Einführung in den Workflow
Dieser n8n-Workflow besteht aus mehreren Knoten, die zusammenarbeiten, um Text zu analysieren und die darin enthaltenen Fakten zu überprüfen. Jeder Knoten hat spezifische Aufgaben, die dazu beitragen, das endgültige Ziel zu erreichen – die Verarbeitung der Texteingabe und die Zusammenstellung von Informationen in einer strukturierten Form.
Knotenübersicht
1. Knoten: Code
- Typ: Code
- Funktion: Dieser Knoten verarbeitet den Eingabetext und teilt ihn in vollständige Sätze auf. Die Funktion stellt sicher, dass der Text nicht leer ist und zerlegt den Text an den Satzenden unter Beachtung von Datumsangaben und Auflistungen.
- Einstellungen: Die Parameter des Knotens umfassen den Modus runOnceForEachItem, was bedeutet, dass der Code für jedes Element in den Eingabedaten einmal ausgeführt wird. Der wichtige JavaScript-Code verarbeitet den Text entsprechend.
2. Knoten: Split Out1
- Typ: Split Out
- Funktion: Dieser Knoten trennt die Sätze, die im vorherigen Knoten erstellt wurden, und bereitet sie für die weitere Verarbeitung vor.
- Einstellungen: Der Zielbereich für die Trennung wird als claim festgelegt, und die Quelle, die gesplittet wird, ist das Feld sentences.
3. Knoten: Basic LLM Chain4
- Typ: LLM Chain
- Funktion: Nutzt ein KI-Modell zur Analyse von Ansprüchen im bereitgestellten Text. Es nimmt Sätze und Fakten entgegen, um deren Richtigkeit zu überprüfen.
- Einstellungen: Der Textparameter wird dynamisch aus der vorherigen Merge-Ausgabe erstellt, wobei sowohl Dokumentfakten als auch Ansprüche kombiniert werden.
4. Knoten: Ollama Chat Model
- Typ: LLM Chat
- Funktion: Dieser Knoten interagiert mit dem spezifischen KI-Modell, das für Chat-Anwendungen ausgelegt ist und zur Verarbeitung der Inhalte verwendet wird.
- Einstellungen: Der verwendete Modellname ist bespoke-minicheck:latest, und es sind keine zusätzlichen Optionen gesetzt, was die Basisparameter des Modells nutzt.
5. Knoten: When clicking ‘Test workflow’
- Typ: Manual Trigger
- Funktion: Dieser Knoten ermöglicht es dem Benutzer, den Workflow manuell zu starten, beispielsweise für Tests.
- Einstellungen: Keine spezifischen Parameter erforderlich.
6. Knoten: Edit Fields
- Typ: Set
- Funktion: Dieser Knoten definiert die Eingabefelder wie facts und text, die in den vorherigen Knoten verwendet werden.
- Einstellungen: Enthält spezifische Zuweisungen für die beiden Felder mit vorgegebenen Textinhalten für die Analyse.
7. Knoten: Merge
- Typ: Merge
- Funktion: Kombiniert die Datenströme, die von den vorangegangenen Knoten kommen, um eine einheitliche Struktur für die Ausgabe zu schaffen.
- Einstellungen: Der Modus ist auf combine eingestellt, und die Kombination erfolgt durch die Position der Daten.
8. Knoten: Filter
- Typ: Filter
- Funktion: Dieser Knoten filtert die Inhalte, um nur relevante Informationen für die weitere Verarbeitung zu behalten.
- Einstellungen: Die Bedingungen sind so konfiguriert, dass nur Sätze, die keine Fakten enthalten, erhalten bleiben.
9. Knoten: When Executed by Another Workflow
- Typ: Execute Workflow Trigger
- Funktion: Ermöglicht es anderen Workflows, diesen Workflow anzusprechen und Eingabewerte bereitzustellen.
- Einstellungen: Erwartet die spezifischen Eingaben facts und text.
10. Knoten: Aggregate
- Typ: Aggregate
- Funktion: Dieser Knoten aggregiert die gesammelten Daten, um eine Zusammenfassung der von der KI generierten Analysen zu erstellen.
- Einstellungen: Keine speziellen Einstellungen erforderlich, der Aggregationsmodus ist aggregateAllItemData.
11. Knoten: Merge1
- Typ: Merge
- Funktion: Ein weiterer Merge-Knoten zur Verbindung von Eingaben Darin gesammelter Informationen wird verarbeitet.
- Einstellungen: Die Einstellungen sind ähnlich wie im vorherigen Merge-Knoten.
12. Knoten: Basic LLM Chain
- Typ: LLM Chain
- Funktion: Dies ist die Haupt-KI-Analyse, die die gewonnenen Ergebnisse bewertet und in einem strukturierten Format präsentiert.
- Einstellungen: Verwendet spezifische Anweisungen zur Analyse der Daten und zur Erstellung einer zusammenfassenden Bewertung.
13. Knoten: Ollama Model
- Typ: LLM
- Funktion: Aktives KI-Modell für tiefere Analysen der Texteingaben, when only the factual components are relevant.
- Einstellungen: Verwendet das Modell qwen2.5:1.5b für erweiterte Verarbeitung.
14. Knoten: Sticky Notes
- Typ: Sticky Note
- Funktion: Dient zur Dokumentation und Erklärung des Workflows, erleichtert das Verständnis der einzelnen Schritte.
- Einstellungen: Textinhalte variieren zur Beschreibung der jeweiligen Prozesse.
Ergebnis
Dieser Workflow zeigt, wie n8n verwendet werden kann, um Texterfassungs- und Faktenprüfungsprozesse zu automatisieren, was eine wertvolle Ressource für Content-Moderation und Informationsvalidierung sein kann.
