Automatisation n8n : recherche de contenu avec Perplexity
Ce workflow n8n a pour objectif d'automatiser la recherche de contenu à l'aide de l'API Perplexity. Il s'adresse aux équipes marketing et aux professionnels de la communication qui souhaitent optimiser leur processus de recherche d'informations pertinentes. En intégrant ce workflow, les utilisateurs peuvent facilement extraire des données et des insights en temps réel, ce qui leur permet de gagner du temps et d'améliorer leur efficacité. Le flux commence par un déclencheur 'When Executed by Another Workflow', permettant ainsi d'exécuter ce workflow à partir d'autres workflows n8n. Ensuite, les variables de prompt sont définies à l'aide du nœud 'Set Prompt Variables', où les options et les affectations sont configurées pour personnaliser la recherche. L'étape suivante, 'Extract API Response', permet d'extraire les réponses de l'API et de les préparer pour une utilisation ultérieure. Un aperçu du workflow est également fourni grâce au nœud 'Workflow Overview', qui donne une vision claire de la structure du processus. Enfin, le nœud 'Perplexity Research Content1' effectue une requête HTTP vers l'API de Perplexity pour récupérer le contenu recherché. En intégrant cette automatisation n8n, les entreprises peuvent réduire les délais de recherche et améliorer la qualité de leur contenu, tout en bénéficiant d'une solution scalable et efficace.
Workflow n8n contenu, recherche : vue d'ensemble
Schéma des nœuds et connexions de ce workflow n8n, généré à partir du JSON n8n.
Workflow n8n contenu, recherche : détail des nœuds
Inscris-toi pour voir l'intégralité du workflow
Inscription gratuite
S'inscrire gratuitementBesoin d'aide ?{
"id": "5uapJIjLLhwnhX0n",
"meta": {
"instanceId": "2b69b24ad1a51b447e1a0d6f8c70b16aca715ccfaf123eb531f92865766fce1c",
"templateCredsSetupCompleted": true
},
"name": "Perplexity Researcher",
"tags": [],
"nodes": [
{
"id": "5790066d-4157-4844-aeaa-47706140ed7a",
"name": "When Executed by Another Workflow",
"type": "n8n-nodes-base.executeWorkflowTrigger",
"notes": "Find the latest content related to the field/knowledge you are interested in.\nIn-depth materials to prepare for the writing section",
"position": [
-60,
-380
],
"parameters": {
"inputSource": "passthrough"
},
"typeVersion": 1.1
},
{
"id": "311eb2bf-3b79-46cf-abb1-9d90791167c3",
"name": "Set Prompt Variables",
"type": "n8n-nodes-base.set",
"position": [
220,
-380
],
"parameters": {
"options": {},
"assignments": {
"assignments": [
{
"id": "bab0ccff-a856-49d5-833b-80e65874475e",
"name": "System",
"type": "string",
"value": "Assisstant is a language model. Assistant is designed to be able to assist with a wide range of task, form answering simple question to providing in-depth explanations and discussions on a wide range of topics. As a language model, assistant is able to generate human-like text based on the imput it receives, allowing it to engage in natural-sounding evoling. It’s able to process and understand large amounts of text, and can use this knowledge to provide accurate and informative responses to a wide range of question. Additionally, Assistant is able to generate its own text based on the imput it receives, allowing it to engage in discussions and provide explanations and description on a wide range of topics. Overall, Assistant is a powerfull system that can help with a wide range of task and provide valuable insights and information on a wide range of topics. What you need help with a specific question or just want to have a conversation about a particular topic, Assistant is here to assist"
},
{
"id": "1a6d7638-e2a4-495c-92d4-e0626b676b18",
"name": "User",
"type": "string",
"value": "={{ $json.query }}"
}
]
}
},
"typeVersion": 3.4
},
{
"id": "4385053f-c9c8-4aae-b0d2-4cf7a7817164",
"name": "Extract API Response",
"type": "n8n-nodes-base.set",
"position": [
620,
-380
],
"parameters": {
"options": {},
"assignments": {
"assignments": [
{
"id": "c5869f36-70cb-439a-8ad0-0382b37f9798",
"name": "Respone Message Content",
"type": "string",
"value": "={{ $json.choices[0].message.content }}"
}
]
}
},
"typeVersion": 3.4
},
{
"id": "b8e3f54b-5148-4e04-a8b1-e3003a0ee128",
"name": "Workflow Overview",
"type": "n8n-nodes-base.stickyNote",
"position": [
-160,
-480
],
"parameters": {
"width": 1080,
"height": 300,
"content": "## Perplexity Research Workflow Overview\nThis workflow takes a user query, formats it using a system prompt, and sends it to the Perplexity AI Sonar model for search.\nResponses are extracted and returned as clean output."
