Monitoreo automatizado de artículos académicos, con vectores PDF, GPT-3.5 y notificaciones de Slack

Intermedio

Este es unPersonal Productivity, Multimodal AIflujo de automatización del dominio deautomatización que contiene 10 nodos.Utiliza principalmente nodos como Set, Code, Slack, OpenAi, EmailSend. Monitoreo automatizado de artículos académicos, con vectores PDF, GPT-3.5 y alertas de Slack

Requisitos previos
  • Bot Token de Slack o URL de Webhook
  • Clave de API de OpenAI
Vista previa del flujo de trabajo
Visualización de las conexiones entre nodos, con soporte para zoom y panorámica
Exportar flujo de trabajo
Copie la siguiente configuración JSON en n8n para importar y usar este flujo de trabajo
{
  "meta": {
    "instanceId": "placeholder"
  },
  "nodes": [
    {
      "id": "config-note",
      "name": "Configuración del Bot",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        250,
        150
      ],
      "parameters": {
        "content": "## Paper Monitoring Bot\n\nMonitors these topics:\n- Machine Learning\n- Neural Networks\n- Computer Vision\n\nRuns: Daily at 9 AM"
      },
      "typeVersion": 1
    },
    {
      "id": "schedule-trigger",
      "name": "Programación Diaria",
      "type": "n8n-nodes-base.scheduleTrigger",
      "position": [
        450,
        300
      ],
      "parameters": {
        "rule": {
          "interval": [
            {
              "field": "hours",
              "hoursInterval": 24,
              "triggerAtHour": 9
            }
          ]
        }
      },
      "typeVersion": 1
    },
    {
      "id": "set-params",
      "name": "Establecer Parámetros de Búsqueda",
      "type": "n8n-nodes-base.set",
      "position": [
        650,
        300
      ],
      "parameters": {
        "values": {
          "number": [
            {
              "name": "daysBack",
              "value": 1
            }
          ],
          "string": [
            {
              "name": "searchQueries",
              "value": "machine learning,neural networks,computer vision,deep learning"
            }
          ]
        }
      },
      "typeVersion": 1
    },
    {
      "id": "split-queries",
      "name": "Dividir Consultas",
      "type": "n8n-nodes-base.code",
      "position": [
        850,
        300
      ],
      "parameters": {
        "functionCode": "const queries = $json.searchQueries.split(',').map(q => q.trim());\nreturn queries.map(query => ({ query }));"
      },
      "typeVersion": 1
    },
    {
      "id": "pdfvector-search",
      "name": "PDF Vector - Buscar Nuevos Artículos",
      "type": "n8n-nodes-pdfvector.pdfVector",
      "position": [
        1050,
        300
      ],
      "parameters": {
        "limit": 10,
        "query": "={{ $json.query }}",
        "fields": [
          "title",
          "authors",
          "abstract",
          "date",
          "doi",
          "pdfUrl",
          "totalCitations"
        ],
        "resource": "academic",
        "yearFrom": "={{ new Date().getFullYear() }}",
        "operation": "search",
        "providers": [
          "arxiv",
          "pubmed",
          "semantic_scholar"
        ]
      },
      "typeVersion": 1
    },
    {
      "id": "filter-recent",
      "name": "Filtrar Artículos Recientes",
      "type": "n8n-nodes-base.code",
      "position": [
        1250,
        300
      ],
      "parameters": {
        "functionCode": "// Filter papers from last N days\nconst daysBack = $node['Set Search Parameters'].json.daysBack;\nconst cutoffDate = new Date();\ncutoffDate.setDate(cutoffDate.getDate() - daysBack);\n\nconst recentPapers = $json.filter(paper => {\n  const paperDate = new Date(paper.date);\n  return paperDate >= cutoffDate;\n});\n\nreturn recentPapers.length > 0 ? recentPapers : [];"
      },
      "typeVersion": 1
    },
    {
      "id": "summarize-paper",
      "name": "Generar Resumen",
      "type": "n8n-nodes-base.openAi",
      "position": [
        1450,
        300
      ],
      "parameters": {
        "model": "gpt-3.5-turbo",
        "messages": {
          "values": [
            {
              "content": "Summarize this research paper in 2-3 sentences:\n\nTitle: {{ $json.title }}\nAuthors: {{ $json.authors.join(', ') }}\nAbstract: {{ $json.abstract }}\n\nFocus on the main contribution and findings."
            }
          ]
        }
      },
      "typeVersion": 1
    },
    {
      "id": "format-digest",
      "name": "Formatear Resumen",
      "type": "n8n-nodes-base.code",
      "position": [
        1650,
        300
      ],
      "parameters": {
        "functionCode": "// Format papers for notification\nconst papers = $items().map(item => {\n  const paper = item.json;\n  return {\n    title: paper.title,\n    authors: paper.authors.slice(0, 3).join(', ') + (paper.authors.length > 3 ? ' et al.' : ''),\n    summary: paper.summary,\n    link: paper.doi ? `https://doi.org/${paper.doi}` : paper.url,\n    citations: paper.totalCitations || 0,\n    query: paper.originalQuery\n  };\n});\n\n// Group by query\nconst grouped = papers.reduce((acc, paper) => {\n  if (!acc[paper.query]) acc[paper.query] = [];\n  acc[paper.query].push(paper);\n  return acc;\n}, {});\n\nreturn { papers: grouped, totalCount: papers.length, date: new Date().toISOString() };"
      },
      "typeVersion": 1
    },
    {
      "id": "slack-notify",
      "name": "Enviar Alerta Slack",
      "type": "n8n-nodes-base.slack",
      "position": [
        1850,
        300
      ],
      "parameters": {
        "channel": "#research-alerts",
        "message": "=📚 *Daily Research Digest* - {{ $now.format('MMM DD, YYYY') }}\n\nFound {{ $json.totalCount }} new papers:\n\n{{ Object.entries($json.papers).map(([query, papers]) => `*${query}:*\\n${papers.map(p => `• ${p.title}\\n  _${p.authors}_\\n  ${p.summary}\\n  🔗 ${p.link}`).join('\\n\\n')}`).join('\\n\\n---\\n\\n') }}",
        "attachments": []
      },
      "typeVersion": 1
    },
    {
      "id": "email-digest",
      "name": "Resumen por Correo Electrónico",
      "type": "n8n-nodes-base.emailSend",
      "position": [
        1850,
        450
      ],
      "parameters": {
        "html": "=<h2>Daily Research Digest</h2>\n<p>Found {{ $json.totalCount }} new papers</p>\n\n{{ Object.entries($json.papers).map(([query, papers]) => \n  `<h3>${query}</h3>\n  ${papers.map(p => \n    `<div style=\"margin-bottom: 20px;\">\n      <h4>${p.title}</h4>\n      <p><em>${p.authors}</em></p>\n      <p>${p.summary}</p>\n      <p><a href=\"${p.link}\">Read Paper</a> | Citations: ${p.citations}</p>\n    </div>`\n  ).join('')}`\n).join('\\n') }}",
        "subject": "=Daily Research Digest - {{ $now.format('MMM DD, YYYY') }}",
        "toEmail": "research-team@company.com"
      },
      "typeVersion": 1
    }
  ],
  "connections": {
    "format-digest": {
      "main": [
        [
          {
            "node": "slack-notify",
            "type": "main",
            "index": 0
          },
          {
            "node": "email-digest",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "split-queries": {
      "main": [
        [
          {
            "node": "pdfvector-search",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "schedule-trigger": {
      "main": [
        [
          {
            "node": "set-params",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "summarize-paper": {
      "main": [
        [
          {
            "node": "format-digest",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "filter-recent": {
      "main": [
        [
          {
            "node": "summarize-paper",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "set-params": {
      "main": [
        [
          {
            "node": "split-queries",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "pdfvector-search": {
      "main": [
        [
          {
            "node": "filter-recent",
            "type": "main",
            "index": 0
          }
        ]
      ]
    }
  }
}
Preguntas frecuentes

