使用 ScrapeGraphAI 與 Google Sheets 進行自動化深度研究 - n8n 工作流程

• 需要自動化、多角度資料收集的市場研究人員。


• 需要使用 n8n 工作流程進行結構化文獻回顧的學術界人士或顧問。


• 尋找進階網路爬取與資料整合 n8n 範本的資料分析師。


• 需要透過 API 觸發複雜資料流程並將研究成果儲存至 Google Sheets 的使用者。

這個精密的 n8n 工作流程提供了一個端到端的自動化深度研究解決方案。當一個請求被發送到網路鉤子 (n8n trigger) 時，系統會根據所要求的深度（基礎、詳細或全面）動態生成目標搜尋查詢。其核心價值在於其多來源爬取能力，利用專門的 ScrapeGraphAI n8n 節點，能同時收集一般網路洞察、最新新聞和學術論文。這確保了資料涵蓋的全面性。收集到的資料隨後會被系統地合併、處理，並存檔到指定的 Google Sheets 文件中，以供歷史追蹤和即時報告。這個強大的 n8n 工作流程僅需一次 API 呼叫即可取代數小時的手動研究，透過 n8n 提供高度可擴展的自動化功能。

流程始於 Research Request Webhook n8n 觸發器，它接收一個定義研究主題和參數的 POST 請求。

1. 設定與查詢生成： Research Configuration Processor Code n8n 節點負責處理請求負載 (payload)，驗證輸入（如主題和深度），並程式化地生成一系列集中的搜尋查詢（例如，「主題市場分析」、「主題學術論文」）。


2. 平行執行： Split Search Queries n8n 節點迭代每個生成的查詢。對於每個查詢，Query Selector n8n 節點會準備資料以進行平行收集。


3. 多來源資料收集： 三個平行的 ScrapeGraphAI n8n 節點會執行：一個用於一般研究發現 (AI Research Scraper)，一個專門針對新聞 (News Sources Scraper)，以及一個用於學術論文 (Academic Sources Scraper)。每個 n8n 節點都會使用詳細的提示詞，以確保輸出的結果是高度結構化的 JSON 格式。


4. 資料彙整： Merge Research Sources n8n 節點會等待所有三個爬取操作完成，然後將資料合併成單一股流。


5. 處理與結構化： Research Data Processor Code n8n 節點會清理、結構化並驗證彙總的研究發現，準備好如 sessionId、query 和來源摘要等關鍵欄位。


6. 存檔與回應： 最後，Research Data Storage Google Sheets n8n 節點會將結構化結果附加到指定的試算表中，而 Research Complete Response n8n 節點則將確認狀態傳回給啟動系統。這個完整的 n8n 工作流程利用 n8n 範本的強大功能來實現重複性任務，提供了穩健的自動化。

1. 匯入 n8n 範本： 複製提供的 JSON 定義，並直接匯入到您的 n8n 實例中。


2. 設定憑證：

1. 設定網路鉤子： 啟用 Research Request Webhook n8n 觸發器。複製產生的網路鉤子 URL（路徑：/research-trigger）。


2. Google Sheet 設定： 建立一個名為 Research_Data 的新 Google Sheet（或在 n8n 節點參數中更新為您想要的試算表名稱/ID），並確保它具有必要的標題欄位。


3. 測試 n8n 工作流程： 向網路鉤子 URL 發送一個包含 topic 和所需研究參數的 JSON 負載的 POST 請求，以啟動這個強大的 n8n 工作流程。

Research Request Webhook (n8n Trigger)： 作為起點（n8n 觸發器）。設定為在 /research-trigger 路徑上接收 POST 請求，啟動深度研究流程。
Research Configuration Processor (Code n8n node)： 一個關鍵的自訂 n8n 節點，負責處理邏輯。它會驗證並設定預設的輸入參數，根據深度生成複雜的搜尋查詢，並建立一個唯一的 sessionId 用於追蹤。
Split Search Queries (Split In Batches n8n node)： 透過將生成的搜尋查詢列表分開來管理流程，以便後續的爬取操作能針對每個查詢依序執行。
AI Research Scraper (ScrapeGraphAI n8n node)： 使用 AI 進行一般、結構化的網路爬取。關鍵設定：User Prompt 要求高度結構化的 JSON 輸出，內容包含主要發現、統計數據和信賴度評估。
News Sources Scraper & Academic Sources Scraper (ScrapeGraphAI n8n nodes)： 專門針對特定 URL（Google News 和 Google Scholar）的爬取 n8n 節點，以確保收集到相關的素材。
Merge Research Sources (Merge n8n node)： 一個流程控制 n8n 節點，用於在最終處理前合併三個平行爬取分支的結果。
Research Data Processor (Code n8n node)： 將雜亂的合併後 JSON 資料整理成乾淨的物件，彙整發現、新聞和學術論文，以達到最佳儲存效果。
Research Data Storage (Google Sheets n8n node)： 最終操作 n8n 節點。它使用「附加 (Append)」操作，將結構化的研究結果儲存到指定的 Google Sheets 文件中，完成這個資料收集 n8n 工作流程。