HackerNews 学习资源智能推荐工作流
该工作流通过用户提交的学习主题，自动从 HackerNews 筛选相关“Ask HN”帖子及评论，利用先进的语言模型进行分析，提炼出高质量的学习资源推荐，并以结构化 Markdown 格式生成清单，最终通过邮件发送给用户。此流程有效解决信息过载问题，帮助用户快速找到实用的学习材料，提升学习效率和体验。
Tags
工作流名称
HackerNews 学习资源智能推荐工作流
主要功能和亮点
该工作流通过用户提交的学习主题，自动从 HackerNews 中筛选相关的“Ask HN”帖子及其评论，利用 Google Gemini 语言模型对评论内容进行分析和情感判断，智能提取出最优质的学习资源推荐，并以结构化的 Markdown 格式生成分类清单，最终将精炼的推荐结果通过邮件发送给用户。整个流程实现了从信息抓取、智能筛选、语义分析到个性化推送的自动化闭环。
解决的核心问题
面对海量的在线讨论和资源信息，用户往往难以快速找到高质量、针对性强的学习材料。该工作流解决了信息过载的问题，自动过滤无关内容，提炼出社区认可度高且实用的学习资源，节省用户筛选时间，提高学习效率。
应用场景
- 自主学习者希望获得权威的学习资料推荐
- 教育机构或培训平台为学员提供个性化学习资源
- 内容聚合和推荐服务需要自动化处理社区讨论数据
- 技术博客或媒体想快速整理热点话题的优质内容
主要流程步骤
- 用户提交学习主题和邮箱（Form Trigger节点）
- HackerNews搜索对应主题相关的“Ask HN”帖子（HackerNews节点）
- 拆分帖子的评论ID，逐条请求获取完整评论内容（HTTP Request节点）
- 合并所有评论文本为单一文本块（Aggregate节点）
- 调用Google Gemini大型语言模型，结合情感分析，智能提炼和分类推荐资源（LangChain节点）
- 将Markdown格式的推荐内容转换为HTML（Markdown节点）
- 发送推荐邮件给用户（Email节点）
- 结束流程（NoOp节点）
涉及的系统或服务
- HackerNews API（数据抓取）
- Google Gemini（PaLM）语言模型（智能内容理解与生成）
- SMTP 邮件服务（邮件发送）
- n8n 工作流自动化平台（流程编排）
适用人群或使用价值
- 独立学习者：快速获得社区验证的优质学习资源，避免信息迷茫
- 教育内容策划者及培训机构：自动化生成个性化学习推荐，提高服务质量
- 开发者和技术爱好者：利用自动化工作流提升内容挖掘与整理效率
- 媒体和内容平台：快速整合用户关注话题的深度资源，增强内容价值
该工作流实现了社区数据的智能挖掘与个性化推送，有效帮助用户在碎片化信息中找到真正有价值的学习材料，极大提升了学习体验和内容服务的智能化水平。
AutoRFP — 自动化RFP问答生成与响应文档制作流程
该工作流实现了从接收招标请求（RFP）文档到生成完整响应文档的自动化处理。通过智能提取RFP中的问题，结合企业内部资料自动生成答案，并整理成结构化的Google Docs文档。此外，系统还支持邮件和Slack通知，确保团队及时了解响应状态。这一流程大幅提高了响应效率，降低了人工成本，帮助销售团队快速、准确地应对客户需求。
piepdrive-test
该工作流在Pipedrive中自动创建新组织时，抓取其自定义网站字段的首页内容，并利用AI进行智能分析，生成包含公司描述、市场定位及竞争对手信息的详细备注。这些信息会同步回Pipedrive，并通过格式转换后推送至Slack，确保团队成员能够实时共享客户信息，提升销售与客户管理的效率，减少人工录入工作。
Google Doc Summarizer to Google Sheets
该工作流能够自动监控指定的Google Drive文件夹，实时获取新上传的Google文档内容，并通过AI模型生成智能摘要。摘要及文档的上传者信息会被自动保存到Google Sheets中，便于后期管理和快速查阅。此流程大幅度提高了文档管理效率，减少了人工整理的时间和遗漏风险，适合需要快速获取和整理文档信息的企业、团队及教育机构。
Travel AssistantAgent
该工作流构建了一个智能旅行助理，集成了大型语言模型和向量搜索技术，实现了个性化的旅行推荐和智能问答功能。通过动态数据接收和聊天记忆，用户可以获得实时更新的旅行信息，提升交互体验。同时，该系统解决了传统旅行信息孤立、推荐不精准和交互不连贯等问题，适用于在线旅游平台、旅行社及个人旅行规划，显著提高了服务智能化和旅行效率。
Open Deep Research - AI-Powered Autonomous Research Workflow
该工作流利用先进的人工智能技术，自动化执行深度研究任务。用户只需输入研究主题，系统便能生成精准的搜索查询，进行多轮网络搜索，并结合智能分析，整合来源于多个权威资源的信息。最终，工作流将生成结构化的Markdown格式研究报告，极大提升研究效率与信息准确性，适用于学术研究、市场分析、产品调研等多个场景，帮助用户快速获取全面、有价值的研究成果。
Hugging Face to Notion
该工作流实现了自动化抓取Hugging Face最新学术论文，利用先进的GPT-4模型对论文摘要进行深度分析与结构化提取，最终将关键信息智能存储到Notion数据库。它有效解决了手动查找论文的繁琐，避免了信息重复存储，并提供了高效的学术资源管理，适合研究人员、学术机构及AI从业者持续跟踪最新研究动态，提升文献整理的效率和质量。
DSP Agent
DSP Agent 是一款智能学习助手，专为信号处理领域的学生设计。通过 Telegram 接收文本和语音消息，利用先进的 AI 模型提供即时的知识查询、计算辅助和个性化学习跟踪。该工具能够帮助学生快速理解复杂概念，提供动态问题解析和学习建议，解决了传统学习中的互动性不足和个性化辅导缺乏的问题，提升了学习效率与体验。
RAG on living data
该工作流通过实时更新数据，实现了检索增强生成（RAG）功能，能够自动从Notion知识库获取最新内容，并进行文本分块和向量化处理，存储于Supabase向量数据库。结合OpenAI的GPT-4模型，提供上下文相关的智能问答，显著提升知识库的利用效率和准确性，适用于企业知识管理、客服支持、教育培训等场景，确保用户获取最新信息。