Automatisation n8n : génération de résumés d'essais en temps réel
Ce workflow n8n a pour objectif de simplifier la génération de résumés d'essais en utilisant l'API OpenAI. Dans un contexte où les équipes de recherche et d'éducation ont besoin d'accéder rapidement à des résumés pertinents, cette automatisation permet de récupérer des listes d'essais, d'extraire leurs titres et contenus, puis de les résumer efficacement. Le workflow commence par un déclencheur manuel qui initie le processus. Ensuite, il utilise des nœuds HTTP pour récupérer la liste des essais, suivis de nœuds d'extraction HTML pour obtenir les titres et le texte des essais. Une fois les données collectées, le modèle de chat OpenAI est utilisé pour générer des résumés. Les résultats sont ensuite nettoyés et formatés pour une utilisation facile. Ce processus automatisé permet de gagner un temps précieux et d'améliorer l'efficacité des équipes en fournissant des résumés instantanés et de qualité. En intégrant cette solution, les utilisateurs peuvent réduire considérablement le temps consacré à la recherche et à l'analyse des documents, tout en augmentant la productivité et la qualité des résultats obtenus.
Workflow n8n OpenAI, génération de contenu, éducation : vue d'ensemble
Schéma des nœuds et connexions de ce workflow n8n, généré à partir du JSON n8n.
Workflow n8n OpenAI, génération de contenu, éducation : détail des nœuds
Inscris-toi pour voir l'intégralité du workflow
Inscription gratuite
S'inscrire gratuitementBesoin d'aide ?{
"meta": {
"instanceId": "408f9fb9940c3cb18ffdef0e0150fe342d6e655c3a9fac21f0f644e8bedabcd9",
"templateCredsSetupCompleted": true
},
"nodes": [
{
"id": "a9048293-787d-44d6-b995-d329b2495048",
"name": "When clicking \"Execute Workflow\"",
"type": "n8n-nodes-base.manualTrigger",
"position": [
-1920,
1380
],
"parameters": {},
"typeVersion": 1
},
{
"id": "56017e8b-2f2e-4f40-9325-184ea01a18be",
"name": "Sticky Note",
"type": "n8n-nodes-base.stickyNote",
"position": [
-1720,
1260
],
"parameters": {
"width": 1071.752021563343,
"height": 285.66037735849045,
"content": "## Scrape latest Paul Graham essays"
},
"typeVersion": 1
},
{
"id": "aa855d7c-6602-4242-bc84-56fed7c27c26",
"name": "Sticky Note1",
"type": "n8n-nodes-base.stickyNote",
"position": [
-600,
1260
],
"parameters": {
"width": 625,
"height": 607,
"content": "## Summarize them with GPT"
},
"typeVersion": 1
},
{
"id": "1a38e545-6d3b-40b2-a3ff-6f91fdd772de",
"name": "Fetch Essay List",
"type": "n8n-nodes-base.httpRequest",
"position": [
-1640,
1380
],
"parameters": {
"url": "http://www.paulgraham.com/articles.html",
"options": {}
},
"typeVersion": 4.2
},
{
"id": "bd713892-356b-4a9c-b076-000bd4f1f1ba",
"name": "OpenAI Chat Model",
"type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
"position": [
-380,
1600
],
"parameters": {
"model": {
"__rl": true,
"mode": "list",
"value": "gpt-4o-mini"
},
"options": {}
},
"credentials": {
"openAiApi": {
"id": "8gccIjcuf3gvaoEr",
"name": "OpenAi account"
}
},
"typeVersion": 1.2
},
{
"id": "4d7359ab-ba87-4756-8168-f2b987aac2fc",
"name": "Extract essay names",
"type": "n8n-nodes-base.html",
"position": [
-1440,
1380
],
"parameters": {
"options": {},
"operation": "extractHtmlContent",
"extractionValues": {
"values": [
{
"key": "essay",
"attribute": "href",
"cssSelector": "table table a",
"returnArray": true,
"returnValue": "attribute"
