Dina dokument är ”lagrade”, men du hittar fortfarande inte det du behöver. En ny PDF hamnar i Google Drive, någon lägger en markdown-anteckning i en mapp, och plötsligt har du kunskap utspridd över filer som inte pratar med varandra.
Det är den här typen av röra som marknadschefer känner under innehållsplanering, byråägare känner när de onboardar kunder och ops-ansvariga känner när interna dokument bara fortsätter att växa. Med Drive InfraNodus-synk på plats blir nya filer en sökbar insiktskarta så att du kan se teman, luckor och nästa steg utan att läsa om allt.
Det här arbetsflödet bevakar en Google Drive-mapp, extraherar text från det du laddar upp och skickar det automatiskt till en InfraNodus-kunskapsgraf. Du får se hur det fungerar, vad du behöver och vad du kan justera för att det ska passa ditt team.
Så fungerar den här automatiseringen
Se hur detta löser problemet:
n8n Workflow Template: Google Drive + InfraNodus för snabba insiktskartor
flowchart LR
subgraph sg0["Drive Folder New File Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Drive Folder New File Trigger", pos: "b", h: 48 }
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "Iterate Records", pos: "b", h: 48 }
n2@{ icon: "mdi:cog", form: "rounded", label: "Download Drive File", pos: "b", h: 48 }
n3@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Route by File Type", pos: "b", h: 48 }
n4@{ icon: "mdi:cog", form: "rounded", label: "Parse PDF Content", pos: "b", h: 48 }
n5@{ icon: "mdi:cog", form: "rounded", label: "Read Text Content", pos: "b", h: 48 }
n6@{ icon: "mdi:cog", form: "rounded", label: "Read Markdown Content", pos: "b", h: 48 }
n7@{ icon: "mdi:swap-vertical", form: "rounded", label: "Map PDF Text", pos: "b", h: 48 }
n8["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/httprequest.dark.svg' width='40' height='40' /></div><br/>Submit to Graph API"]
n3 --> n4
n3 --> n5
n3 --> n6
n2 --> n3
n1 --> n2
n7 --> n8
n4 --> n7
n6 --> n8
n5 --> n8
n8 --> n1
n0 --> n1
end
subgraph sg1["Flow 2"]
direction LR
n9["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/httprequest.dark.svg' width='40' height='40' /></div><br/>Utility: PDF Text Converter"]
end
%% Styling
classDef trigger fill:#e8f5e9,stroke:#388e3c,stroke-width:2px
classDef ai fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
classDef aiModel fill:#e8eaf6,stroke:#3f51b5,stroke-width:2px
classDef decision fill:#fff8e1,stroke:#f9a825,stroke-width:2px
classDef database fill:#fce4ec,stroke:#c2185b,stroke-width:2px
classDef api fill:#fff3e0,stroke:#e65100,stroke-width:2px
classDef code fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
classDef disabled stroke-dasharray: 5 5,opacity: 0.5
class n0 trigger
class n3 decision
class n8,n9 api
class n9 disabled
classDef customIcon fill:none,stroke:none
class n8,n9 customIcon
Utmaningen: att göra Drive-filer till användbar kunskap
Google Drive är bra på att lagra dokument. Det är sämre på att omvandla en hög med dokument till svar. Du slutar med att öppna PDF:er en och en, skumma mötesanteckningar och söka på nyckelord som kanske inte ens finns i exakt den formulering du minns. Sedan kommer den verkliga kostnaden: du börjar tvivla. ”Har vi redan gått igenom det här?” ”Var kom den där insikten ifrån?” ”Varför säger varje dokument något lite olika?” Det är långsamt, mentalt brusigt och det bromsar beslut i det tysta.
Och friktionen ökar snabbt när du har mer än en handfull filer.
- PDF:er och skanningar döljer användbar text, så sökningen missar det bästa och du slösar tid på att läsa om.
- Viktiga idéer ligger i separata dokument utan ett enkelt sätt att se vad som hänger ihop, överlappar eller motsäger varandra.
- Innehållsteam uppfinner ämnen på nytt eftersom det saknas en enkel vy för ”vad har vi faktiskt pratat om?”.
- Nya uppladdningar förändrar ingenting om inte någon manuellt sammanfattar och organiserar dem, vilket sällan sker konsekvent.
Lösningen: autosynka Drive-filer till en InfraNodus-graf
Det här arbetsflödet gör din Google Drive-mapp till en levande kunskapsgraf i InfraNodus. När en ny fil dyker upp laddar n8n automatiskt ner den, avgör vilken typ den är (PDF, TXT eller Markdown) och extraherar text på bästa sätt för formatet. För PDF:er kan det göra en standardextrahering, och det kan också routa via ett valfritt steg för högkvalitativ konvertering (ConvertAPI) om dina PDF:er är stökiga eller liknar skanningar. När texten är klar skickar arbetsflödet in den till InfraNodus via GraphRAG API-endpointen, antingen genom att skapa en ny graf (med ett namn du anger) eller genom att lägga till i en befintlig. Därefter kan InfraNodus visa de dominerande temana, peka ut var samlingen har luckor och till och med låta dig chatta med dokumenten med inbyggd AI.
