← Retour aux workflows
Workflow n8n

Automatisation n8n : résumé d'essais avec OpenAI

Ce workflow n8n a pour objectif d'automatiser la génération de résumés d'essais en utilisant l'API d'OpenAI. Il est particulièrement utile pour les équipes de recherche, les enseignants ou toute organisation ayant besoin de synthétiser rapidement des textes longs. En intégrant des requêtes HTTP et des traitements de texte, ce workflow permet d'extraire des titres et des contenus d'essais, puis de les résumer efficacement.

  • Étape 1 : le workflow commence par un déclencheur manuel qui permet à l'utilisateur de lancer le processus à tout moment.
  • Étape 2 : il effectue une requête HTTP pour récupérer une liste d'essais à partir d'une URL spécifiée.
  • Étape 3 : les titres des essais sont extraits grâce à un noeud HTML.
  • Étape 4 : une nouvelle requête HTTP est effectuée pour obtenir le texte complet des essais.
  • Étape 5 : les titres sont de nouveau extraits pour être utilisés dans le résumé.
  • Étape 6 : les textes sont ensuite nettoyés et préparés pour le traitement.
  • Étape 7 : le workflow utilise un modèle de langage d'OpenAI pour générer des résumés des essais. En conclusion, cette automatisation n8n permet de gagner un temps précieux et d'améliorer la productivité en facilitant la synthèse d'informations complexes.
Tags clés :automatisationOpenAIn8nsynthèse de texteworkflow
🎯Pour qui ?🧩Problème résolu📋Étapes du flux🛠Guide de personnalisation
Catégorie: Manual · Tags: automatisation, OpenAI, n8n, synthèse de texte, workflow❤ 0

Workflow n8n OpenAI, synthèse de texte : vue d'ensemble

Schéma des nœuds et connexions de ce workflow n8n, généré à partir du JSON n8n.

React Flow
Besoin d'aide ?

Workflow n8n OpenAI, synthèse de texte : détail des nœuds

  • When clicking "Execute Workflow"

    Ce noeud déclenche le workflow lorsque l'utilisateur clique sur 'Exécuter le workflow'.

  • Fetch essay list

    Ce noeud effectue une requête HTTP pour récupérer la liste des essais.

  • Extract essay names

    Ce noeud extrait les noms des essais à partir des données HTML récupérées.

  • Fetch essay texts

    Ce noeud effectue une requête HTTP pour récupérer le texte des essais.

  • Extract title

    Ce noeud extrait le titre à partir des données HTML.

  • Clean up

    Ce noeud permet de nettoyer et de structurer les données en définissant des champs.

  • Sticky Note

    Ce noeud crée une note autocollante avec un contenu spécifié.

  • Sticky Note1

    Ce noeud crée une autre note autocollante avec un contenu différent.

  • Split out into items

    Ce noeud divise les données en éléments individuels selon un champ spécifié.

  • Limit to first 3

    Ce noeud limite le nombre d'éléments à trois.

  • Default Data Loader

    Ce noeud charge les données par défaut pour le traitement de documents.

  • Recursive Character Text Splitter

    Ce noeud divise le texte en segments en utilisant un séparateur de caractères récursif.

  • OpenAI Chat Model1

    Ce noeud utilise le modèle de chat OpenAI pour générer des réponses.

  • Merge

    Ce noeud fusionne plusieurs flux de données selon un mode et des options spécifiés.

  • Summarization Chain

    Ce noeud exécute une chaîne de résumés pour condenser les informations.

