之前有介绍过一个自动化工作流：Get top5 on Product Hunt。也就是说每天定时通过邮件给你发送Product Hunt上的top5产品信息，帮你快速了解最新产品动态。（这一篇文章在这里：Get top5 on Product Hunt | n8n自动化工作流）
Product Hunt网站：https://www.producthunt.com/
每天收到的邮件信息：
那么问题来了，针对产品的大篇幅的评论，看起来比较耗时，我能否用AI模型，来整理评论的重要信息？比如是正面还是负面评价，评论里是否有用户的需求，是否有用户提出了产品建议之类的。 这样帮你了解产品趋势和用户想法也是非常有价值的。
比如在之前的表格下面，加一行AI的总结。
这就需要我们在n8n的流程上增加AI的节点，今天我们就来介绍下，如何在n8n使用AI节点，来达到我们分析评论的需求。
我们先说一下这个AI节点要如何配置。
其实n8n里也内置了不少AI的模型。
我们在新建节点里点击Advanced AI，就可以进行选择了。
选择后，通过API key连接上你的AI模型即可。
不过我们今天不通过这种方法来用AI模型（主要是这些模型我都没有充值渠道，没法用 o(╥﹏╥)o ）
我们直接用HTTP Request节点的方式来连接AI模型
这里我选择用阿里的通义千问AI模型来试试。因为通义千问的qwen-turbo模型，注册后的一个月内，提供了免费的1000000个token使用。还是很方便的。
官网：https://dashscope.console.aliyun.com/
在官网注册完成之后，创建一个API key，复制后妥善保管。
接下来我们通过API来使用通义千问。
可以参考API文档里的参数说明。
好的，那么我们在n8n的HTTP Request节点来配置
这几个配置项如下：
1、method：POST
2、URL：https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation 这个是AI模型的API地址
3、headers：把header的开关打开，需要配置两个参数
①name：Content-Type ；value：application/json
②name：Authorization ；value：Bearer [your api key]
4、body：把body的开关打开，body的类型选择json，然后在json的输入框内输入模型的信息。
这里需要两个字段：
model：数据类型是string，指定用于对话的通义千问模型名，如qwen-turbo
input：数据类型为object，输入模型的信息，这里重要是要输入prompt
大概得一个结构是这样的：
{
"model": "qwen-turbo",
"input": {
"prompt": "请输入你的prompt"
}
} 比如我先这样定义了我的prompt
{
"model": "qwen-turbo",
"input": {
"prompt": "以下是5个产品的产品名称Product Nam和对应的评论Comments {{ $json.escapedData }} .请对这5个产品的评论进行分析，分析内容包括：1.大家对该产品的整体评价是好还是坏。2.用户提到了哪些问题。3.用户提到了哪些需求或改进建议。4.请为每个产品给出一个总结性的结论。请用中文输出，并保持结构清晰."
