Att hämta en kursplan, skumma tidigare prov och göra om allt till en felfri “vad du ska repetera”-sammanställning är den typen av uppgift som i tysthet stjäl dina kvällar. Du börjar med goda intentioner. Sedan blir det till flikar, copy-paste och ett halvfärdigt Google Doc som aldrig delas.
Lärare känner av det när de planerar repetitionstid. Privatlärare känner av det när föräldrar frågar “vad är troligast att komma?” Och skolledare känner av det när de vill ha konsekventa stödmaterial mellan klasser. Den här OpenRouter WordPress-automationen gör kursplan och historik till en publiceringsklar inlägg om provtrender och skickar sedan länken till Slack för ditt team.
Nedan ser du hur arbetsflödet körs, vad det producerar och hur du anpassar det för andra ämnen utan att bygga om från grunden.
Så fungerar automationen
Hela n8n-arbetsflödet, från trigger till slutresultat:
n8n Workflow Template: OpenRouter till WordPress, tentatrendrapporter publicerade
flowchart LR
subgraph sg0["Manual Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Manual Trigger", pos: "b", h: 48 }
n1["<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/>Fetch O-Level Math Syllabus"]
n2@{ icon: "mdi:cog", form: "rounded", label: "Extract Syllabus Text", pos: "b", h: 48 }
n3@{ icon: "mdi:swap-vertical", form: "rounded", label: "Prepare Analysis Data", pos: "b", h: 48 }
n4@{ icon: "mdi:swap-vertical", form: "rounded", label: "Load Historical Context", pos: "b", h: 48 }
n5@{ icon: "mdi:robot", form: "rounded", label: "AI Analysis Agent", pos: "b", h: 48 }
n6@{ icon: "mdi:swap-vertical", form: "rounded", label: "Parse AI Output", pos: "b", h: 48 }
n7["<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/markdown.dark.svg' width='40' height='40' /></div><br/>Format Report"]
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/html.dark.svg' width='40' height='40' /></div><br/>Convert to HTML"]
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/wordpress.svg' width='40' height='40' /></div><br/>Publish to WordPress"]
n10["<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/slack.svg' width='40' height='40' /></div><br/>Send Slack Summary"]
n11@{ icon: "mdi:brain", form: "rounded", label: "OpenRouter Chat Model", pos: "b", h: 48 }
n7 --> n8
n0 --> n1
n0 --> n4
n8 --> n9
n6 --> n7
n5 --> n6
n9 --> n10
n2 --> n3
n11 -.-> n5
n3 --> n5
n4 --> n5
n1 --> n2
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 n5 ai
class n11 aiModel
class n1 api
classDef customIcon fill:none,stroke:none
class n1,n7,n8,n9,n10 customIcon
Problemet: rapporter om provtrender tar för lång tid att ta fram
Material för provförberedelser ska minska stress, men att skapa det gör ofta motsatsen. Du letar upp senaste kursplan-PDF:en, plockar ut relevanta avsnitt och dubbelkollar sedan mot flera års tidigare provteman för att hitta mönster. Efter det kommer den “presentabla” delen: att göra om grova anteckningar till en strukturerad rapport med ämnen, troliga fokusområden och praktiska rekommendationer. Det är inte svårt arbete, det är bara mycket arbete. Och eftersom det görs manuellt är det lätt att landa i inkonsekventa råd mellan klasser eller privatlärare.
Friktionen byggs på. Små förseningar blir missade publiceringsfönster, och sedan repeterar elever utan en tydlig plan.
- Du skriver om samma trendsammanfattning varje termin, bara med ett nytt årtal.
- Uppdateringar i kursplanen missas eftersom ingen vill kontrollera en lång PDF under tidspress.
- Insikter ligger i en persons anteckningar, så resten av teamet undervisar med lite olika prioriteringar.
- När det väl är formaterat och delat har det “nyttiga” ögonblicket redan passerat.
Lösningen: AI-genererade inlägg om provtrender, automatiskt publicerade och delade
Det här arbetsflödet tar råmaterialet du redan använder (den officiella kursplanen och lite historisk provkontext) och gör om det till ett WordPress-inlägg som teamet faktiskt kan använda. Du triggar det manuellt när du är redo. n8n hämtar O-Level Math-kursplanen från SEAB-källan, extraherar texten och kombinerar den med flera års kontext om tidigare provteman som du tillhandahåller. Sedan kör OpenRouter analysen, jämför vad som betonas i kursplanen mot historiska mönster och producerar en strukturerad uppsättning förutsagda fokusområden med språk som signalerar trygghet/säkerhetsgrad. Till sist formaterar arbetsflödet resultatet till en läsbar rapport, konverterar den till HTML, publicerar den i WordPress och skickar ett tydligt Slack-meddelande med länken.
Det börjar med en manuell start i n8n. Kursplanen hämtas och extraheras, och slås sedan ihop med dina sparade anteckningar om provhistorik. OpenRouter står för resonemanget, och WordPress + Slack sköter distributionen, så teamet får en enda kanonisk version.