}
]
}
},
"typeVersion": 1.2
},
{
"id": "8342d13f-879d-426b-ba28-ab696dd7f155",
"name": "Split out into items",
"type": "n8n-nodes-base.splitOut",
"position": [
-1240,
1380
],
"parameters": {
"options": {},
"fieldToSplitOut": "essay"
},
"typeVersion": 1
},
{
"id": "a057d3cb-b7fb-4b4d-810a-e4de3ac10702",
"name": "Fetch essay texts",
"type": "n8n-nodes-base.httpRequest",
"position": [
-840,
1380
],
"parameters": {
"url": "=http://www.paulgraham.com/{{ $json.essay }}",
"options": {}
},
"typeVersion": 4.2
},
{
"id": "98164d8c-3d6f-485d-93b6-1da3e8ae7ca8",
"name": "Extract title",
"type": "n8n-nodes-base.html",
"position": [
-340,
1080
],
"parameters": {
"options": {},
"operation": "extractHtmlContent",
"extractionValues": {
"values": [
{
"key": "title",
"cssSelector": "title"
}
]
}
},
"typeVersion": 1.2
},
{
"id": "fc0b6230-d169-4b20-803b-1896982c37c3",
"name": "Summarization Chain",
"type": "@n8n/n8n-nodes-langchain.chainSummarization",
"position": [
-340,
1380
],
"parameters": {
"options": {},
"operationMode": "documentLoader"
},
"typeVersion": 2
},
{
"id": "a656524a-9f77-4922-9de7-e2221ac82b70",
"name": "Clean up",
"type": "n8n-nodes-base.set",
"position": [
360,
1380
],
"parameters": {
"options": {},
"assignments": {
"assignments": [
{
"id": "7b337b47-a1c6-470e-881f-0c038b4917e5",
"name": "title",
"type": "string",
"value": "={{ $json.title }}"
},
{
"id": "ca820521-4fff-4971-84b5-e6e2dbd8bb7a",
"name": "summary",
"type": "string",
"value": "={{ $json.response.text }}"
},
{
"id": "0fd9b5e3-44dd-49a3-82c1-3a4aa4698376",
"name": "url",
"type": "string",
"value": "=http://www.paulgraham.com/{{ $('Limit to first 3').first().json.essay }}"
}
]
}
},
"typeVersion": 3.4
},
{
"id": "da738af0-7302-442d-bdc8-c9771be10794",
"name": "Merge",
"type": "n8n-nodes-base.merge",
"position": [
160,
1380
],
"parameters": {
"mode": "combine",
"options": {},
"combineBy": "combineByPosition"
},
"typeVersion": 3
},
{
"id": "adf51f27-8d3e-49a8-b850-7990d355dc81",
"name": "Default Data Loader",
"type": "@n8n/n8n-nodes-langchain.documentDefaultDataLoader",
"position": [
-260,
1600
],
"parameters": {
"options": {},
"jsonData": "={{ $('Extract Text Only').item.json.data }}",
"jsonMode": "expressionData"
},
"typeVersion": 1
},
{
"id": "f57c5908-4ae3-4ce1-a74b-0fc393792c21",
"name": "Recursive Character Text Splitter",
"type": "@n8n/n8n-nodes-langchain.textSplitterRecursiveCharacterTextSplitter",
"position": [
-180,
1720
],
"parameters": {
"options": {},
"chunkSize": 6000
},
"typeVersion": 1
},
{
"id": "278eed78-3489-41e3-b4d2-a2de788fcd21",
"name": "Limit to first 3",
"type": "n8n-nodes-base.limit",
"position": [
-1040,
1380
],
"parameters": {
"maxItems": 3
},
"typeVersion": 1
},
{
"id": "028147d1-2a45-416d-91d0-40a0af2747f5",
"name": "Extract Text Only",
"type": "n8n-nodes-base.html",
"position": [
-520,
1380
],
"parameters": {
"options": {},
"operation": "extractHtmlContent",
"extractionValues": {
"values": [
{
"key": "data",
"cssSelector": "body",
"skipSelectors": "img,nav"
}
]
}
},
"typeVersion": 1.2
}
],
"pinData": {},
"connections": {
"Merge": {
"main": [
[
{
"node": "Clean up",
"type": "main",
"index": 0
}
]
]
},
"Extract title": {
"main": [
[
{
"node": "Merge",
"type": "main",
"index": 0
}
]
]
},
"Fetch Essay List": {
"main": [
[
{
"node": "Extract essay names",
"type": "main",
"index": 0
}
]
]
},
"Limit to first 3": {
"main": [
