YouTube評論智能摘要生成器

YouTube Comment Summarizer

利用RAG技術和向量資料庫自動分析YouTube評論，生成智能摘要，幫助創作者快速了解觀眾回饋和輿情趨勢

12 NodesAI & MLAI分析社群媒體內容創作

工作流概述

這是一個基於 N8n 構建的 YouTube 評論摘要生成器工作流，利用 RAG（檢索增強生成）技術來處理和分析 YouTube 評論數據。該工作流整合了向量資料庫、AI 語言模型和多個第三方服務，實現了從數據接收到結果儲存的完整自動化流程。

核心功能

該工作流的主要功能是接收 YouTube 評論數據，透過向量化儲存和 AI 代理處理，生成智慧摘要並記錄處理結果。整個流程包含數據攝取、文字處理、向量化儲存、智慧檢索和結果輸出等多個環節。

節點架構

1. 觸發器節點

  • Webhook Trigger：透過 POST 請求接收數據
    • 路徑：youtube-comment-summarizer
    • 作為整個工作流的入口點

2. 數據處理層

  • Text Splitter：文字分割器
    • 分塊大小：400 字元
    • 重疊部分：40 字元
    • 用於將長文字分割成適合處理的小塊

3. 向量化層

  • Embeddings (OpenAI)：文字嵌入生成器
    • 模型：text-embedding-3-small
    • 將文字轉換為向量表示
    • 整合 OpenAI API

4. 向量儲存層

  • Pinecone Insert：向量插入節點

    • 索引名稱：youtube_comment_summarizer
    • 模式：插入模式
    • 用於儲存文字向量至 Pinecone 資料庫

  • Pinecone Query：向量查詢節點

    • 索引名稱：youtube_comment_summarizer
    • 用於從向量資料庫檢索相關內容

5. AI 代理層

  • Vector Tool：向量工具

    • 名稱：Pinecone
    • 描述：Vector context
    • 為 AI 代理提供向量檢索能力

  • Window Memory：視窗記憶

    • 版本：1.3
    • 維護對話上下文記憶

  • Chat Model (OpenAI)：聊天模型

    • 使用 OpenAI 語言模型
    • 作為 AI 代理的核心推理引擎

  • RAG Agent：檢索增強生成代理

    • 提示類型：自訂
    • 系統訊息：You are an assistant for YouTube Comment Summarizer
    • 整合向量工具和記憶功能

6. 輸出層

  • Append Sheet (Google Sheets)：數據記錄節點

    • 操作：附加數據
    • 工作表：Log
    • 記錄處理狀態

  • Slack Alert：錯誤通知節點

    • 頻道：#alerts
    • 當工作流出錯時傳送通知

數據流向

Webhook 接收 
    ↓
文字分割 → 向量化 → Pinecone 儲存
    ↓                    ↓
視窗記憶 ← RAG 代理 ← 向量查詢
              ↓
         Google Sheets 記錄
              ↓ (錯誤時)
         Slack 告警

工作流程詳解

  1. 數據接收階段
  • Webhook 接收 POST 請求中的 YouTube 評論數據
  • 數據同時傳遞給文字分割器和視窗記憶
  1. 向量化處理階段
  • 文字分割器將評論內容切分成小塊
  • 每個文字塊透過 OpenAI Embeddings 轉換為向量
  • 向量數據儲存至 Pinecone 資料庫
  1. 智慧檢索階段
  • Pinecone Query 節點檢索相關向量內容
  • 向量工具將檢索結果提供給 RAG 代理
  • 視窗記憶維護對話歷史上下文
  1. AI 生成階段
  • RAG 代理使用 OpenAI Chat Model 進行推理
  • 結合向量檢索結果和對話記憶生成摘要
  • 生成智慧化的評論分析與摘要
  1. 結果輸出階段
  • 處理結果附加至 Google Sheets 日誌表
  • 若發生錯誤，透過 Slack 傳送告警通知

技術整合

API 整合

  • OpenAI API：提供文字嵌入和語言模型服務
  • Pinecone API：提供向量資料庫儲存與檢索
  • Google Sheets API：提供數據記錄功能
  • Slack API：提供錯誤通知功能

設定要點

  • 所有 API 憑證皆以 ID 引用方式設定
  • Pinecone 索引名稱保持一致性
  • 文字分塊參數經過最佳化，以平衡效能與效果

應用場景

  1. YouTube 內容創作者
  • 快速掌握觀眾評論的整體情緒與主要關注點
  • 識別熱門話題與常見問題
  1. 品牌行銷團隊
  • 監控品牌相關影片的評論回饋
  • 分析使用者情緒與意見趨勢
  1. 研究人員
  • 收集與分析特定主題的公眾意見
  • 進行社群媒體情緒分析研究
  1. 客戶支援團隊
  • 識別產品相關影片中的常見問題
  • 快速回應客戶關注點

優勢特點

  1. 智慧化處理：運用 RAG 技術提供具上下文感知的摘要
  2. 可擴充性：向量資料庫支援大規模評論數據儲存
  3. 自動化：全流程自動化，減少人工干預
  4. 可靠性：內建錯誤處理與告警機制
  5. 記錄追溯：所有處理記錄儲存於 Google Sheets

潛在優化方向

  1. 批次處理：增加批次處理能力以提升效率
  2. 多語言支援：加入語言偵測與翻譯功能
  3. 情緒分析：整合專門的情緒分析工具
  4. 數據視覺化：新增數據視覺化儀表板
  5. 快取機制：實作智慧快取以降低 API 呼叫成本

節點清單

節點名稱 節點類型 主要功能
Sticky Note n8n-nodes-base.stickyNote 工作流說明
Webhook Trigger n8n-nodes-base.webhook 接收 HTTP 請求
Text Splitter @n8n/n8n-nodes-langchain.textSplitterCharacterTextSplitter 文字分塊
Embeddings @n8n/n8n-nodes-langchain.embeddingsOpenAi 文字向量化
Pinecone Insert @n8n/n8n-nodes-langchain.vectorStorePinecone 向量儲存
Pinecone Query @n8n/n8n-nodes-langchain.vectorStorePinecone 向量檢索
Vector Tool @n8n/n8n-nodes-langchain.toolVectorStore 向量工具
Window Memory @n8n/n8n-nodes-langchain.memoryBufferWindow 對話記憶
Chat Model @n8n/n8n-nodes-langchain.lmChatOpenAi AI 語言模型
RAG Agent @n8n/n8n-nodes-langchain.agent RAG 代理
Append Sheet n8n-nodes-base.googleSheets 數據記錄
Slack Alert n8n-nodes-base.slack 錯誤通知

技術棧

  • 工作流引擎：N8n
  • AI 框架：LangChain
  • 語言模型：OpenAI GPT
  • 向量資料庫：Pinecone
  • 數據儲存：Google Sheets
  • 通知服務：Slack

總結

這是一個設計精良的 RAG 工作流模板，充分運用現代 AI 技術棧來實現 YouTube 評論的智慧化處理。透過向量資料庫與語言模型的結合，能夠提供高品質的評論摘要與分析服務。此工作流具備良好的擴充性與可維護性，適合作為企業級應用的基礎架構。