代码自动化

此工作流适用于以下人群：
- 研究人员：需要分析和处理文本数据以提取重要信息。
- 生态保护者：关注生态和生物多样性，利用技术进行监测和研究。
- 学生和教育工作者：在学习和教学中使用自动化工具进行信息处理和分析。
- 开发者：希望通过 n8n 平台创建和定制自动化工作流的人。
- 企业用户：需要高效处理和分析文档信息，以支持决策和策略制定。

此工作流解决了以下问题：
- 信息提取：自动从长文本中提取句子，便于分析和处理。
- 事实核查：利用语言模型快速检查文本中陈述的准确性，确保信息的真实性。
- 工作流自动化：简化复杂的文本分析过程，减少人工干预，提高效率。

工作流过程的详细说明：
1. 手动触发：用户点击‘测试工作流’按钮以启动工作流。
2. 字段编辑：通过‘Edit Fields’节点设置输入数据，包括待分析的事实和文本。
3. 代码执行：‘Code’节点将输入文本分割成句子，以便后续处理。
4. 分离句子：使用‘Split Out1’节点将句子分开，以便逐一处理。
5. 基本 LLM 链接：通过‘Basic LLM Chain4’节点与语言模型交互，分析每个句子。
6. 合并结果：使用‘Merge’节点将所有分析结果合并。
7. 筛选条件：通过‘Filter’节点筛选出特定条件下的结果。
8. 聚合数据：‘Aggregate’节点对筛选后的数据进行汇总。
9. 最终分析：使用‘Basic LLM Chain’节点进行最终的事实核查，确保信息的准确性。
10. 输出结果：最终的结果和分析将通过‘Ollama Model’或‘Ollama Chat Model’节点输出。

用户如何定制和适应此工作流：
- 修改输入数据：在‘Edit Fields’节点中更改待分析的文本和事实数据。
- 调整分割逻辑：在‘Code’节点中修改 JavaScript 代码，以适应特定的文本格式或分割规则。
- 更换语言模型：在‘Ollama Chat Model’或‘Ollama Model’节点中更改模型配置，以使用不同的 AI 模型。
- 添加新节点：根据需要在工作流中插入新的节点，例如，添加更多的分析或处理步骤。
- 调整筛选条件：在‘Filter’节点中修改筛选条件，以适应不同的分析需求。