Arbetsflödet startar med en Google Drive Trigger som bevakar en specifik mapp. Det loopar igenom varje ny fil, extraherar text baserat på filtyp och skickar sedan till InfraNodus via en HTTP Request med din API-nyckel. Ditt ”organiseringsarbete” blir en bakgrundsprocess, inte en veckouppgift.
Vad som förändras: före vs. efter
| Det här eliminerar | Effekt du kommer att se |
|---|---|
|
|
Effekt i verkligheten
Säg att ditt team lägger 20 filer i veckan i en delad Drive-mapp (briefar, PDF:er, intervjunoteringar). Manuellt är det lätt att lägga cirka 10 minuter per fil på att ladda ner, extrahera text och klistra in den någonstans användbart, vilket blir ungefär 3 timmar i veckan. Med det här arbetsflödet laddar ni upp som vanligt och n8n gör resten; ert ”arbete” är i princip noll minuter utöver vanliga uppladdningar, plus lite bearbetningstid i bakgrunden. Det är några timmar tillbaka varje vecka, och kunskapsgrafen hålls uppdaterad utan att någon behöver vakta den.
Krav
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger fungerar bra)
- Google Drive för att upptäcka och ladda ner nya filer.
- InfraNodus (GraphRAG API) för att bygga kunskapsgrafen.
- InfraNodus API-nyckel (hämta den på sidan för InfraNodus API-åtkomst i ditt konto).
Svårighetsnivå: Medel. Du kopplar konton, lägger in en API-nyckel och bekräftar mapp + grafnamn.
Behöver du hjälp att implementera detta? Prata med en automationsexpert (gratis 15-minuters konsultation).
Arbetsflödet steg för steg
En ny fil dyker upp i din Drive-mapp. Google Drive Trigger bevakar en specifik mapp, så du styr vad som importeras genom var du laddar upp.
Filer bearbetas en i taget. n8n loopar igenom varje nytt objekt, laddar ner filen och kontrollerar formatet så att rätt extraktionsmetod används.
Text extraheras (PDF, TXT eller Markdown). TXT och Markdown är enkelt. PDF:er använder en dedikerad extraktionsväg, och det finns ett valfritt HTTP-anrop till en PDF-konverteringstjänst när du behöver mer korrekt formaterade resultat.
Texten skickas till InfraNodus. En HTTP Request skickar dokumenttexten (plus dina inställningar och grafnamn) till InfraNodus graphAndStatements-endpoint, som uppdaterar kunskapsgrafen du ska utforska och söka i.
Du kan enkelt ändra den bevakade mappen till en kundspecifik mapp (eller byta Google Drive mot Dropbox) utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera triggern för ny fil i Drive-mapp
Den här triggern bevakar en specifik Google Drive-mapp efter nya filer och startar arbetsflödet.
- Lägg till och öppna Drive Folder New File Trigger.
- Ställ in Event på
fileCreated. - Ställ in Trigger On på
specificFolder. - Välj mappen i Folder To Watch (ersätt
[YOUR_ID]med målmappens ID). - Ställ in polling-intervallet i Poll Times till
everyMinute(eller ert föredragna intervall). - Inloggningsuppgifter krävs: Anslut era googleDriveOAuth2Api-inloggningsuppgifter.
Steg 2: Anslut Google Drive och ladda ned filer
Dessa noder itererar genom resultaten och laddar ned varje fil för bearbetning.
- Öppna Iterate Records och behåll standardinställningen för Options för att aktivera batchbearbetning.
- Lägg till Download Drive File och ställ in Operation till
download. - Ställ in File ID till
{{ $json.id }}så att filen från triggern laddas ned. - Inloggningsuppgifter krävs: Anslut era googleDriveOAuth2Api-inloggningsuppgifter i Download Drive File.
Steg 3: Sätt upp routning och parsning efter filtyp
Routa filer efter MIME-typ och extrahera innehåll baserat på filformat.
- Öppna Route by File Type och bekräfta att varje regel använder
{{ $binary["data"].mimeType }}som vänstervärde. - Verifiera att PDF-regeln jämför mot
application/pdfoch skickar vidare till Parse PDF Content. - Verifiera att textregeln jämför mot
text/plainoch skickar vidare till Read Text Content. - Verifiera att markdown-regeln jämför mot
text/markdownoch skickar vidare till Read Markdown Content. - I Parse PDF Content, ställ in Operation till
pdf. - I Read Text Content och Read Markdown Content, ställ in Operation till
text.
