手动触发自动化 - N8N 工作流导航

适用人群

该工作流适合以下人群：
- 数据分析师：需要从 Hacker News 中提取和分析评论数据。
- 产品经理：希望了解用户对特定故事的反馈和意见。
- 研究人员：需要对社交媒体评论进行深入分析以获取见解。
- 开发者：希望通过自动化流程集成不同的数据源和分析工具。

解决的问题

该工作流解决了从 Hacker News 获取评论并进行深入分析的难题。通过将评论存储在 Qdrant 向量数据库中，用户可以利用 K-means 聚类算法 识别评论中的主题和模式，从而深入了解用户的反馈和情感。这种自动化流程减少了人工分析的时间和工作量，提高了效率。

工作流程

手动触发工作流：用户点击 ‘测试工作流’ 按钮以启动流程。
2. 设置变量：初始化故事 ID（例如 41123155）。
3. 清除现有评论：使用 Qdrant API 删除与当前故事 ID 相关的现有评论。
4. 获取评论：通过 Hacker News API 获取特定故事的评论，并将其分解为更易于处理的格式。
5. 存储评论：将获取的评论存储到 Qdrant 向量数据库中，以便后续分析。
6. 查找评论：从 Qdrant 中检索评论数据以进行聚类。
7. 应用 K-means 聚类算法：对评论进行聚类，以识别相似主题和反馈。
8. 提取信息：使用语言模型生成对聚类结果的见解和总结。
9. 准备输出：将分析结果整理成可导出的格式。
10. 导出到 Google Sheets：将最终结果输出到指定的 Google Sheets 表格中，方便进一步查看和分享。

自定义指南

用户可以根据以下方式自定义和调整此工作流：
- 更改故事 ID：在 ‘设置变量’ 节点中修改 story_id 的值，以分析不同的 Hacker News 故事。
- 调整聚类参数：在 K-means 聚类节点中修改 n_clusters 的值，以适应不同数量的评论。
- 修改输出格式：在 ‘准备输出’ 节点中调整 JSON 输出格式，以满足特定的数据分析需求。
- 添加更多的 API 集成：可以在工作流中添加其他 API 节点，以获取更多数据来源进行分析。