AI调查分析工作流 - 使用聚类算法自动生成调查洞察
n8n工作流,AI调查分析,聚类算法,调查数据处理,自动化洞察生成,向量嵌入,Qdrant向量存储,OpenAI集成

这个n8n模板是一个3部分系列的一部分，探索向量嵌入聚类的用例：

调查洞察
客户洞察
社区洞察

此模板演示了调查洞察场景，其中调查参与者响应可以通过相似性快速分组，AI代理可以为这些分组生成洞察。

通过此工作流，研究人员可以节省数天甚至数周的工作时间，分解参与者群体并识别经常提到的积极和消极方面。

示例输出：https://docs.google.com/spreadsheets/d/e/2PACX-1vT6m8XH8JWJTUAfwojc68NAUGC7q0lO7iV738J7aO5fuVjiVzdTRRPkMmT1C4N8TwejaiT0XrmF1Q48/pubhtml#

工作原理
所有调查问题和响应都从Google表格导入。
然后将响应插入到Qdrant集合中，仔细标记问题和调查元数据。
对于每个问题，所有相关响应都通过Python代码节点使用聚类算法进行处理。Qdrant点以聚类组的形式返回。
循环每个组以获取点的有效载荷，并将其提供给AI代理进行总结和生成洞察。
然后将生成的洞察和原始响应保存到Google电子表格中，供研究人员进一步分析。
要求
调查数据和格式如附带的Google表格所示。
用于存储嵌入的Qdrant向量存储。
用于嵌入和LLM的OpenAI账户。
自定义模板
调整对您的数据有意义的聚类参数。对于开放式问题添加更多聚类，对于多项选择响应减少聚类。

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。