Steg 4: Normalisera PDF-utdata för API-inlämning
PDF-extraktioner mappas till ett standardfält så att API-anropet kan använda konsekvent indata.
- Öppna Map PDF Text och lägg till ett fält med namnet data.
- Ställ in värdet för data till
{{ $json.text }}för att mappa den extraherade PDF-texten.
Steg 5: Konfigurera Submit to Graph API
Skicka det extraherade innehållet till Graph API med strukturerade parametrar.
- Öppna Submit to Graph API och ställ in Method till
POST. - Ställ in URL till
https://infranodus.com/api/v1/graphAndStatements?doNotSave=false&optimize=develop&includeGraph=false&includeGraphSummary=true&includeGraph=false. - Aktivera Send Body och lägg till följande body-parametrar:
- Ställ in name till
polysingularity_from_google_drive. - Ställ in text till
{{ $json.data }}. - Ställ in =categories till
[filename: {{ $('Route by File Type').item.json.name }}]. - Ställ in contextSettings till
{{{ "squareBracketsProcessing":"IGNORE_BRACKETS"} }}. - Inloggningsuppgifter krävs: Anslut era httpBearerAuth-inloggningsuppgifter.
data.Steg 6: Testa och aktivera ert arbetsflöde
Verifiera flödet end-to-end och aktivera det för kontinuerlig övervakning.
- Kör arbetsflödet manuellt med en exempelfil i den bevakade mappen.
- Bekräfta att Download Drive File hämtar binärdata och att Route by File Type routar till korrekt parser.
- Kontrollera Submit to Graph API för ett lyckat HTTP-svar och förväntad payload.
- Aktivera arbetsflödet genom att slå på det till Active för användning i produktion.
Saker att se upp med
- Google Drive-inloggningar kan gå ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera först Google Drive-nodens anslutna konto och OAuth-scopes i n8n.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
- InfraNodus API-anrop misslyckas utan tydlig felindikering om din Bearer-token saknas eller klistras in med extra tecken. Kontrollera headers i HTTP Request-noden och bekräfta nyckeln i din InfraNodus API-åtkomstpanel.
Vanliga frågor
Oftast på cirka 30 minuter när dina konton är redo.
Ja. Du kopplar Google Drive, klistrar in InfraNodus API-nyckel och väljer mapp och grafnamn.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in InfraNodus API-åtkomst (beroende på din plan) och eventuell ConvertAPI-användning om du aktiverar högkvalitativ PDF-konvertering.
Två alternativ: n8n Cloud (hanterat, enklast setup) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och hanterar n8n bra. Self-hosting ger dig obegränsade körningar men kräver grundläggande serveradministration.
Du kan peka Google Drive Trigger mot en annan mapp och ändra grafnamnet som skickas i HTTP Request-noden ”Submit to Graph API”. Om dina PDF:er är låg kvalitet, aktivera den valfria HTTP Request ”Utility: PDF Text Converter” så att konvertering sker före extrahering. Vanliga justeringar är att dela upp grafer per kund, lägga till taggar/metadata i request-payloaden och bygga ut Switch-noden för att hantera fler filtyper.
Oftast beror det på en utgången eller ändrad Google OAuth-anslutning i n8n. Anslut Google Drive-inloggningen på nytt i noden och bekräfta sedan att trigger-mappen fortfarande finns och att det anslutna kontot har åtkomst. Om det bara fallerar för vissa filer, kontrollera om de är Google-inbyggda format (Docs/Sheets) i stället för nedladdade filer, eftersom det här arbetsflödet förväntar sig filnedladdningar som det kan tolka (PDF/TXT/Markdown).
Om du self-hostar finns ingen hård körningsgräns; det beror mest på din server och API:ernas rate limits.
Ofta, ja, eftersom det här arbetsflödet drar nytta av förgrening per filtyp, loopar genom batcher och hanterar binära filer som PDF:er på ett kontrollerat sätt. n8n är byggt för den typen av ”riktig arbetsflödeslogik”, och du kan self-hosta för obegränsade körningar om volymen växer. Zapier och Make kan fungera, men PDF-hantering och extrahering i flera steg blir ofta snabbt krångligt (och ibland dyrt). Om du bara synkar en enkel textanteckning kan de vara helt okej. För en dokumentpipeline som behöver PDF:er, switchar och valfri konvertering är n8n ett mer bekvämt val. Prata med en automationsexpert om du vill ha hjälp att välja.
När din Drive-mapp matar InfraNodus automatiskt slutar dina dokument att bara vara ”lagrade” och börjar bli användbara. Sätt upp det en gång, så hålls din insiktskarta uppdaterad medan du fokuserar på det riktiga arbetet.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.