Vad du får: automation vs. resultat
| Vad arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du publicerar en uppdatering om provtrender varje vecka under repetitionsperioden. Manuellt kan du lägga cirka 30 minuter på att hitta senaste versionen av kursplanen, ungefär 2 timmar på att dubbelkolla tidigare teman och ytterligare en timme på att göra om anteckningar till ett WordPress-inlägg, alltså runt 3 till 4 timmar totalt. Med det här arbetsflödet triggar du det på under en minut, väntar cirka 10–15 minuter på AI-analys och formatering och sedan är det redan publicerat med en Slack-länk redo för teamet. Det är i praktiken en eftermiddag tillbaka varje vecka.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- OpenRouter för att köra AI-analysen av kursplanen.
- WordPress för att publicera trendrapporten automatiskt.
- Slack för att meddela teamet med länken till inlägget.
- OpenRouter API-nyckel (hämta den i din OpenRouter-dashboard).
Kunskapsnivå: Medel. Du kopplar konton, klistrar in en API-nyckel och justerar en eller två textprompter för att matcha ditt ämne och din ton.
Vill du inte sätta upp det här själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Manuell start från n8n. Du klickar på kör när du vill ha en ny rapport (till exempel när kursplanen ändras eller när du går in i provperioden).
Hämtning av kursplan och textextraktion. n8n hämtar kursplanfilen från SEAB-källan via en HTTP-förfrågan och extraherar sedan användbar text från dokumentet så att du inte matar modellen med stökiga PDF-fragment.
Kontext + resonemang i OpenRouter. Arbetsflödet kombinerar kursplanetexten med din sparade kontext om “tidigare teman” (vanligtvis några år) och skickar den till en AI-agent. Här genereras förutsagda fokusområden och underbyggande motiveringar.
Formatering, publicering och teamnotifiering. Utdata struktureras, görs om till Markdown, konverteras till HTML, publiceras som ett WordPress-inlägg och sammanfattas sedan i Slack med en länk som folk kan klicka på direkt.
Du kan enkelt ändra källan för kursplanen och analys-prompten för att stödja ett annat ämne eller en annan provnämnd utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera manuell trigger
Starta arbetsflödet med en manuell trigger för att köra analysen vid behov medan ni bygger och testar.
- Lägg till och behåll Manual Launch Start som trigger-nod för manuella körningar.
- Bekräfta att Manual Launch Start är ansluten till både Retrieve Math Syllabus och Load Past Topic Context så att arbetsflödet kan förgrena sig parallellt.
Manual Launch Start skickar utdata parallellt till både Retrieve Math Syllabus och Load Past Topic Context.
Steg 2: Anslut datakällan för kursplanen
Hämta den officiella kursplanen i PDF och extrahera dess textinnehåll för analys.
- I Retrieve Math Syllabus, ställ in URL till
https://www.seab.gov.sg/docs/default-source/national-examinations/syllabus/olevel/2025syllabus/4048_y25_sy.pdf. - Anslut Retrieve Math Syllabus till Extract Syllabus Content.
- I Extract Syllabus Content, ställ in Operation till
textför att konvertera PDF:en till ren text.
Steg 3: Sätt ihop indata och kontext för analys
Bygg de strukturerade indata som AI-agenten ska använda, inklusive kursplanstexten och historisk ämneskontekst.
- I Assemble Analysis Inputs, lägg till fältet syllabus_content med värdet
={{ $json.data }}. - I Assemble Analysis Inputs, lägg till fältet analysis_year med värdet
=2025. - I Load Past Topic Context, lägg till fältet historical_topics med värdet
=Algebra (equations, inequalities, functions), Geometry (congruence, similarity, circle theorems), Trigonometry (ratios, identities, graphs), Statistics (data analysis, probability), Number patterns (sequences, series), Mensuration (area, volume, surface area), Coordinate geometry (gradients, equations of lines), Vectors (operations, applications), Matrices (operations, transformations), Sets (Venn diagrams, operations). - I Load Past Topic Context, lägg till fältet challenging_areas med värdet
=Circle theorems and angle properties, Trigonometric identities and proofs, Probability with multiple events, Algebraic manipulation and factorization, Application problems requiring multi-step reasoning. - Säkerställ att både Assemble Analysis Inputs och Load Past Topic Context ansluts till Reasoning Analysis Agent.
syllabus_content blir AI-prompten tom och den efterföljande genereringen av markdown misslyckas.Steg 4: Ställ in AI-agenten för analys
Konfigurera AI-agenten så att den analyserar kursplanen och returnerar strukturerad JSON för rapportering.
- I Reasoning Analysis Agent, ställ in Text till hela prompten som tillhandahålls, inklusive de inbäddade uttrycken:
{{ $('Assemble Analysis Inputs').item.json.syllabus_content }},{{ $('Load Past Topic Context').item.json.historical_topics }}och{{ $('Load Past Topic Context').item.json.challenging_areas }}. - Verifiera att Reasoning Analysis Agent använder OpenRouter Chat Engine som språkmodell.
- I OpenRouter Chat Engine, ställ in Model till
perplexity/sonar-reasoning.
