Automatisation Notion avec n8n : intégration de données Hugging Face
Ce workflow n8n a pour objectif d'automatiser l'intégration de données provenant de Hugging Face vers Notion, facilitant ainsi la gestion et l'analyse des publications scientifiques. Dans un contexte où les chercheurs et les professionnels du secteur technologique ont besoin de centraliser des informations pertinentes, ce processus permet de récupérer des articles, d'en extraire des résumés et de les stocker directement dans Notion. Cela simplifie la documentation et améliore l'accès à l'information. Étape 1 : Le workflow débute par un déclencheur programmé qui active le processus à intervalles réguliers. Étape 2 : Ensuite, une condition vérifie si des articles doivent être traités. Si c'est le cas, les articles sont traités en lots. Étape 3 : Pour chaque article, une requête HTTP est envoyée à Hugging Face pour récupérer les données de l'article. Étape 4 : Les informations sont ensuite extraites et vérifiées pour s'assurer qu'elles existent déjà dans Notion. Étape 5 : Si l'article n'est pas présent, un autre appel HTTP est effectué pour obtenir des détails supplémentaires. Étape 6 : Un résumé est généré à l'aide de l'analyse d'OpenAI, puis stocké dans Notion. Les bénéfices de ce workflow incluent une réduction significative du temps consacré à la recherche et à la documentation, ainsi qu'une amélioration de l'organisation des connaissances au sein des équipes de recherche. En automatisant ce processus, les utilisateurs peuvent se concentrer sur des tâches à plus forte valeur ajoutée. Tags clés : automatisation, Hugging Face, Notion.
Vue d'ensemble du workflow n8n
Schéma des nœuds et connexions de ce workflow n8n, généré à partir du JSON n8n.
Détail des nœuds du workflow n8n
Inscris-toi pour voir l'intégralité du workflow
Inscription gratuite
S'inscrire gratuitementBesoin d'aide ?{
"id": "FU3MrLkaTHmfdG4n",
"meta": {
"instanceId": "3294023dd650d95df294922b9d55d174ef26f4a2e6cce97c8a4ab5f98f5b8c7b",
"templateCredsSetupCompleted": true
},
"name": "Hugging Face to Notion",
"tags": [],
"nodes": [
{
"id": "32d5bfee-97f1-4e92-b62e-d09bdd9c3821",
"name": "Schedule Trigger",
"type": "n8n-nodes-base.scheduleTrigger",
"position": [
-2640,
-300
],
"parameters": {
"rule": {
"interval": [
{
"field": "weeks",
"triggerAtDay": [
1,
2,
3,
4,
5
],
"triggerAtHour": 8
}
]
}
},
"typeVersion": 1.2
},
{
"id": "b1f4078e-ac77-47ec-995c-f52fd98fafef",
"name": "If",
"type": "n8n-nodes-base.if",
"position": [
-1360,
-280
],
"parameters": {
"options": {},
"conditions": {
"options": {
"version": 2,
"leftValue": "",
"caseSensitive": true,
"typeValidation": "strict"
},
"combinator": "and",
"conditions": [
{
"id": "7094d6db-1fa7-4b59-91cf-6bbd5b5f067e",
"operator": {
"type": "object",
"operation": "empty",
"singleValue": true
},
"leftValue": "={{ $json }}",
"rightValue": ""
}
]
}
},
"typeVersion": 2.2
},
{
"id": "afac08e1-b629-4467-86ef-907e4a5e8841",
"name": "Loop Over Items",
"type": "n8n-nodes-base.splitInBatches",
"position": [
-1760,
-300
],
"parameters": {
"options": {
"reset": false
}
},
"typeVersion": 3
},
{
"id": "807ba450-9c89-4f88-aa84-91f43e3adfc6",
"name": "Split Out",
"type": "n8n-nodes-base.splitOut",
"position": [
-1960,
-300
],
"parameters": {
"options": {},
"fieldToSplitOut": "url, url"
},
"typeVersion": 1
},
{
"id": "08dd3f15-2030-48f2-ab0f-f85f797268e1",
"name": "Request Hugging Face Paper",
"type": "n8n-nodes-base.httpRequest",
"position": [
-2440,
-300
],
"parameters": {
"url": "https://huggingface.co/papers",
"options": {},
"sendQuery": true,
"queryParameters": {
"parameters": [
{
"name": "date",
"value": "={{ $now.minus(1,'days').format('yyyy-MM-dd') }}"
}
]
}
},
"typeVersion": 4.2
},
{
"id": "f37ba769-d881-4aad-927d-ca1f4a68b9a1",
"name": "Extract Hugging Face Paper",
"type": "n8n-nodes-base.html",
"position": [
-2200,
-300
],
"parameters": {
"options": {},
"operation": "extractHtmlContent",
"extractionValues": {
"values": [
{
"key": "url",
"attribute": "href",
"cssSelector": ".line-clamp-3",
"returnArray": true,
"returnValue": "attribute"
}
]
}
},
"typeVersion": 1.2
},
{
"id": "94ba99bf-a33b-4311-a4e6-86490e1bb9ad",
"name": "Check Paper URL Existed",
"type": "n8n-nodes-base.notion",
