{ "active": false, "connections": { "Workflow Input Trigger": { "main": [ [ { "node": "Suchbegriff_API", "type": "main", "index": 0 } ] ] }, "OpenAI Chat Model": { "ai_languageModel": [ [ { "node": "Suchbegriff_API", "type": "ai_languageModel", "index": 0 } ] ] }, "HTTP Request": { "main": [ [ { "node": "Code", "type": "main", "index": 0 } ] ] }, "Suchbegriff_API": { "main": [ [ { "node": "HTTP Request", "type": "main", "index": 0 } ] ] }, "OpenAI Chat Model1": { "ai_languageModel": [ [ { "node": "Paperselektion", "type": "ai_languageModel", "index": 0 } ] ] }, "Code": { "main": [ [ { "node": "Paperselektion", "type": "main", "index": 0 } ] ] }, "Paperselektion": { "main": [ [ { "node": "Code1", "type": "main", "index": 0 } ] ] }, "Code1": { "main": [ [ { "node": "HTTP Request1", "type": "main", "index": 0 } ] ] } }, "createdAt": "2025-01-21T19:55:03.676Z", "id": "VGEXh6JqDtPxXOxo", "meta": { "templateId": "VMiAxXa3lCAizGB5f7dVZQSFfg3FtHkdTKvLuupqBls=", "templateCredsSetupCompleted": true }, "name": "Sementic Scholar API", "nodes": [ { "parameters": { "workflowInputs": { "values": [ { "name": "Keyword" } ] } }, "id": "c055762a-8fe7-4141-a639-df2372f30060", "typeVersion": 1.1, "name": "Workflow Input Trigger", "type": "n8n-nodes-base.executeWorkflowTrigger", "position": [ 320, 400 ] }, { "parameters": { "url": "=https://api.semanticscholar.org/graph/v1/paper/search?query={{ $json.text }}", "options": {} }, "type": "n8n-nodes-base.httpRequest", "typeVersion": 4.2, "position": [ 980, 480 ], "id": "21c041a7-3876-4e19-8721-55f415cc6327", "name": "HTTP Request" }, { "parameters": { "options": {} }, "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi", "typeVersion": 1.1, "position": [ 700, 620 ], "id": "593a77a5-76ff-4865-89be-e2aab1b8738e", "name": "OpenAI Chat Model", "credentials": { "openAiApi": { "name": "" } } }, { "parameters": { "promptType": "define", "text": "=Du bist ein hochspezialisierter Information Extractor, der darauf trainiert ist, pr\u00e4zise Suchbegriffe f\u00fcr wissenschaftliche Studien und Papers zu generieren, basierend auf einer spezifischen Fragestellung. Dein Ziel ist es, genau einen suchbaren englischen Suchbegriff zu liefern, der relevante, spezialisierte wissenschaftliche Arbeiten auf Semantic Scholar findet. \n\nArbeitsweise:\n- Analysiere die gegebene Fragestellung pr\u00e4zise und identifiziere die Kernkonzepte und wichtigen Begriffe.\n- Formuliere den Suchbegriff so, dass er m\u00f6glichst spezifisch relevante wissenschaftliche Studien erfasst, jedoch keine \u00fcberfl\u00fcssigen Ergebnisse generiert.\n- Gib den Suchbegriff im URL-codierten Format aus (z. B. \"deep learning\" \u2192 \"deep%20learning\").\n- Schreibe ausschlie\u00dflich den generierten Suchbegriff als Ergebnis, ohne Einleitung, Kontext oder Abschluss.\n\nBeispiele:\n- Fragestellung: \"Welche Rolle spielt Dopamin bei Entscheidungsprozessen im Gehirn?\"\n Ausgabe: dopamin%20decision-making%20brain\n- Fragestellung: \"Wie beeinflusst maschinelles Lernen die Genomforschung?\"\n Ausgabe: machine%20learning%20genomics\n- Fragestellung: \"Welche neurobiologischen Prozesse sind bei Angstst\u00f6rungen beteiligt?\"\n Ausgabe: neurobiology%20anxiety%20disorders\n\nZu vermeiden:\n- Mehr als einen Suchbegriff zu generieren.\n- Allgemeine oder unspezifische Suchbegriffe.\n- Einleitungen, Erkl\u00e4rungen, oder Kommentare in der Ausgabe.\n\nFragestellung: \n{{ $('Workflow Input Trigger').item.json.Keyword }}" }, "type": "@n8n/n8n-nodes-langchain.chainLlm", "typeVersion": 1.5, "position": [ 620, 280 ], "id": "80e1b573-b58a-44e4-a123-a12ada9b973a", "name": "Suchbegriff_API" }, { "parameters": { "promptType": "define", "text": "=Du bist ein hochspezialisierter wissenschaftlicher Assistent, der darauf trainiert ist, aus einer Liste von wissenschaftlichen Publikationen die drei relevantesten Papers zu einer spezifischen Fragestellung auszuw\u00e4hlen. Dein Ziel ist es, die Top 3 Publikationen anhand ihrer Relevanz zur Fragestellung zu bestimmen und ausschlie\u00dflich deren Paper IDs zur\u00fcckzugeben. \n\nArbeitsweise:\n1. Analysiere die bereitgestellte Liste von Publikationen (mit Titeln und Paper IDs).