快速入門

1. 1. 開始節點
2. 無需添加任何自訂變數，只需使用系統變數 `Query` (使用者提問的問題)。

如欲了解更多變數及其使用的資訊，請點擊這裡。

1. 2. 程式碼節點
2. 此節點用於計算一個時間範圍，以避免 HTTP 請求節點在獲取資訊時產生大量數據。這裡我們以使用者輸入日期的前 30 天為例。

• 輸入變數：此節點無需任何輸入變數。
• Python：以下是計算 30 天範圍的程式碼範例，您可以將其複製並貼上到區塊中。

from datetime import datetime, timedelta

def main():
    # 取得當前時間
    current_time = datetime.now()

    # 計算 30 天前的日期與時間
    thirty_days_ago = current_time - timedelta(days=30)

    # 格式化 NewsAPI 的 'from' 參數的日期與時間 (YYYY-MM-DDTHH:MM:SS)
    formatted_from_date = thirty_days_ago.strftime('%Y-%m-%dT%H:%M:%S')

    # 新增：報告顯示的當前日期 (YYYY-MM-DD)
    report_date = current_time.strftime('%Y-%m-%d') 

    # 返回一個包含欲傳遞至下一個節點之變數的字典
    return {
        "from_date": formatted_from_date,  # NewsAPI 'from' 參數的輸出變數
        "report_date": report_date         # 報告當前日期的輸出變數
    }

如果您需要不同的時間範圍，可自由更改 `days=30` 或 `thirty_days_ago` 欄位，但請保持其一致性。

如果您不熟悉程式設計也沒關係。點擊「AI 程式碼」，告知 AI 您的需求，AI 將自動生成符合您需求的程式碼。



• 輸出變數：

  ● `from_date`

  ● `report_date`

全部為「字串」類型。

1. 3. HTTP 請求節點
2. 此節點用於從特定資料來源獲取數據，例如訂閱的 RSS 摘要或網站的 API。
   
3. 您也可以直接使用系統內建工具替換此節點，例如 Google 搜尋。

4. 這裡我們以 NewsAPI 為例，獲取最新的行業新聞。
5. 首先，請註冊以取得 API 金鑰：https://newsapi.org/。點擊「Get API Key」後，您將在頁面上找到 API 金鑰。請複製並妥善保存，我們稍後會需要它。

6. 返回 GoInsight.AI 的 InsightFlow 介面，並依據以下配置進行填寫。

字段	配置內容	目的
API 方法	GET	定義 HTTP 方法。
API URL	https://newsapi.org/v2/everything	NewsAPI 的通用新聞搜尋 API 端點。
標頭	KEY: X-Api-Key VALUE: 您的 NewsAPI API 金鑰	NewsAPI 認證所需的 API 金鑰。
參數	KEY: query VALUE: {{Start.query}} KEY: language VALUE: en KEY: sortBy VALUE: publishedAt KEY: pageSize VALUE: 50 KEY: from VALUE:{{Code.from_date}}	查詢參數，用於定義搜尋的關鍵字、語言、排序順序、數量和時間範圍。
內文	N/A	GET 請求不需要內文。
請求逾時	60	設定請求逾時時間。
輸出變數	`news_api_response`	將 API 回應儲存於名為 `news_api_response` 的變數中，以供後續使用。

1. 4. 程式碼節點
2. 此節點用於預處理 API 回傳的原始新聞資料，例如篩選關鍵欄位並合併文本，為大型語言模型（LLM）的摘要生成做好準備。

• 輸入變數：變數名稱設為 `news_data`，其值會填入上一個節點的輸出，即 `{{HTTP_Request.Body}}`。
• Python：以下是一個範例：

import json

def main(news_data):
    try:
        data = news_data
        # 如果 `news_data` 是字串，需要使用 `json.loads()` 進行解析
        if isinstance(news_data, str):
            data = json.loads(news_data)

    except json.JSONDecodeError:
        # 如果解析失敗，返回特定的錯誤訊息
        return {"processed_articles_text": "Error: Could not parse news data as JSON."}
    except TypeError:
        # 如果 `news_data` 無效 (例如 `None`)，返回錯誤
        return {"processed_articles_text": "Error: news_data is not valid."}

    processed_articles = []
    # 檢查 `articles` 鍵是否存在，且其值是否為列表 (這是 NewsAPI 的資料結構)
    if data and 'articles' in data and isinstance(data['articles'], list):
        for article in data['articles']:
            title = article.get('title', '')
            description = article.get('description', '')
            url = article.get('url', '') # 確保 URL 已被提取