"position": [
-1540,
-280
],
"parameters": {
"filters": {
"conditions": [
{
"key": "URL|url",
"urlValue": "={{ 'https://huggingface.co'+$json.url }}",
"condition": "equals"
}
]
},
"options": {},
"resource": "databasePage",
"operation": "getAll",
"databaseId": {
"__rl": true,
"mode": "list",
"value": "17b67aba-1fcc-80ae-baa1-d88ffda7ae83",
"cachedResultUrl": "https://www.notion.so/17b67aba1fcc80aebaa1d88ffda7ae83",
"cachedResultName": "huggingface-abstract"
},
"filterType": "manual"
},
"credentials": {
"notionApi": {
"id": "I5KdUzwhWnphQ862",
"name": "notion"
}
},
"typeVersion": 2.2,
"alwaysOutputData": true
},
{
"id": "ece8dee2-e444-4557-aad9-5bdcb5ecd756",
"name": "Request Hugging Face Paper Detail",
"type": "n8n-nodes-base.httpRequest",
"position": [
-1080,
-300
],
"parameters": {
"url": "={{ 'https://huggingface.co'+$('Split Out').item.json.url }}",
"options": {}
},
"typeVersion": 4.2
},
{
"id": "53b266fe-e7c4-4820-92eb-78a6ba7a6430",
"name": "OpenAI Analysis Abstract",
"type": "@n8n/n8n-nodes-langchain.openAi",
"position": [
-640,
-300
],
"parameters": {
"modelId": {
"__rl": true,
"mode": "list",
"value": "gpt-4o-2024-11-20",
"cachedResultName": "GPT-4O-2024-11-20"
},
"options": {},
"messages": {
"values": [
{
"role": "system",
"content": "Extract the following key details from the paper abstract:\n\nCore Introduction: Summarize the main contributions and objectives of the paper, highlighting its innovations and significance.\nKeyword Extraction: List 2-5 keywords that best represent the research direction and techniques of the paper.\nKey Data and Results: Extract important performance metrics, comparison results, and the paper's advantages over other studies.\nTechnical Details: Provide a brief overview of the methods, optimization techniques, and datasets mentioned in the paper.\nClassification: Assign an appropriate academic classification based on the content of the paper.\n\n\nOutput as json：\n{\n \"Core_Introduction\": \"PaSa is an advanced Paper Search agent powered by large language models that can autonomously perform a series of decisions (including invoking search tools, reading papers, and selecting relevant references) to provide comprehensive and accurate results for complex academic queries.\",\n \"Keywords\": [\n \"Paper Search Agent\",\n \"Large Language Models\",\n \"Reinforcement Learning\",\n \"Academic Queries\",\n \"Performance Benchmarking\"\n ],\n \"Data_and_Results\": \"PaSa outperforms existing baselines (such as Google, GPT-4, chatGPT) in tests using AutoScholarQuery (35k academic queries) and RealScholarQuery (real-world academic queries). For example, PaSa-7B exceeds Google with GPT-4o by 37.78% in recall@20 and 39.90% in recall@50.\",\n \"Technical_Details\": \"PaSa is optimized using reinforcement learning with the AutoScholarQuery synthetic dataset, demonstrating superior performance in multiple benchmarks.\",\n \"Classification\": [\n \"Artificial Intelligence (AI)\",\n \"Academic Search and Information Retrieval\",\n \"Natural Language Processing (NLP)\",\n \"Reinforcement Learning\"\n ]\n}\n```"
},
{
"content": "={{ $json.abstract }}"
}
]
},
"jsonOutput": true
},
"credentials": {
"openAiApi": {
"id": "LmLcxHwbzZNWxqY6",
"name": "Unnamed credential"
}
},
"typeVersion": 1.8
},
{
"id": "f491cd7f-598e-46fd-b80c-04cfa9766dfd",
"name": "Store Abstract Notion",
"type": "n8n-nodes-base.notion",
"position": [
-300,
-300
],
"parameters": {
"options": {},
"resource": "databasePage",
"databaseId": {
"__rl": true,
"mode": "list",
"value": "17b67aba-1fcc-80ae-baa1-d88ffda7ae83",
"cachedResultUrl": "https://www.notion.so/17b67aba1fcc80aebaa1d88ffda7ae83",
"cachedResultName": "huggingface-abstract"
},
"propertiesUi": {
"propertyValues": [
{
"key": "URL|url",
"urlValue": "={{ 'https://huggingface.co'+$('Split Out').item.json.url }}"
},
{
"key": "title|title",
"title": "={{ $('Extract Hugging Face Paper Abstract').item.json.title }}"
},
{
"key": "abstract|rich_text",
"textContent": "={{ $('Extract Hugging Face Paper Abstract').item.json.abstract.substring(0,2000) }}"
},
{
"key": "scrap-date|date",
"date": "={{ $today.format('yyyy-MM-dd') }}",
"includeTime": false
},
{
"key": "Classification|rich_text",