\n2. Vergleiche die Fragestellung mit den Titeln der Publikationen und identifiziere die am besten passenden Arbeiten.\n3. Verwende folgende Kriterien f\u00fcr die Auswahl:\n - Exakte \u00dcbereinstimmung mit den Kernbegriffen der Fragestellung.\n - Pr\u00e4zise Fokussierung der Publikation auf die im Titel genannten Themen.\n - Vermeidung von irrelevanten oder nur oberfl\u00e4chlich passenden Titeln.\n4. Gib ausschlie\u00dflich die drei ausgew\u00e4hlten Paper IDs zur\u00fcck, jeweils in einer neuen Zeile. \n\nBeispiele:\n- Fragestellung: \"Wie beeinflusst maschinelles Lernen die Genomforschung?\"\n Gegebene Liste: \n [{\"paperId\": \"f8e8863d2dd36d714b807ba4ba49dcd1868e8750\", \"title\": \"Machine Learning Applications in Genomics\"}, \n {\"paperId\": \"a7e893d3fdd26c716b897ba2ba51cfd1976f8751\", \"title\": \"Advances in Genome Analysis Techniques\"}, \n {\"paperId\": \"b9f8862c3dd16d714b803aa5ba32dcd1862f8712\", \"title\": \"Ethical Challenges in Machine Learning\"}]\n Ausgabe: \n f8e8863d2dd36d714b807ba4ba49dcd1868e8750\n a7e893d3fdd26c716b897ba2ba51cfd1976f8751\n b9f8862c3dd16d714b803aa5ba32dcd1862f8712\n\nZu vermeiden:\n- Kommentare, Erkl\u00e4rungen oder Einleitungen in der Ausgabe.\n- Auswahl von Publikationen, die nicht klar auf die Fragestellung passen.\n- Leerzeichen hinter oder vor der PaperID\n- mehrere Papers/paperIDs auszuw\u00e4hlen\n-------------------------------------------------------------------------------\nGrunds\u00e4tzliche Fragestellung:\n{{ $('Workflow Input Trigger').item.json.Keyword }}\nListe mit Publikationsmetadaten:\n{{ $json.publications }}" }, "type": "@n8n/n8n-nodes-langchain.chainLlm", "typeVersion": 1.5, "position": [ 1460, 480 ], "id": "94157b06-8f96-4d3f-bd69-90d92628b979", "name": "Paperselektion" }, { "parameters": { "options": {} }, "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi", "typeVersion": 1.1, "position": [ 1480, 760 ], "id": "8d5e9985-4bcb-46ed-8ee5-847563dc86fb", "name": "OpenAI Chat Model1", "credentials": { "openAiApi": { "name": "" } } }, { "parameters": { "jsCode": "// Alle Publikationsdaten extrahieren\nconst publications = $json.data;\n\n// Umwandeln der Liste in ein JSON-Format\nconst publicationsString = JSON.stringify(publications);\n\n// R\u00fcckgabe als ein einzelnes Item mit den Publikationen im JSON-String-Format\nreturn [\n {\n json: {\n publications: publicationsString // Verlinken als String\n }\n }\n];\n" }, "type": "n8n-nodes-base.code", "typeVersion": 2, "position": [ 1220, 260 ], "id": "48c8e20c-2540-40c7-bd9a-92336e0d8214", "name": "Code" }, { "parameters": { "url": "=https://api.semanticscholar.org/graph/v1/paper/{{ $json.output }}\n?fields=abstract,title,year\n", "options": {} }, "type": "n8n-nodes-base.httpRequest", "typeVersion": 4.2, "position": [ 2020, 480 ], "id": "38ef2f72-267e-4579-85e5-c97fd8d27d5c", "name": "HTTP Request1" }, { "parameters": { "jsCode": "// Beispiel-Input\nconst inputText = $input.first().json.text;\n\n// Funktion zum Truncieren des Texts bei der ersten Leerstelle\nfunction truncateAtFirstSpace(input) {\n const firstSpaceIndex = input.indexOf(' ');\n if (firstSpaceIndex !== -1) {\n return input.substring(0, firstSpaceIndex);\n }\n return input;\n}\n\n// Verarbeite den Input\nconst output = truncateAtFirstSpace(inputText);\n\n// R\u00fcckgabe im richtigen Format f\u00fcr n8n (Array von Objekten)\nreturn [\n {\n json: {\n output: output\n }\n }\n];\n" }, "type": "n8n-nodes-base.code", "typeVersion": 2, "position": [ 1820, 280 ], "id": "c87df91c-1c78-4f56-97b8-d3d6f8f90a92", "name": "Code1" } ], "settings": { "executionOrder": "v1" }, "staticData": null, "tags": [], "triggerCount": 0, "updatedAt": "2025-02-17T16:54:00.000Z", "versionId": "5e84f13b-aa1a-4ad4-88fc-65a2cd5e04ad" }