代码自动化 - N8N 工作流导航

适用人群

此工作流适合以下人群使用：
- 研究人员：需要分析和总结文本数据，尤其是涉及生态和环境科学的研究。
- 内容创作者：需要快速生成和验证内容的准确性，确保信息的真实性和可靠性。
- 教育工作者：希望使用技术工具来教授学生有关生态保护和数据分析的知识。
- 企业分析师：需要对市场报告和研究材料进行快速的事实检查和总结。

该工作流能够帮助这些用户更高效地处理和分析文本数据，确保信息的准确性和可靠性。

解决的问题

该工作流解决了以下问题：
- 文本分析：自动将输入文本分割成句子，方便后续处理。
- 信息验证：通过集成的语言模型和过滤器，快速识别和总结文本中的不准确或不实信息。
- 工作流自动化：通过手动触发和其他工作流的调用，简化了数据处理和分析的过程，提高了工作效率。

工作流程

工作流的详细步骤如下：
1. 手动触发：用户通过点击‘测试工作流’手动启动工作流。
2. 编辑字段：设置要分析的文本和事实信息。
3. 代码节点：使用 JavaScript 代码将输入文本分割成句子，确保处理的数据有效。
4. 分割输出：将句子分割成单独的项，便于进一步分析。
5. 基本 LLM 链：利用语言模型生成关于事实的定义和分析。
6. 合并节点：将不同来源的数据合并，以便于后续处理。
7. 过滤器：过滤出符合特定条件的数据，确保只处理相关信息。
8. 聚合节点：聚合所有处理过的数据，为最终分析做准备。
9. 最终 LLM 链：对聚合后的数据进行深入分析，输出总结和反馈。
10. 输出结果：最终结果可用于进一步的决策或内容创建。

自定义指南

用户可以通过以下方式自定义和调整此工作流：
- 修改输入文本：在‘编辑字段’节点中，用户可以更改输入的文本和事实内容。
- 调整分割逻辑：在‘代码’节点中，可以根据需要修改 JavaScript 代码，以适应不同格式的输入文本。
- 更改语言模型：在‘Ollama Chat Model’和‘Ollama Model’节点中，用户可以选择不同的语言模型，以满足特定的分析需求。
- 添加或移除节点：根据具体需求，用户可以添加新的节点或移除不需要的节点，以简化工作流或添加额外功能。
- 设置条件过滤：在‘过滤器’节点中，用户可以根据需要调整过滤条件，以确保只处理符合要求的数据。