محدودیت لوکال نداشته باشی، OpenAI GPT-4 یا مدلهای مشابه بهترین کیفیت رو دارن.
- ولی چون گفتی لوکال، این گزینه کمتر مناسب هست.
پیشنهاد من برای workflow:
- مرحله 1: جمعآوری دادههای پزشکی فارسی (مقالات، کتب، دیتاستهای تخصصی)
- مرحله 2: فاینتیون مدل LLaMA 2 یا GPT4All روی این دادهها
- مرحله 3: ساخت API لوکال برای مدل (مثلاً با FastAPI یا Flask)
- مرحله 4: اتصال n8n به این API برای تولید متن، ویرایش، و بررسی کیفیت
- مرحله 5: افزودن ماژولهای اعتبارسنجی و اصلاح خودکار (مثلاً بررسی صحت علمی با مدلهای تخصصی یا قواعد پزشکی)
جمعبندی
اگر منابع و دانش فنی برای فاینتیون داری، LLaMA 2 فاینتیون شده روی دادههای پزشکی فارسی بهترین گزینه است.
اگر دنبال راهحل سریعتر و سادهتر هستی، GPT4All نسخه لوکال رو امتحان کن.اگر دوست داری، میتونم راهنمایی دقیقتری برای فاینتیون و پیادهسازی API بدم.
آیا میخوای در مورد نحوه فاینتیون یا ساخت API بیشتر بدونی؟
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.