[
{
"node": "Fetch essay texts",
"type": "main",
"index": 0
}
]
]
},
"Extract Text Only": {
"main": [
[
{
"node": "Summarization Chain",
"type": "main",
"index": 0
}
]
]
},
"Fetch essay texts": {
"main": [
[
{
"node": "Extract title",
"type": "main",
"index": 0
},
{
"node": "Extract Text Only",
"type": "main",
"index": 0
}
]
]
},
"OpenAI Chat Model": {
"ai_languageModel": [
[
{
"node": "Summarization Chain",
"type": "ai_languageModel",
"index": 0
}
]
]
},
"Default Data Loader": {
"ai_document": [
[
{
"node": "Summarization Chain",
"type": "ai_document",
"index": 0
}
]
]
},
"Extract essay names": {
"main": [
[
{
"node": "Split out into items",
"type": "main",
"index": 0
}
]
]
},
"Summarization Chain": {
"main": [
[
{
"node": "Merge",
"type": "main",
"index": 1
}
]
]
},
"Split out into items": {
"main": [
[
{
"node": "Limit to first 3",
"type": "main",
"index": 0
}
]
]
},
"When clicking \"Execute Workflow\"": {
"main": [
[
{
"node": "Fetch Essay List",
"type": "main",
"index": 0
}
]
]
},
"Recursive Character Text Splitter": {
"ai_textSplitter": [
[
{
"node": "Default Data Loader",
"type": "ai_textSplitter",
"index": 0
}
]
]
}
}
}Workflow n8n OpenAI, génération de contenu, éducation : pour qui est ce workflow ?
Ce workflow s'adresse principalement aux équipes de recherche, aux éducateurs et aux professionnels du contenu qui cherchent à automatiser la génération de résumés d'essais. Il est conçu pour des utilisateurs ayant un niveau technique intermédiaire, capables d'interagir avec des outils d'automatisation comme n8n.
Workflow n8n OpenAI, génération de contenu, éducation : problème résolu
Ce workflow résout le problème de la lenteur et de l'inefficacité dans la recherche et la synthèse d'essais. Les utilisateurs n'ont plus besoin de passer des heures à lire et à résumer manuellement des documents, ce qui réduit le risque d'erreurs humaines et améliore la qualité des résumés. Après la mise en place de ce workflow, les utilisateurs peuvent obtenir des résumés précis et concis en quelques clics, augmentant ainsi leur productivité.
Workflow n8n OpenAI, génération de contenu, éducation : étapes du workflow
Étape 1 : Le workflow commence par un déclencheur manuel qui permet à l'utilisateur de lancer le processus.
- Étape 1 : Il utilise un nœud HTTP pour récupérer la liste des essais disponibles.
- Étape 2 : Les titres des essais sont extraits grâce à un nœud d'extraction HTML.
- Étape 3 : Le texte des essais est également récupéré via un autre nœud HTTP.
- Étape 4 : Les titres et textes sont ensuite traités par le modèle de chat OpenAI pour générer des résumés.
- Étape 5 : Les résultats sont nettoyés et formatés pour une présentation claire.
- Étape 6 : Enfin, les résumés sont limités aux trois premiers résultats pour une consultation rapide.
Workflow n8n OpenAI, génération de contenu, éducation : guide de personnalisation
Pour personnaliser ce workflow, vous pouvez modifier l'URL des nœuds HTTP pour pointer vers vos propres sources d'essais. Il est également possible d'ajuster les paramètres du modèle OpenAI pour adapter le style et la longueur des résumés générés. Pour intégrer d'autres outils, envisagez d'ajouter des nœuds supplémentaires pour envoyer les résumés par email ou les stocker dans Google Sheets. Assurez-vous de sécuriser le flux en configurant correctement les autorisations d'accès aux API utilisées.