            # 篩選掉標題或描述為空的文章，以確保大型語言模型（LLM）的內容有意義
            # 確保 URL 也存在，因為這對報告很有幫助
            if title and description and url:
                # 重要變更在此：在 Markdown 連結格式中包含連結
                # 大型語言模型（LLM）通常能理解並保留這種格式。
                combined_text = f"Title: {title}\nDescription: {description}\n[Source Link]({url})"
                processed_articles.append(combined_text)

    if not processed_articles:
        return {"processed_articles_text": "No valid articles found after processing NewsAPI response."}

    # 將處理過的文章合併為單一字串，並以明確的分隔符號分隔。
    # 限制文章數量 (例如，前 20 篇)，以防止大型語言模型（LLM）的輸入過長。
    return {"processed_articles_text": "\n\n---\n\n".join(processed_articles[:20])}

• 輸出變數：設定一個輸出變數：`processed_articles_text`，其類型為「字串」。

1. 5. LLM 節點
2. 此節點負責根據系統角色與指令，生成帶有摘要和連結的洞察報告。

• 模型：這裡我們選擇 Azure GPT-4o mini。
• 系統：這是「角色設定」，即對大型語言模型（LLM）的提示指令，亦稱為提示（Prompt）。這是工作流程能否按預期運作的關鍵。為了讓大型語言模型（LLM）更好地理解，請盡量結構化內容。以下是一個範例：

### 行業趨勢洞察報告 - `{{Code.report_date}}`
分析關鍵字：`{{Start.Query}}`

---

報告生成指令：

您是一位專業的行業分析師。您的任務是根據提供的新聞文章，生成一份綜合的「行業趨勢洞察報告」。請嚴格遵循以下結構和指南：

輸出結構：

#### 1. 關鍵趨勢摘要
- 趨勢名稱：[識別簡潔的趨勢名稱]
  - 核心內容：[根據文章總結趨勢的主要內容。請確保內容直接且資訊豐富。]
  - 關鍵事件/新聞：[提及支持此趨勢的特定事件或新聞項目。對於每個事件/新聞項目，如果在提供的文章中包含可用的來源連結 (例如：「[Source Link](URL)」)，請在相關細節後，直接將此 Markdown 連結整合到報告中。]
  - 潛在影響：[分析與此趨勢相關的潛在影響或未來發展。]

#### 2. 主要公司/產品發展
- [識別新聞文章中提到的特定公司或產品，突顯重要發展。對於每個公司/產品發展，如果包含可用的來源連結，請務必將此 Markdown 連結納入報告。]

#### 3. 潛在風險與機會
- 風險：[根據文章，識別與整體行業或趨勢相關的潛在風險。]
- 機會：[識別由趨勢或發展所帶來的潛在機會。]

重要指南：

* 資料來源：所有資訊、分析和摘要必須嚴格來源於以下提供的「新聞文章列表」。
* 來源連結整合：當提取「關鍵事件/新聞」或「主要公司/產品發展」時，如果原文包含 `[Source Link](URL)` 格式的文本，您必須在報告中相關資訊後包含此 Markdown 連結。 請勿修改連結格式或內容。如果單一觀點有多個來源支持，請選擇最相關的，或在適當且簡潔的情況下包含數個。
* 簡潔與專業：語言風格應專業、客觀，報告內容務必簡潔明瞭。
* 英文報告：所有內容皆應以英文輸出。
* 禁止杜撰：請勿虛構或編造任何在提供文章中不存在的資訊。
* 資料充分性：如果提供的新聞文章不足以形成詳細分析，或無法識別任何重要趨勢，請在報告末尾清楚說明。否則，請提供關於資料充分性的結論性評論。

---

【新聞文章列表】
`{{Code.processed_articles_text}}`

提示：您也可以點擊「AI 寫作」，讓 AI 自動撰寫或最佳化提示詞。  

• 使用者：向模型提供指令、查詢或任何基於文本的輸入。以下是一個範例：

以下是與行業關鍵字「`{{Start.Query}}`」相關的最新新聞文章列表。請根據提供的角色指令進行分析和總結：
【新聞文章列表】
`{{Code(1).processed_articles_text}}`

1. 6. 回答節點
• 回覆：設定為上一步 LLM 節點的輸出變數文本