Steg 2: anslut Bright Data Fetch

Definiera mål-URL och Bright Data-zon och begär därefter markdown-innehållet från Bright Data.

1. I Configure Source URL & Zone, ställ in url till https://www.bbc.com/news/world.
2. Ställ in zone till web_unlocker1.
3. Öppna Execute Bright Data Fetch och ställ in URL till https://api.brightdata.com/request.
4. Ställ in Method till POST och aktivera Send Body och Send Headers.
5. Under body parameters, ställ in zone till {{ $json.zone }} och url till {{ $json.url }}?product=unlocker&method=api, med format raw och data_format markdown.
6. Inloggningsuppgifter krävs: anslut era httpHeaderAuth-credentials i Execute Bright Data Fetch.

Steg 3: konfigurera markdown-konvertering och AI-modeller

Använd en LLM-kedja för att konvertera hämtad markdown till ren text för efterföljande analys.

1. I Convert Markdown to Text, ställ in Text till =You need to analyze the below markdown and convert to textual data. Please do not output with your own thoughts. Make sure to output with textual data only with no links, scripts, css etc. {{ $json.data }}.
2. Säkerställ att meddelanderollen inkluderar You are a markdown expert i Convert Markdown to Text.
3. Bekräfta att Gemini Model for Text Parse är ansluten som språkmodell för Convert Markdown to Text med modelName satt till models/gemini-2.0-flash-exp.
4. Inloggningsuppgifter krävs: anslut era googlePalmApi-credentials i Gemini Model for Text Parse (credentials läggs till i modellnoden, inte i kedjenoden).

Steg 4: konfigurera parallell extrahering av ämnen och trender

Efter textkonverteringen kör ni flera analyser parallellt och routar resultaten till webhooks och filbyggare.

1. Bekräfta att Convert Markdown to Text skickar output till Structured Topic Analyzer, Notify Webhook: Text Output och Cluster Trends by Region parallellt.
2. I Structured Topic Analyzer, ställ in Text till =Perform the topic analysis on the below content and output with the structured information. Here's the content: {{ $('Execute Bright Data Fetch').item.json.data }} och behåll Schema Type som manual.
3. I Cluster Trends by Region, ställ in Text till =Perform the data analysis on the below content and output with the structured information by clustering the emerging trends by location and category Here's the content: {{ $('Execute Bright Data Fetch').item.json.data }} och behåll Schema Type som manual.
4. Säkerställ att Gemini Model for Topic AI är ansluten som språkmodell för Structured Topic Analyzer med modelName models/gemini-2.0-flash-exp.
5. Säkerställ att Gemini Model for Trend AI är ansluten som språkmodell för Cluster Trends by Region med modelName models/gemini-2.0-flash-exp.
6. Inloggningsuppgifter krävs: anslut era googlePalmApi-credentials i både Gemini Model for Topic AI och Gemini Model for Trend AI (credentials läggs till i modellnoderna, inte i extraktornoderna).

Structured Topic Analyzer skickar output till både Notify Webhook: Topic Results och Build Topic File Binary parallellt, medan Cluster Trends by Region skickar output till både Notify Webhook: Trend Results och Build Trends File Binary parallellt.

Steg 5: konfigurera webhook-notifieringar och filutdata

Skicka resultaten till webhooks och spara de strukturerade JSON-utdatafilerna på disk.

1. I Notify Webhook: Text Output, ställ in URL till https://webhook.site/3c36d7d1-de1b-4171-9fd3-643ea2e4dd76 och mappa content till {{ $json.text }}.
2. I Notify Webhook: Topic Results, ställ in URL till samma webhook och mappa summary till {{ $json.output }}.
3. I Notify Webhook: Trend Results, ställ in URL till samma webhook och mappa summary till {{ $json.output }}.
4. I Build Topic File Binary och Build Trends File Binary, behåll funktionskoden som den är för att bygga den binära fil-payloaden.
5. I Save Topics to Disk, ställ in Operation till write och File Name till d:\topics.json.
6. I Save Trends to Disk, ställ in Operation till write och File Name till d:\trends.json.

⚠️ Vanlig fallgrop: säkerställ att arbetsflödet har behörighet att skriva till d:\ på er host. Uppdatera sökvägar om ni kör n8n på Linux eller i en container.

Steg 6: testa och aktivera ert arbetsflöde

Kör ett manuellt test för att verifiera de parallella grenarna och utdata, och aktivera sedan för produktionsanvändning.

1. Klicka på Execute Workflow för att köra Manual Launch Trigger.
2. Verifiera att Execute Bright Data Fetch returnerar markdown-data och att Convert Markdown to Text ger plain text.
3. Bekräfta parallell körning: Structured Topic Analyzer, Notify Webhook: Text Output och Cluster Trends by Region ska alla köras samtidigt.
4. Kontrollera webhook-svaren och säkerställ att filer skrivs till d:\topics.json och d:\trends.json.
5. När resultaten ser korrekta ut, växla arbetsflödet till Active för produktionsanvändning.