¿Cómo usar este flujo de trabajo?

Copie el código de configuración JSON de arriba, cree un nuevo flujo de trabajo en su instancia de n8n y seleccione "Importar desde JSON", pegue la configuración y luego modifique la configuración de credenciales según sea necesario.

¿En qué escenarios es adecuado este flujo de trabajo?

Intermedio - Productividad personal, IA Multimodal

¿Es de pago?

Este flujo de trabajo es completamente gratuito, puede importarlo y usarlo directamente. Sin embargo, tenga en cuenta que los servicios de terceros utilizados en el flujo de trabajo (como la API de OpenAI) pueden requerir un pago por su cuenta.

Flujos de trabajo relacionados recomendados

Revisión automática de literatura académica usando GPT-4 y búsqueda en múltiples bases de datos
Usar GPT-4 y búsqueda en múltiples bases de datos para automatizar la revisión de literatura académica
If
Set
Code
+
If
Set
Code
13 NodosPDF Vector
Extracción de documentos
Construcción de una red de conocimiento académica con PDF vectoriales, GPT-4 y Neo4j
Construir un grafo de conocimiento académico a partir de artículos de investigación usando PDF vectors, GPT-4 y Neo4j
Code
Neo4j
Open Ai
+
Code
Neo4j
Open Ai
10 NodosPDF Vector
RAG de IA
Conversión por lotes de PDF a Markdown (Google Drive con análisis LLM)
Conversión masiva de PDF a Markdown utilizando Google Drive y un análisis impulsado por LLM
If
Set
Code
+
If
Set
Code
8 NodosPDF Vector
Creación de contenido
Extracción y almacenamiento de datos de facturas mediante PDF Vector, Google Drive y base de datos
Extraer y almacenar datos de facturas con PDF Vector, Google Drive y una base de datos
If
Code
Slack
+
If
Code
Slack
26 NodosPDF Vector
Procesamiento de facturas
Búsqueda académica en cinco bases de datos, con vectores PDF y múltiples exportaciones
Búsqueda de investigación académica en cinco bases de datos, con vectores PDF y exportaciones múltiples
Set
Code
Pdf Vector
+
Set
Code
Pdf Vector
9 NodosPDF Vector
RAG de IA
Búsqueda automatizada de empleos con cartas de presentación por IA
Automatización de búsqueda de empleos con carta de presentación de IA usando Google Jobs, RemoteOK y GPT-3.5
If
Set
Code
+
If
Set
Code
17 NodosShelly-Ann Davy
Productividad personal
Información del flujo de trabajo
Nivel de dificultad
Intermedio
Número de nodos10
Categoría2
Tipos de nodos8
Descripción de la dificultad

Adecuado para usuarios con experiencia intermedia, flujos de trabajo de complejidad media con 6-15 nodos

Autor
PDF Vector

PDF Vector

@pdfvector

A fully featured PDF APIs for developers - Parse any PDF or Word document, extract structured data, and access millions of academic papers - all through simple APIs.

Enlaces externos
Ver en n8n.io

Compartir este flujo de trabajo

Categorías

Categorías: 34