Construcción de una revisión de literatura completa con GPT-4 y búsqueda en múltiples bases de datos

Intermedio

Este es unDocument Extraction, Multimodal AIflujo de automatización del dominio deautomatización que contiene 8 nodos.Utiliza principalmente nodos como Code, OpenAi, PdfVector, WriteBinaryFile. Construir una revisión de literatura completa usando GPT-4 y búsqueda en múltiples bases de datos

Requisitos previos
  • 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": "start-node",
      "name": "Inicio",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        250,
        250
      ],
      "parameters": {
        "content": "## Literature Review Parameters\n\nTopic: {{ $json.topic }}\nYear Range: {{ $json.startYear }}-{{ $json.endYear }}\nMax Papers: {{ $json.maxPapers }}"
      },
      "typeVersion": 1
    },
    {
      "id": "pdfvector-search",
      "name": "PDF Vector - Buscar Artículos",
      "type": "n8n-nodes-pdfvector.pdfVector",
      "notes": "Search across multiple academic databases",
      "position": [
        450,
        300
      ],
      "parameters": {
        "limit": 50,
        "query": "={{ $json.topic }}",
        "fields": [
          "title",
          "abstract",
          "authors",
          "year",
          "doi",
          "pdfUrl",
          "totalCitations"
        ],
        "yearTo": "={{ $json.endYear }}",
        "resource": "academic",
        "yearFrom": "={{ $json.startYear }}",
        "operation": "search",
        "providers": [
          "pubmed",
          "semantic_scholar",
          "arxiv",
          "google_scholar"
        ]
      },
      "typeVersion": 1
    },
    {
      "id": "sort-papers",
      "name": "Ordenar por Citas",
      "type": "n8n-nodes-base.code",
      "position": [
        650,
        300
      ],
      "parameters": {
        "functionCode": "// Sort papers by citations in descending order\nreturn items.sort((a, b) => (b.json.totalCitations || 0) - (a.json.totalCitations || 0));"
      },
      "typeVersion": 1
    },
    {
      "id": "limit-papers",
      "name": "Seleccionar Artículos Principales",
      "type": "n8n-nodes-base.code",
      "position": [
        850,
        300
      ],
      "parameters": {
        "functionCode": "// Limit to top N papers\nconst maxPapers = $node['Start'].json.maxPapers || 10;\nreturn items.slice(0, maxPapers);"
      },
      "typeVersion": 1
    },
    {
      "id": "pdfvector-parse",
      "name": "PDF Vector - Analizar Artículos",
      "type": "n8n-nodes-pdfvector.pdfVector",
      "notes": "Parse each paper's PDF",
      "position": [
        1050,
        300
      ],
      "parameters": {
        "useLlm": "auto",
        "resource": "document",
        "operation": "parse",
        "documentUrl": "={{ $json.pdfUrl }}"
      },
      "typeVersion": 1
    },
    {
      "id": "synthesize",
      "name": "Sintetizar Revisión",
      "type": "n8n-nodes-base.openAi",
      "position": [
        1250,
        300
      ],
      "parameters": {
        "model": "gpt-4",
        "messages": {
          "values": [
            {
              "content": "Create a literature review section for this paper:\n\nTitle: {{ $json.title }}\nAuthors: {{ $json.authors }}\nYear: {{ $json.year }}\n\nContent: {{ $json.content }}\n\nGenerate:\n1. Key contribution summary (2-3 sentences)\n2. Methodology overview\n3. Main findings\n4. Relevance to topic: {{ $node['Start'].json.topic }}"
            }
          ]
        }
      },
      "typeVersion": 1
    },
    {
      "id": "combine-sections",
      "name": "Combinar Secciones",
      "type": "n8n-nodes-base.code",
      "position": [
        1450,
        300
      ],
      "parameters": {
        "functionCode": "// Combine all review sections into a single document\nconst reviewSections = items.map(item => item.json.reviewSection || item.json.content || '').filter(section => section);\nreturn [{ json: { reviewSections: reviewSections.join('\\n\\n') } }];"
      },
      "typeVersion": 1
    },
    {
      "id": "export-review",
      "name": "Exportar Revisión",
      "type": "n8n-nodes-base.writeBinaryFile",
      "position": [
        1650,
        300
      ],
      "parameters": {
        "fileName": "literature_review_{{ $now.format('yyyy-MM-dd') }}.md",
        "fileContent": "# Literature Review: {{ $node['Start'].json.topic }}\n\n{{ $json.reviewSections }}"
      },
      "typeVersion": 1
    }
  ],
  "connections": {
    "start-node": {
      "main": [
        [
          {
            "node": "pdfvector-search",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "combine-sections": {
      "main": [
        [
          {
            "node": "export-review",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "limit-papers": {
      "main": [
        [
          {
            "node": "pdfvector-parse",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "sort-papers": {
      "main": [
        [
          {
            "node": "limit-papers",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "synthesize": {
      "main": [
        [
          {
            "node": "combine-sections",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "pdfvector-parse": {
      "main": [
        [
          {
            "node": "synthesize",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "pdfvector-search": {
      "main": [
        [
          {
            "node": "sort-papers",
            "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 - Extracción de documentos, 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

Exportación de datos extraídos de documentos con GPT-4, PDFVector y PostgreSQL
Extraer datos de documentos con GPT-4, PDFVector y PostgreSQL para exportar
Code
Open Ai
Switch
+
Code
Open Ai
Switch
9 NodosPDF Vector
Extracción de documentos
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
Extracción de datos clínicos de documentos médicos con PDF Vector y cumplimiento HIPAA
Extraer datos clínicos de documentos médicos con PDF Vector y cumplimiento HIPAA
If
Code
Postgres
+
If
Code
Postgres
9 NodosPDF Vector
Extracción de documentos
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
Monitoreo automatizado de artículos académicos, con vectores PDF, GPT-3.5 y notificaciones de Slack
Monitoreo automatizado de artículos académicos, con vectores PDF, GPT-3.5 y alertas de Slack
Set
Code
Slack
+
Set
Code
Slack
10 NodosPDF Vector
Productividad personal
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
Información del flujo de trabajo
Nivel de dificultad
Intermedio
Número de nodos8
Categoría2
Tipos de nodos5
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