Construction d'une revue de littérature complète avec GPT-4 et une recherche multi-base de données

Intermédiaire

Ceci est unDocument Extraction, Multimodal AIworkflow d'automatisation du domainecontenant 8 nœuds.Utilise principalement des nœuds comme Code, OpenAi, PdfVector, WriteBinaryFile. Construire une revue de littérature complète avec GPT-4 et une recherche multi-bases de données

Prérequis
  • Clé API OpenAI
Aperçu du workflow
Visualisation des connexions entre les nœuds, avec support du zoom et du déplacement
Exporter le workflow
Copiez la configuration JSON suivante dans n8n pour importer et utiliser ce workflow
{
  "meta": {
    "instanceId": "placeholder"
  },
  "nodes": [
    {
      "id": "start-node",
      "name": "Début",
      "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 - Search Papers",
      "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": "Trier by Citations",
      "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": "Select Top Papers",
      "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 - Parse Papers",
      "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": "Synthesize Review",
      "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": "Combine Sections",
      "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": "Export Review",
      "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": {
      "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 by Citations": {
      "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 by Citations",
            "type": "main",
            "index": 0
          }
        ]
      ]
    }
  }
}
Foire aux questions

Comment utiliser ce workflow ?

Copiez le code de configuration JSON ci-dessus, créez un nouveau workflow dans votre instance n8n et sélectionnez "Importer depuis le JSON", collez la configuration et modifiez les paramètres d'authentification selon vos besoins.

Dans quelles scénarios ce workflow est-il adapté ?

Intermédiaire - Extraction de documents, IA Multimodale

Est-ce payant ?

Ce workflow est entièrement gratuit et peut être utilisé directement. Veuillez noter que les services tiers utilisés dans le workflow (comme l'API OpenAI) peuvent nécessiter un paiement de votre part.

Workflows recommandés

Extraction de données à partir de documents via GPT-4, PDFVector et export PostgreSQL
Exporter les données extraites de documents avec GPT-4, PDFVector et PostgreSQL
Code
Open Ai
Switch
+
Code
Open Ai
Switch
9 NœudsPDF Vector
Extraction de documents
Revue automatique de littérature académique avec GPT-4 et recherche multi-base de données
Utiliser GPT-4 et la recherche multi-base de données pour automatiser la synthèse de la littérature académique
If
Set
Code
+
If
Set
Code
13 NœudsPDF Vector
Extraction de documents
Extraction de données cliniques à partir de documents médicaux via PDF Vector et conformité HIPAA
Extraire des données cliniques de documents médicaux avec PDF Vector et conformité HIPAA
If
Code
Postgres
+
If
Code
Postgres
9 NœudsPDF Vector
Extraction de documents
Recherche académique sur cinq bases de données, avec des vecteurs PDF et plusieurs exportations
Recherche académique sur cinq bases de données avec vecteurs PDF et export multiple
Set
Code
Pdf Vector
+
Set
Code
Pdf Vector
9 NœudsPDF Vector
RAG IA
Surveillance automatisée des publications académiques, avec des vecteurs PDF, GPT-3.5 et des alertes Slack
Automatisation de la surveillance d'articles académiques, avec des vecteurs PDF, GPT-3.5 et des notifications Slack
Set
Code
Slack
+
Set
Code
Slack
10 NœudsPDF Vector
Productivité personnelle
Construction d'un graphe de connaissances académique avec des vecteurs PDF, GPT-4 et Neo4j
Construire un graphe de connaissances académique à partir d'articles de recherche avec PDF vector, GPT-4 et Neo4j
Code
Neo4j
Open Ai
+
Code
Neo4j
Open Ai
10 NœudsPDF Vector
RAG IA
Informations sur le workflow
Niveau de difficulté
Intermédiaire
Nombre de nœuds8
Catégorie2
Types de nœuds5
Description de la difficulté

Adapté aux utilisateurs expérimentés, avec des workflows de complexité moyenne contenant 6-15 nœuds

Auteur
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.

Liens externes
Voir sur n8n.io

Partager ce workflow

Catégories

Catégories: 34