AI 驅動的 n8n 社群創作者排行榜分析器

AI 驅動的 n8n 創作者排行榜分析工作流程

這個 n8n 工作流程範本是一個複雜的、由 AI 驅動的分析系統，旨在擷取、處理並生成關於 n8n 自動化社群中頂級貢獻者和熱門工作流程的深入報告。透過利用 GitHub 上公開的統計數據並整合 OpenAI 的語言模型，它能為特定創作者提供動態、易於閱讀的 Markdown 摘要，非常適合社群互動、績效基準測試和趨勢分析。

工作流程功能

該工作流程從公開的 GitHub 儲存庫中擷取兩個 JSON 資料集：

• 創作者級統計數據：每個使用者的匯總指標（例如，總計每週/每月插入者）。
• 工作流程級統計數據：個別工作流程的詳細指標（例如，唯一訪客、使用趨勢）。

接著，它透過解析、排序、限制和根據使用者名稱合併記錄來處理這些數據。當觸發時——無論是透過聊天訊息還是外部工作流程執行——它會篩選指定創作者的結果，並使用 AI 代理（由 gpt-4o-mini 驅動）來合成一份全面的 Markdown 報告。這份報告包含摘要、比較表、熱門度洞察和社群影響力分析。可選地，輸出會以帶時間戳記的 .md 檔案形式儲存到本地。

主要功能與能力

• 雙觸發器支援：可透過自然語言聊天介面或程式化地透過另一個工作流程來啟動。
• AI 驅動的報告生成：使用結構化的提示和 gpt-4o-mini 來產生格式良好、富有洞察力的 Markdown 內容。
• 動態數據擷取：從 GitHub 託管的 JSON 檔案中提取即時統計數據，確保排行榜數據是最新的。
• 彈性篩選：將分析聚焦於任何指定的 n8n 創作者使用者名稱。
• 本地輸出儲存：自動將生成的報告儲存為帶時間戳記的 Markdown 檔案，以便歸檔。
• 可擴展架構：包含用於本地 LLM（例如 Ollama）的註解掉的支援，以實現注重隱私的部署。
• 豐富的文檔：嵌入的便利貼在畫布中提供清晰的指導、解釋和快速入門說明。

主要節點及其用途

用例與優勢

• 社群經理：識別頂級貢獻者，追蹤參與趨勢，並突出有影響力的工作流程。
• 工作流程創作者：將自己的工作流程與同行進行基準測試，並了解推動採用的因素。
• 新用戶：發現高質量、熱門的自動化以供學習或重複使用。
• 數據分析師：自動提取和解釋社群使用模式，無需手動編寫腳本。
• AI 愛好者：展示 LLM 如何以最少的配置將原始指標轉化為敘事性洞察。

優勢包括節省時間、增強數據可解釋性、自動化報告以及更深入的社群可見性——所有這些都在 n8n 生態系統內完成。

工作流程邏輯步驟

1. 觸發器：工作流程透過以下任一方式啟動：

   • 聊天訊息（例如，“顯示使用者 joe 的統計數據”）→ 路由到 AI 代理。
   • 帶有 { "query": { "username": "joe" } } 的外部工作流程調用 → 路由到 全域變數。

2. 數據準備（用於外部觸發器）：

   • 全域變數 設定基本 URL 和檔案名稱。
   • 兩個 HTTP 請求 節點從 GitHub 擷取 creators.json 和 workflows.json。

3. 數據處理管道：

   • 解析原始 JSON 回應以提取 data 陣列。
   • 使用 拆分 節點將陣列拆分為單獨的記錄。
   • 按 sum_unique_weekly_inserters（創作者）或 unique_weekly_inserters（工作流程）對記錄進行排序。
   • 結果限制為前 25 名創作者和前 300 名工作流程。
   • 透過 創作者數據 和 工作流程數據 節點標準化欄位名稱。

4. 數據整合：

   • 使用 合併 節點按 username 合併創作者和工作流程記錄。
   • 對合併後的數據集進行篩選，僅保留與輸入 username 匹配的條目。

5. AI 分析：

   • 將篩選後的數據匯總為一個 JSON 陣列。
   • n8n 創作者統計代理 接收此數據，並使用 gpt-4o-mini 和詳細的系統提示來生成結構化的 Markdown 報告。

6. 輸出處理：

   • AI 的回應在 摘要報告 中捕獲。
   • 透過 creator-summary 轉換為純文字。
   • 使用 儲存 creator-summary.md 作為本地 .md 檔案儲存（例如，creator-summary-2024-06-15-03-45-22.md）。

7. 回應傳遞：

   • 最終報告既可作為工作流程輸出，也可作為持久的本地檔案。

此工作流程例證了 n8n 如何能夠橋接開放數據、自動化和生成式 AI，以提供可操作的情報——將原始社群指標轉化為引人注目的敘事，且無需手動干預。