Inscris-toi pour voir l'intégralité du workflow

Inscription gratuite

S'inscrire gratuitementBesoin d'aide ?
{
  "meta": {
    "instanceId": "408f9fb9940c3cb18ffdef0e0150fe342d6e655c3a9fac21f0f644e8bedabcd9"
  },
  "nodes": [
    {
      "id": "67850bd7-f9f4-4d5b-8c9e-bd1451247ba6",
      "name": "When clicking \"Execute Workflow\"",
      "type": "n8n-nodes-base.manualTrigger",
      "position": [
        -740,
        1000
      ],
      "parameters": {},
      "typeVersion": 1
    },
    {
      "id": "0d9133f9-b6d3-4101-95c6-3cd24cdb70c3",
      "name": "Fetch essay list",
      "type": "n8n-nodes-base.httpRequest",
      "position": [
        -520,
        1000
      ],
      "parameters": {
        "url": "http://www.paulgraham.com/articles.html",
        "options": {}
      },
      "typeVersion": 4.1
    },
    {
      "id": "ee634297-a456-4f70-a995-55b02950571e",
      "name": "Extract essay names",
      "type": "n8n-nodes-base.html",
      "position": [
        -300,
        1000
      ],
      "parameters": {
        "options": {},
        "operation": "extractHtmlContent",
        "dataPropertyName": "=data",
        "extractionValues": {
          "values": [
            {
              "key": "essay",
              "attribute": "href",
              "cssSelector": "table table a",
              "returnArray": true,
              "returnValue": "attribute"
            }
          ]
        }
      },
      "typeVersion": 1
    },
    {
      "id": "83d75693-dbb8-44c4-8533-da06f611c59c",
      "name": "Fetch essay texts",
      "type": "n8n-nodes-base.httpRequest",
      "position": [
        360,
        1000
      ],
      "parameters": {
        "url": "=http://www.paulgraham.com/{{ $json.essay }}",
        "options": {}
      },
      "typeVersion": 4.1
    },
    {
      "id": "151022b5-8570-4176-bf3f-137f27ac7036",
      "name": "Extract title",
      "type": "n8n-nodes-base.html",
      "position": [
        700,
        700
      ],
      "parameters": {
        "options": {},
        "operation": "extractHtmlContent",
        "extractionValues": {
          "values": [
            {
              "key": "title",
              "cssSelector": "title"
            }
          ]
        }
      },
      "typeVersion": 1
    },
    {
      "id": "07bcf095-3c4d-4a72-9bcb-341411750ff5",
      "name": "Clean up",
      "type": "n8n-nodes-base.set",
      "position": [
        1360,
        980
      ],
      "parameters": {
        "fields": {
          "values": [
            {
              "name": "title",
              "stringValue": "={{ $json.title }}"
            },
            {
              "name": "summary",
              "stringValue": "={{ $json.response.text }}"
            },
            {
              "name": "url",
              "stringValue": "=http://www.paulgraham.com/{{ $('Limit to first 3').item.json.essay }}"
            }
          ]
        },
        "include": "none",
        "options": {}
      },
      "typeVersion": 3
    },
    {
      "id": "11285de0-3c5d-4296-a322-9b7585af9acc",
      "name": "Sticky Note",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        -580,
        920
      ],
      "parameters": {
        "width": 1071.752021563343,
        "height": 285.66037735849045,
        "content": "## Scrape latest Paul Graham essays"
      },
      "typeVersion": 1
    },
    {
      "id": "c32f905d-dd7a-4b68-bbe0-dd8115ee0944",
      "name": "Sticky Note1",
      "type": "n8n-nodes-base.stickyNote",
      "position": [
        620,
        920
      ],
      "parameters": {
        "width": 465.3908355795153,
        "height": 606.7924528301882,
        "content": "## Summarize them with GPT"
      },
      "typeVersion": 1
    },
    {
      "id": "29d264f4-df6d-4a41-ab38-58e1b1becc9a",
      "name": "Split out into items",
      "type": "n8n-nodes-base.splitOut",
      "position": [
        -80,
        1000
      ],
      "parameters": {
        "options": {},
        "fieldToSplitOut": "essay"
      },
      "typeVersion": 1
    },
    {
      "id": "ccfa3a1d-f170-44b4-a1f2-3573c88cae98",
      "name": "Limit to first 3",
      "type": "n8n-nodes-base.limit",
      "position": [
        140,
        1000
      ],
      "parameters": {
        "maxItems": 3
      },
      "typeVersion": 1
    },
    {
      "id": "c3d05068-9d1a-4ef5-8249-e7384dc617ee",
      "name": "Default Data Loader",
      "type": "@n8n/n8n-nodes-langchain.documentDefaultDataLoader",
      "position": [
        820,
        1200
      ],
      "parameters": {
        "options": {}
      },
      "typeVersion": 1
    },
    {
      "id": "db75adad-cb16-4e72-b16e-34684a733b05",
      "name": "Recursive Character Text Splitter",
      "type": "@n8n/n8n-nodes-langchain.textSplitterRecursiveCharacterTextSplitter",
      "position": [
        820,
        1340
      ],
      "parameters": {
        "options": {}
      },
      "typeVersion": 1
    },
    {
      "id": "022cc091-9b4c-45c2-bc8e-4037ec2d0d60",
      "name": "OpenAI Chat Model1",
      "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
      "position": [
        680,
        1200
      ],
      "parameters": {
        "model": "gpt-4o-mini",
        "options": {}
      },
      "credentials": {
        "openAiApi": {
          "id": "8gccIjcuf3gvaoEr",
          "name": "OpenAi account"
        }
      },
      "typeVersion": 1
    },
    {
      "id": "cda47bb7-36c5-4d15-a1ef-0c66b1194825",
      "name": "Merge",
      "type": "n8n-nodes-base.merge",
      "position": [
        1160,
        980
      ],
      "parameters": {
        "mode": "combine",
        "options": {},
        "combineBy": "combineByPosition"
      },
      "typeVersion": 3
    },
    {
      "id": "28144e4c-e425-428d-b3d1-f563bfd4e5b3",
      "name": "Summarization Chain",
      "type": "@n8n/n8n-nodes-langchain.chainSummarization",
      "position": [
        720,
        1000
      ],
      "parameters": {
        "options": {},
        "operationMode": "documentLoader"
      },
      "typeVersion": 2
    }
  ],
  "pinData": {},
  "connections": {
    "Merge": {
      "main": [
        [
          {
            "node": "Clean up",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Extract title": {
      "main": [
        [
          {
            "node": "Merge",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Fetch essay list": {
      "main": [
        [
          {
            "node": "Extract essay names",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Limit to first 3": {
      "main": [
        [
          {
            "node": "Fetch essay texts",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Fetch essay texts": {
      "main": [
        [
          {
            "node": "Extract title",
            "type": "main",
            "index": 0
          },
          {
            "node": "Summarization Chain",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "OpenAI Chat Model1": {
      "ai_languageModel": [
        [
          {
            "node": "Summarization Chain",
            "type": "ai_languageModel",
            "index": 0
          }
        ]
      ]
    },
    "Default Data Loader": {
      "ai_document": [
        [
          {
            "node": "Summarization Chain",
            "type": "ai_document",
            "index": 0
          }
        ]
      ]
    },
    "Extract essay names": {
      "main": [
        [
          {
            "node": "Split out into items",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Summarization Chain": {
      "main": [
        [
          {
            "node": "Merge",
            "type": "main",
            "index": 1
          }
        ]
      ]
    },
    "Split out into items": {
      "main": [
        [
          {
            "node": "Limit to first 3",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "When clicking \"Execute Workflow\"": {
      "main": [
        [
          {
            "node": "Fetch essay list",
            "type": "main",
            "index": 0
          }
        ]
      ]
    },
    "Recursive Character Text Splitter": {
      "ai_textSplitter": [
        [
          {
            "node": "Default Data Loader",
            "type": "ai_textSplitter",
            "index": 0
          }
        ]
      ]
    }
  }
}

