1. Manuelles Triggern des Workflows
Name: When clicking “Execute Workflow”
Typ: Manual Trigger
Beschreibung: Dieser Knoten startet den gesamten Workflow, wenn der Benutzer auf die Schaltfläche „Workflow Ausführen“ klickt.
2. Podcast-Episoden-Transkript
Name: Podcast Episode Transcript
Typ: Code
Beschreibung: Hier wird der Transkripttext des aktuellen Podcasts als JSON zurückgegeben. Der Text enthält eine detaillierte Diskussion über Bewusstsein und Philosophie.
3. Eingabe zum JSON-Dokument des Workflows
Name: Workflow Input to JSON Document
Typ: JSON Dokumenten-Loader
Beschreibung: Dieser Knoten lädt den Transkriptdaten in ein JSON-Format, das für die weitere Verarbeitung verwendet werden kann.
4. Rekursiver Text-Splitter
Name: Recursive Character Text Splitter
Typ: Text-Splitter
Beschreibung: Dieser Knoten zerlegt den Transkripttext in kleinere Abschnitte, damit sie leichter verarbeitet werden können. Der Abschnitt hat eine maximale Größe von 6000 Zeichen mit einem Überlapp von 1000 Zeichen.
5. Sticky Note
Name: Sticky Note
Typ: Sticky Note
Beschreibung: Dies ist eine Hilfsnotiz, die beschreibt, dass die Transkripte in Teile zerlegt und überarbeitet werden sollten.
6. Themen
Name: Topics
Typ: Item List
Beschreibung: Hier werden die Themen aus dem Transkript extrahiert, um sie später zu analysieren.
7. Zusammenfassen des Transkripts
Name: Summarize Transcript
Typ: Chain Summarization
Beschreibung: Dieser Knoten fasst das Transkript zusammen und gibt eine kürzere, verständliche Version des Inhalts zurück.
8. GPT 4 – Extrahieren
Name: GPT 4 – Extract
Typ: OpenAI GPT-4
Beschreibung: Hier wird GPT-4 verwendet, um relevante Informationen aus dem Inhalt zu extrahieren. Es wird eine Temperatur von 0,8 verwendet, um kreativen Output zu fördern.
9. Wikipedia1
Name: Wikipedia1
Typ: Wikipedia Tool
Beschreibung: Dieser Knoten wird verwendet, um relevante Informationen zu den extrahierten Themen aus Wikipedia abzurufen und zu erklären.
10. Sticky Note1
Name: Sticky Note1
Typ: Sticky Note
Beschreibung: Eine weitere Hilfsnotiz, die darauf hinweist, dass Fragen und Themen aus der Zusammenfassung generiert werden sollen.
11. Senden des Digeasts
Name: Send Digest
Typ: Gmail
Beschreibung: Hier wird der zusammengefasste Podcast-Digest per E-Mail an den angegebenen Empfänger gesendet. Die E-Mail enthält die Zusammenfassung und relevante Themen.
12. Sticky Note3
Name: Sticky Note3
Typ: Sticky Note
Beschreibung: Diese Notiz ermutigt zur Erforschung und Erklärung jedes Themas mit Wikipedia.
13. Formatieren von Thema-Text und Titel
Name: Format topic text & title
Typ: Code
Beschreibung: In diesem Knoten werden die Themen und Fragen für die E-Mail formatiert. Er sorgt dafür, dass die Präsentation ansprechend ist.
14. Strukturierter Ausgabeparser
Name: Structured Output Parser
Typ: Output Parser
Beschreibung: Dieser Knoten analysiert die von GPT-4 zurückgegebenen strukturierten Daten, um sicherzustellen, dass sie dem erforderlichen Schema entsprechen.
15. Extrahieren von Themen & Fragen
Name: Extract Topics & Questions
Typ: Chain für LLM
Beschreibung: Hier werden relevante Fragen und weitere Themen erstellt, die basierend auf der Podcast-Zusammenfassung von GPT generiert werden.
16. GPT 3.5 – Forschung
Name: GPT3.5 – Research
Typ: OpenAI GPT-3.5
Beschreibung: Dieser Knoten verwendet GPT-3.5, um umfassende Erklärungen zu den Extrahierten Themen zu erstellen.
17. GPT 3.5 – Zusammenfassen
Name: GPT3.5 – Summarize
Typ: OpenAI GPT-3.5
Beschreibung: Eine weitere Anwendung des GPT-3.5 Modells, um verschiedene Abschnitte des Transkripts zusammenzufassen.
18. Sticky Note4
Name: Sticky Note4
Typ: Sticky Note
Beschreibung: Diese Notiz stellt fest, dass das Formatieren und Senden der Ausgabe über Gmail noch aussteht.
19. Forschungs- und Erläuterungsthemen
Name: Research & Explain Topics
Typ: Agent
Beschreibung: Hier wird ein OpenAI-Agent verwendet, um die Themen basierend auf dem Kontext der Zusammenfassung zu erläutern.
Ergebnis
Am Ende dieses Workflows erhält der Benutzer eine aufbereitete E-Mail mit einer Zusammenfassung, den wichtigsten Themen und zugehörigen Fragen zu einer bestimmten Podcast-Episode. Dies vereinfacht das Verständnis und die Weiterverarbeitung des Inhalts erheblich.