"textContent": "={{ $json.message.content.Classification.join(',') }}"
},
{
"key": "Technical_Details|rich_text",
"textContent": "={{ $json.message.content.Technical_Details }}"
},
{
"key": "Data_and_Results|rich_text",
"textContent": "={{ $json.message.content.Data_and_Results }}"
},
{
"key": "keywords|rich_text",
"textContent": "={{ $json.message.content.Keywords.join(',') }}"
},
{
"key": "Core Introduction|rich_text",
"textContent": "={{ $json.message.content.Core_Introduction }}"
}
]
}
},
"credentials": {
"notionApi": {
"id": "I5KdUzwhWnphQ862",
"name": "notion"
}
},
"typeVersion": 2.2
},
{
"id": "d5816a1c-d1fa-4be2-8088-57fbf68e6b43",
"name": "Extract Hugging Face Paper Abstract",
"type": "n8n-nodes-base.html",
"position": [
-840,
-300
],
"parameters": {
"options": {},
"operation": "extractHtmlContent",
"extractionValues": {
"values": [
{
"key": "abstract",
"cssSelector": ".text-gray-700"
},
{
"key": "title",
"cssSelector": ".text-2xl"
}
]
}
},
"typeVersion": 1.2
}
],
"active": true,
"pinData": {},
"settings": {
"executionOrder": "v1"
},
"versionId": "4b0ec2a3-253d-46d5-a4d4-1d9ff21ba4a3",
"connections": {
"If": {
"main": [
[
{
"node": "Request Hugging Face Paper Detail",
"type": "main",
"index": 0
}
],
[
{
"node": "Loop Over Items",
"type": "main",
"index": 0
}
]
]
},
"Split Out": {
"main": [
[
{
"node": "Loop Over Items",
"type": "main",
"index": 0
}
]
]
},
"Loop Over Items": {
"main": [
[],
[
{
"node": "Check Paper URL Existed",
"type": "main",
"index": 0
}
]
]
},
"Schedule Trigger": {
"main": [
[
{
"node": "Request Hugging Face Paper",
"type": "main",
"index": 0
}
]
]
},
"Store Abstract Notion": {
"main": [
[
{
"node": "Loop Over Items",
"type": "main",
"index": 0
}
]
]
},
"Check Paper URL Existed": {
"main": [
[
{
"node": "If",
"type": "main",
"index": 0
}
]
]
},
"OpenAI Analysis Abstract": {
"main": [
[
{
"node": "Store Abstract Notion",
"type": "main",
"index": 0
}
]
]
},
"Extract Hugging Face Paper": {
"main": [
[
{
"node": "Split Out",
"type": "main",
"index": 0
}
]
]
},
"Request Hugging Face Paper": {
"main": [
[
{
"node": "Extract Hugging Face Paper",
"type": "main",
"index": 0
}
]
]
},
"Request Hugging Face Paper Detail": {
"main": [
[
{
"node": "Extract Hugging Face Paper Abstract",
"type": "main",
"index": 0
}
]
]
},
"Extract Hugging Face Paper Abstract": {
"main": [
[
{
"node": "OpenAI Analysis Abstract",
"type": "main",
"index": 0
}
]
]
}
}
}Pour qui est ce workflow ?
Ce workflow s'adresse aux chercheurs, aux équipes de développement et aux professionnels de l'innovation qui utilisent Notion pour gérer leurs projets. Il est idéal pour les entreprises de taille moyenne à grande qui cherchent à automatiser la collecte et l'organisation d'informations scientifiques.
Problème résolu
Ce workflow résout le problème de la gestion manuelle des données provenant de Hugging Face, qui peut être chronophage et sujette à des erreurs. En automatisant le processus d'extraction et de stockage des articles, les utilisateurs éliminent les frustrations liées à la recherche manuelle d'informations et à la mise à jour des bases de données. Le résultat est une base de données Notion toujours à jour, facilitant l'accès à des informations critiques.
Étapes du workflow
Étape 1 : Le workflow est déclenché par un événement programmé. Étape 2 : Une condition vérifie si des articles doivent être traités. Étape 3 : Les articles sont traités en lots. Étape 4 : Une requête HTTP est envoyée à Hugging Face pour récupérer les données. Étape 5 : Les informations sont extraites et vérifiées dans Notion. Étape 6 : Si l'article n'existe pas, des détails supplémentaires sont demandés. Étape 7 : Un résumé est généré par OpenAI et stocké dans Notion.
Guide de personnalisation du workflow n8n
Pour personnaliser ce workflow, vous pouvez modifier l'URL de la requête HTTP pour pointer vers d'autres ressources de Hugging Face. Ajustez également les paramètres de la condition pour filtrer les articles selon vos besoins spécifiques. Si vous souhaitez intégrer d'autres outils, envisagez d'ajouter des noeuds supplémentaires pour enrichir les données avant de les stocker dans Notion. Assurez-vous de sécuriser vos clés API et de surveiller les performances du flux pour garantir son bon fonctionnement.