Workflow n8n OpenAI, synthèse de texte : pour qui est ce workflow ?

Ce workflow s'adresse aux chercheurs, enseignants et professionnels qui ont besoin de résumer des essais ou des documents longs. Il convient aux équipes ayant une compétence technique intermédiaire et souhaitant améliorer leur efficacité dans la gestion de l'information.

Workflow n8n OpenAI, synthèse de texte : problème résolu

Ce workflow résout le problème de la surcharge d'informations en permettant aux utilisateurs de synthétiser rapidement des essais et des textes longs. Il élimine les frustrations liées à la lecture de documents volumineux et réduit le temps nécessaire pour obtenir des résumés pertinents. Grâce à cette automatisation, les utilisateurs peuvent se concentrer sur l'analyse et la prise de décision plutôt que sur la lecture fastidieuse.

Workflow n8n OpenAI, synthèse de texte : étapes du workflow

Étape 1 : le workflow est déclenché manuellement.

  • Étape 1 : il envoie une requête HTTP pour récupérer une liste d'essais.
  • Étape 2 : les titres des essais sont extraits.
  • Étape 3 : une nouvelle requête HTTP est faite pour obtenir le texte complet des essais.
  • Étape 4 : les titres sont extraits à nouveau.
  • Étape 5 : les textes sont nettoyés pour le traitement.
  • Étape 6 : le modèle OpenAI génère des résumés des essais.
  • Étape 7 : les résultats sont fusionnés et présentés.

Workflow n8n OpenAI, synthèse de texte : guide de personnalisation

Pour personnaliser ce workflow, vous pouvez modifier l'URL de la requête HTTP pour pointer vers votre source d'essais. Il est également possible d'ajuster les paramètres du modèle OpenAI pour affiner le style et la longueur des résumés. Pensez à sécuriser les clés API utilisées et à surveiller les performances du workflow pour garantir son efficacité. Vous pouvez également ajouter d'autres étapes pour intégrer les résumés dans des outils de gestion de projet ou de documentation.