Steg 2: Koppla RSS-normalisering och färskhetsfiltrering

Rensa och normalisera RSS-data och förhindra sedan dubbel bearbetning med en färskhetskontroll.

1. Öppna Normalize and Hash Data och behåll den angivna Code som den är för att normalisera URL:er och titlar samt skapa url_hash.
2. Öppna Parse HTML Content och behåll den angivna Code för att lagra och utvärdera färskhet med hjälp av arbetsflödets statiska data.
3. I Is Item Fresh? bekräftar ni att villkoret använder ={{$json["_isNew"]}} med den booleska operatorn satt till true.
4. Verifiera flödet: Normalize and Hash Data → Parse HTML Content → Is Item Fresh?.

Steg 3: Konfigurera artikelhämtning och förberedelse av LLM-prompt

Hämta hela artikelinnehållet och förbered en ren prompt till AI-modellen.

1. I Retrieve Article ställer ni in URL på ={{$json["url"]}}.
2. Säkerställ att Retrieve Article har Response Format satt till text och Timeout satt till 8000.
3. Öppna Assemble LLM Prompt och behåll den angivna Code för att ta bort HTML och skapa text_for_llm.
4. Bekräfta körordningen: Is Item Fresh? → Retrieve Article → Assemble LLM Prompt.

Steg 4: Konfigurera AI-analys och JSON-tolkning

Kör LLM-analysen och tolka sedan dess JSON-utdata till strukturerade fält för routning.

1. Öppna LLM Content Analysis och ställ in Text till hela prompten, inklusive:
   =You are a precise news triager... TITLE: {{ $('Parse HTML Content').item.json.title }} URL: {{ $('Parse HTML Content').item.json.link }} TEXT: {{$json["text_for_llm"]}}.
2. Säkerställ att DeepSeek Dialogue Model är ansluten till LLM Content Analysis som språkmodell.
3. Autentiseringsuppgifter krävs: Anslut era deepSeekApi-autentiseringsuppgifter i DeepSeek Dialogue Model (den överordnade LLM-noden använder denna modell).
4. Öppna Decode LLM JSON och behåll den angivna Code för att extrahera summary, sentiment, keywords och flags.

Steg 5: Konfigurera relevansroutning och Slack-aviseringar

Filtrera för viktiga nyheter och posta en avisering till Slack.

1. I Assess Relevance bekräftar ni att villkoren kontrollerar sentiment och flaggor med dessa uttryck:
   ={{$json["sentiment"]}} och ={{$json["flags"].join(",")}} för acquisition, funding och product_launch.
2. Öppna Post Slack Alert och ställ in Text till:
   =*News Alert* 📰
*{{ $('RSS Feed Trigger').item.json.title }}*
{{$json["summary"]}}

Sentiment: {{$json["sentiment"]}}
Flags: {{ $json["flags"].join(", ") || "—" }}

<{{ $('RSS Feed Trigger').item.json.link }}>.
3. Ställ in Channel till er Slack-kanal och ersätt platshållaren [YOUR_ID] med korrekt kanal-ID.
4. Autentiseringsuppgifter krävs: Anslut era slackApi-autentiseringsuppgifter i Post Slack Alert.

Steg 6: Testa och aktivera ert arbetsflöde

Validera varje steg med en manuell körning och aktivera sedan arbetsflödet för löpande aviseringar.

1. Klicka på Execute Workflow och kontrollera att RSS Feed Trigger skapar nya objekt.
2. Verifiera att Is Item Fresh? släpper igenom nya objekt och att LLM Content Analysis returnerar JSON som tolkas av Decode LLM JSON.
3. Bekräfta att Assess Relevance routar relevanta objekt till Post Slack Alert och att meddelandet visas i er Slack-kanal.
4. Växla arbetsflödet till Active för att aktivera schemalagd RSS-övervakning.