},
"typeVersion": 1
},
{
"id": "7b77de3d-279a-4c33-b4c1-a796ab94a7fa",
"name": "Perplexity Research Content1",
"type": "n8n-nodes-base.httpRequest",
"position": [
420,
-380
],
"parameters": {
"url": "https://api.perplexity.ai/chat/completions",
"method": "POST",
"options": {},
"jsonBody": "={\n \"model\": \"sonar\",\n \"messages\": [\n {\n \"role\": \"system\",\n \"content\": \"{{ $json.System }}\"\n },\n {\n \"role\": \"user\",\n \"content\": \"{{ $json.User || $json.query || $json.question || $json['Research Query'] || 'No input provided' }}\"\n }\n ],\n \"max_tokens\": 4000,\n \"temperature\": 0.2,\n \"top_p\": 0.9,\n \"return_citations\": true,\n \"search_domain_filter\": [\n \"perplexity.ai\"\n ],\n \"return_images\": false,\n \"return_related_questions\": false,\n \"search_recency_filter\": \"month\",\n \"top_k\": 0,\n \"stream\": false,\n \"presence_penalty\": 0,\n \"frequency_penalty\": 1\n}\n\n",
"sendBody": true,
"specifyBody": "json",
"authentication": "genericCredentialType",
"genericAuthType": "httpHeaderAuth"
},
"credentials": {
"httpHeaderAuth": {
"id": "XTRc36olCHOn9XQP",
"name": "Header Auth account 2"
}
},
"notesInFlow": false,
"typeVersion": 4.2
}
],
"active": false,
"pinData": {},
"settings": {
"callerPolicy": "any",
"executionOrder": "v1"
},
"versionId": "d506eade-acc3-40ed-9dfc-909cdf373969",
"connections": {
"When Executed by Another Workflow": {
"main": [
[
{
"node": "Set Prompt Variables",
"type": "main",
"index": 0
}
]
]
}
}
}Workflow n8n contenu, recherche : pour qui est ce workflow ?
Ce workflow s'adresse principalement aux équipes marketing, aux professionnels de la communication et aux agences de contenu qui souhaitent automatiser leur processus de recherche d'informations. Il est adapté aux utilisateurs ayant un niveau technique intermédiaire et peut être utilisé par des entreprises de toutes tailles.
Workflow n8n contenu, recherche : problème résolu
Ce workflow résout le problème de la recherche manuelle d'informations en automatisant le processus via l'API Perplexity. Il élimine les frustrations liées à la collecte de données dispersées et réduit le temps consacré à la recherche d'informations pertinentes. Grâce à cette automatisation, les utilisateurs obtiennent des résultats rapides et fiables, ce qui leur permet de se concentrer sur des tâches à plus forte valeur ajoutée.
Workflow n8n contenu, recherche : étapes du workflow
Étape 1 : Le workflow est déclenché par un autre workflow via le nœud 'When Executed by Another Workflow'.
- Étape 1 : Les variables de prompt sont définies grâce au nœud 'Set Prompt Variables', où les options et les affectations sont configurées.
- Étape 2 : Les réponses de l'API sont extraites avec le nœud 'Extract API Response', préparant ainsi les données pour l'utilisation.
- Étape 3 : Un aperçu du workflow est fourni par le nœud 'Workflow Overview'.
- Étape 4 : Enfin, le nœud 'Perplexity Research Content1' effectue une requête HTTP pour récupérer le contenu recherché.
Workflow n8n contenu, recherche : guide de personnalisation
Pour personnaliser ce workflow, commencez par modifier les paramètres du nœud 'Set Prompt Variables' pour adapter les options de recherche à vos besoins spécifiques. Vous pouvez également ajuster l'URL et les paramètres de la requête dans le nœud 'Perplexity Research Content1' pour cibler des types de contenu particuliers. Si vous souhaitez intégrer d'autres outils, envisagez d'ajouter des nœuds supplémentaires pour traiter les données extraites. Assurez-vous de sécuriser votre flux en configurant les options d'authentification appropriées dans le nœud HTTP.