Aperçu
Flux de travail n8n pour la recherche pilotée par LLM. Le déclencheur Webhook reçoit un sujet, se répartit vers la recherche Scavio, extrait les 5 premiers résultats, résume chacun avec le nœud LLM, renvoie un résumé combiné.
Déclencheur
Webhook (ad-hoc) ou Cron (digest programmé)
Planification
Webhook ou quotidien
Étapes du workflow
1
Déclencheur Webhook ou Cron
Webhook pour à la demande ; Cron pour quotidien.
2
Nœud HTTP de recherche Scavio
POST /api/v1/search avec sujet.
3
Diviser en lots sur les 5 premiers résultats
Boucle par résultat.
4
Nœud HTTP d'extraction Scavio par résultat
POST /api/v1/extract renvoyant du markdown.
5
Le nœud LLM résume chaque
Claude / GPT / Groq, résumé de 200 mots.
6
Nœud de fusion
Combiner en une seule réponse.
7
Répondre au Webhook
Renvoyer le résumé combiné.
Implémentation Python
Python
import os, requests
API_KEY = os.environ['SCAVIO_API_KEY']
H = {'x-api-key': API_KEY}
def research(topic):
s = requests.post('https://api.scavio.dev/api/v1/search', headers=H, json={'query': topic}).json()
out = []
for r in s.get('organic_results', [])[:5]:
e = requests.post('https://api.scavio.dev/api/v1/extract', headers=H, json={'url': r['link'], 'format': 'markdown'}).json()
out.append({'url': r['link'], 'md': e.get('markdown', '')[:3000]})
return outImplémentation JavaScript
JavaScript
// In n8n use HTTP Request nodes. Equivalent TS:
const H = { 'x-api-key': process.env.SCAVIO_API_KEY, 'Content-Type': 'application/json' };
async function research(topic) {
const s = await fetch('https://api.scavio.dev/api/v1/search', { method: 'POST', headers: H, body: JSON.stringify({ query: topic }) }).then(r => r.json());
return s;
}Plateformes utilisées
Recherche web avec graphe de connaissances, PAA et aperçus IA