使用Qdrant和AI进行Hacker News社区洞察分析工作流
n8n工作流,Qdrant向量数据库,AI社区洞察,Hacker News分析,K-means聚类,Python数据分析,Google Sheets导出

这个n8n模板是探索向量嵌入聚类用例的3部分系列之一：

调查洞察
客户洞察
社区洞察

此模板演示了社区洞察场景，其中HN评论可以快速按相似性分组，AI代理可以为这些分组生成洞察。

通过此工作流，研究人员或HN用户可以快速分析特定主题的社区共识，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-1vQXaQU9XxsxnUIIeqmmf1PuYRuYtwviVXTv6Mz9Vo6_a4ty-XaJHSeZsptjWXS3wGGDG8Z4u16rvE7l/pubhtml

工作原理
通过Hacknews API节点导入HN评论。
然后将评论插入到Qdrant集合中，仔细标记Hackernews API元数据。
然后获取评论，并使用Python代码节点通过聚类算法进行处理。Qdrant点按聚类组返回。
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。
生成的洞察和原始响应随后保存到Google电子表格中，供研究人员或HN用户进一步分析。
要求
处理大量评论时效果最佳！
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
调整适合您数据的聚类参数。
如果评论有时过于负面，请调整情感设置。

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。