}
} 注：{{ $json.escapedData }}是一个变量，数据是从前面节点中output出来的。 这里注意一定要是字符串的格式，不然整个json格式会有问题并且报错。
执行后大概是这样的一个效果：
这就是AI模型节点的一个配置方法。
然后我们看下其他节点的配置。
首先是prompt里的{{ $json.escapedData }}，因为是字符串格式，所以从一开始的GraphQL接口输出的数据，就要在过程中进行一些加工。
接下来分别来讲讲（我这几个节点稍微麻烦了一点，主要过程中的各种调试加多了几个code节点，其实可以再简洁一点，不过没关系，我先按这样来说明逻辑，有时间可以做一些简洁和优化）
1、获取产品信息，合并评论文本
这一步主要是想把每个产品中的评论都合并在一起，为了后面统一丢给AI去分析。
因为GraphQL接口输出的数据，评论字段是如下的结构，每个评论都在一个node对象里。
所以这一步主要想把每个产品里的node的数据都分别合并起来
// 确保从名为 'GraphQL' 的节点获取输出数据
const graphqlOutput = $node['GraphQL'].json.data.posts.edges;
// 遍历产品数组，提取每个产品的评论内容，并生成新的结构
return graphqlOutput.map(edge => {
const product = edge.node; // 访问产品节点
// 检查是否有评论，如果有则提取评论内容
const commentsText = product.comments.edges.map(commentEdge => {
return commentEdge.node.body; // 提取每条评论的文本内容
}).join(" "); // 将所有评论文本合并成一个字符串，使用空格分隔
// 返回一个新的对象，包含产品信息和合并的评论文本
return {
json: {
product, // 完整的产品信息
commentsText // 合并后的评论文本
}
};
});2、获取产品名称和评论
把产品名称和合并后的评论分别都提取出来。
return items.map(item => {
return {
json: {
productName: item.json.product.name,
commentsText: item.json.commentsText
}
};
});3、合并产品名称和评论，并去掉特殊字符
这一步把产品名称和评论合并在一起，并且把里面的特殊表情字符都去掉。
const serializedArray = items.map(item => {
const sanitizedComments = item.json.commentsText.replace(/[^a-zA-Z0-9\s.,]/g, '');
return `Product Name: "${item.json.productName}", Comments: "${sanitizedComments}"`;
});
const serializedData = serializedArray.join("; ");
return [
{
serializedData
}
];4、序列化内容，改为字符串格式
最后是需要把数据的格式改一下，变成字符串，后面给到AI模型节点，在prompt里面就不会出错。
// 获取输入数据
const items = $input.all();
// 创建一个空数组，用于存储处理后的数据
const result = [];
// 遍历每个输入项
items.forEach(item => {
// 提取 serializedData 字段
const serializedData = item.json.serializedData;
// 转义特殊字符并去掉外部的双引号
const escapedData = JSON.stringify(serializedData).slice(1, -1);
// 将处理后的数据添加到结果数组中
result.push({
json: {
escapedData
}
});
});
// 返回处理后的结果
return result;好了，这些处理完了，就回到我们一开始介绍的http节点来实现AI模型的调用。
调用完成后，我们用code节点把内容变成表格的样式，然后通过gmail发送即可。
修改output格式节点
return items.map(item => {
const product = $node['GraphQL'].json.data.posts.edges.map(edge => edge.node);
// 获取上一个 n8n 节点输出的文本内容
let textContent = $node['AI模型引用'].json.output.text;
// 做一些换行的操作，让文本看着更清晰一点
textContent = textContent
.replace(/#### /g, '<br>#### ')
.replace(/- \*\*/g, '<br>- **');
const tableRows = product.map(prod => {
const comments = prod.comments.edges.map((comment, index) => `${index + 1}. ${comment.node.body}`).join("<br>");
return `<tr>
<td>${prod.name}</td>
<td>${prod.tagline}</td>
<td>${prod.description}</td>
<td>${prod.votesCount}</td>
<td><a href="${prod.website}">${prod.website}</a></td>
<td>${comments}</td>
</tr>`;
}).join("");
// 在表格末尾追加一个合并的text列
const tableHTML = `
<table border="1">
<thead>
<tr>
<th>Name</th>
<th>Tagline</th>
<th>Description</th>
<th>Votes Count</th>
<th>Website</th>
<th>Comments</th>
</tr>
</thead>
<tbody>
${tableRows}
<tr>
<td colspan="6">${textContent}</td> <!-- 合并所有单元格的text列 -->
</tr>
</tbody>
</table>
`;
return {
json: {
tableHTML: tableHTML
}
};
});gmail节点的配置方法我这里就不详细说了，之前这一篇文章有介绍，需要的话可以看这里：Get top5 on Product Hunt | n8n自动化工作流）
那么到此，这个流程就配置完成了。
最后还是提醒一句，记得保存并且把运行开关打开。这样流程才会开始自动化运行。
