## 工作流概述
这个n8n工作流实现了自动化的RAG（检索增强生成）论文监控与推送系统。它通过定时任务从arXiv API获取最新的RAG相关论文，使用AI进行智能分析和分类，然后将结果存储到Notion数据库，并通过邮件和飞书进行消息推送。
## 工作流详细步骤
### 1. 数据检索
– **Schedule Trigger** – 每天上午6点自动触发工作流
– **submittedDate:T-1** – 计算前一天的日期范围，确保获取最新提交的论文
– **arXiv API** – 调用arXiv API查询RAG相关论文数据
### 2. 数据处理与AI分析
– **Message a model** – 使用Google Gemini模型对XML数据进行每日论文摘要生成
– **JSON FORMAT** – 格式化AI输出为标准JSON结构
– **Data Extraction** – 从XML数据中提取论文详细信息
– **Basic LLM Chain** – 对单篇论文进行RAG相关性和方法分析
– **Google Gemini Chat Model** – 提供AI语言模型能力
### 3. 数据存储
– **RAG Daily Paper Summary** – 将每日摘要存储到Notion数据库
– **RAG Daily papers** – 将单篇论文详细信息存储到另一个Notion数据库
### 4. 消息推送
– **Message Construction** – 构建邮件和飞书消息内容
– **gmail** – 路由到Gmail发送节点
– **Send a message** – 通过Gmail发送HTML格式的邮件通知
– **FEISHU** – 路由到飞书发送节点
– **FEISHU POST** – 通过HTTP请求发送飞书消息
### 5. 条件控制
– **If** – 检查是否有论文数据需要处理
– **Switch** – 根据消息类型路由到不同的推送通道
## 技术特点
– **自动化监控**：每天自动获取最新RAG研究论文
– **AI智能分析**：使用Google Gemini进行论文内容分析和分类
– **多平台存储**：将数据同时存储到多个Notion数据库
– **多渠道通知**：支持邮件和飞书两种推送方式
– **数据标准化**：自动处理XML到JSON的转换和字段映射
## 应用场景
该工作流特别适合研究团队、AI开发者以及需要跟踪RAG技术发展的专业人士，能够帮助他们及时了解最新研究进展，提高工作效率。
评论(0)