Inloggningsuppgifter krävs: Anslut era openRouterApi-inloggningsuppgifter i OpenRouter Chat Engine. OpenRouter Chat Engine är ansluten som språkmodell för Reasoning Analysis Agent—se till att inloggningsuppgifterna läggs till i OpenRouter Chat Engine, inte i agenten.
Steg 5: Formatera och publicera rapporten
Transformera AI-utdata till markdown, rendera HTML och publicera den till WordPress.
- Anslut Reasoning Analysis Agent till Structure AI Results för att förbereda fält för rapportering.
- Anslut Structure AI Results till Compose Report Markdown och sedan till Render HTML Output för konvertering till HTML.
- I Publish WordPress Post, ställ in Title till
=GCE O-Level Math Predictions {{ $('Assemble Analysis Inputs').item.json.analysis_year }}. - Anslut Render HTML Output till Publish WordPress Post.
Steg 6: Skicka Slack-avisering med sammanfattning
Meddela ert team när analysen publiceras, med en sammanfattning av förutsägelserna.
- Anslut Publish WordPress Post till Slack Summary Alert.
- I Slack Summary Alert, behåll fältet Text som det är för att inkludera den dynamiska sammanfattningen med
{{ $('Assemble Analysis Inputs').item.json.analysis_year }}och de mest sannolika ämnena från{{ $('Structure AI Results').item.json.predicted_questions.slice(0, 3)... }}.
Steg 7: Testa och aktivera ert arbetsflöde
Kör ett fullständigt test för att validera de parallella indatana, AI-analysen och publiceringsflödet innan ni aktiverar det för produktion.
- Klicka på Execute Workflow från Manual Launch Start för att köra ett manuellt test.
- Bekräfta att Retrieve Math Syllabus och Load Past Topic Context körs parallellt och att båda når Reasoning Analysis Agent.
- Verifiera att Publish WordPress Post skapar ett inlägg med titeln
GCE O-Level Math Predictions 2025och att Slack Summary Alert publicerar sammanfattningen. - När allt fungerar, växla arbetsflödet till Active för användning i produktion.
Vanliga fallgropar
- WordPress-inloggning kan löpa ut eller kräva specifika behörigheter. Om något skapar fel, kontrollera först ditt WordPress-applikationslösenord och inställningar för användarroll.
- Om du använder Wait-noder eller extern rendering varierar bearbetningstiderna. Öka väntetiden om efterföljande noder fallerar på tomma svar.
- OpenRouter-prompter som lämnas generiska ger generiska trendrapporter. Baka in språket från din bedömningsmatris, ämnesbenämningar och din föredragna struktur tidigt, på riktigt, annars kommer du att polera varje inlägg för hand.
Vanliga frågor
Cirka 30 minuter om din åtkomst till WordPress och Slack redan är klar.
Nej. Du kopplar konton, lägger till en API-nyckel och redigerar några textfält i n8n.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Molnplaner börjar på 20 USD/månad för högre volym. Du behöver också räkna in OpenRouter-kostnader, som beror på vilken modell du väljer och hur långa dina kursplans-/historikunderlag är.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och hanterar n8n bra. Egen drift ger obegränsade körningar men kräver grundläggande serveradministration.
Ja, och det är huvudskälet till att arbetsflödet är värt att behålla. Byt kursplan-URL:en i HTTP-hämtningssteget och justera sedan AI-agentens prompt så att den använder rätt ämnesbenämningar och bedömningsstil. De flesta team byter också ut blocket med “kontext om tidigare teman” mot sina egna anteckningar (till exempel EMath vs AMath, eller en annan provnämnd). Om du vill ha utkast i stället för automatisk publicering kan du ändra WordPress-steget till att skapa ett utkast och hoppa över Slack-notisen tills granskningen är klar.
Oftast är det en ogiltig eller utgången API-nyckel, så generera en ny i OpenRouter och uppdatera autentiseringen i n8n. En annan vanlig orsak är modellåtkomst: vissa modeller kräver specifika behörigheter eller ett minsta saldo. Om kursplanetexten är enorm kan du också slå i token-gränser, så korta ner kontexten eller sammanfatta historiken innan du skickar den till agenten.
I de flesta miljöer klarar den utan problem dussintals rapporter per månad, och egen drift tar bort körningsgränser helt.
Ofta, ja, eftersom det här inte bara är “flytta data från A till B”. Du hämtar ett dokument, extraherar text, kombinerar kontext och kör ett resonemangssteg innan publicering. n8n är byggt för den typen av förgrening och transformation, och du kan köra det själv om du inte vill ha prissättning per uppgift. Zapier eller Make kan fortfarande fungera om du förenklar flödet (till exempel analysera en kort textsnutt och skapa ett utkast), men så fort du lägger till dokumentextraktion och rikare logik blir uppsättningen pillig och kostnaderna ökar. Om du vill verklighetskontrollera vilken väg som passar ditt team, Prata med en automationsexpert.
När detta väl rullar slutar inlägg om provtrender vara ett “när vi får tid”-projekt. Arbetsflödet tar hand om repetitivt arbete så att du kan fokusera på undervisning, inte formatering.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.