این Workflow چگونه پایداری و رفاه حیوانات شرکتها را ارزیابی میکند؟

این Workflow با جمعآوری و تحلیل دادهها از منابع مختلف مانند گزارشهای شرکت، گواهینامهها و مقالات، از هوش مصنوعی برای امتیازدهی و ارزیابی جنبههای زیستمحیطی، اجتماعی و رفاه حیوانات استفاده میکند.

خروجی این Workflow چیست؟

خروجی شامل امتیازات کمی ساختاریافته، نمرات، گواهینامهها و یک گزارش روایی دقیق HTML است که یافتهها را خلاصه میکند.

چه ابزارهایی در این Workflow استفاده شده است؟

این Workflow از نودهای n8n، مدلهای زبان بزرگ (LLM) از طریق OpenRouter و پارسر خروجی ساختاریافته برای پردازش و اعتبارسنجی دادهها استفاده میکند.

این Workflow برای چه کسانی مفید است؟

این Workflow برای سرمایهگذاران، تحلیلگران ESG، مصرفکنندگان آگاه و شرکتهایی که به دنبال گزارشدهی انطباق و بهبود عملکرد خود در زمینه پایداری هستند، مفید است.

اتوماسیون تحلیل پایداری و رفاه حیوانات شرکت با هوش مصنوعی

اتوماسیون تحلیل پایداری و رفاه حیوانات شرکت با OpenRouter AI

این Workflow اتوماسیون جامعی را برای ارزیابی پایداری و رفاه حیوانات برای هر شرکت یا موسسه‌ای انجام می‌دهد. این ابزار با استفاده از تحقیقات مبتنی بر هوش مصنوعی و تحلیل داده‌های چند منبعی، بینش‌های ارزشمندی را برای غربالگری ESG (محیط زیست، اجتماعی و حاکمیت)، تصمیم‌گیری‌های سرمایه‌گذاری، راهنمایی مصرف‌کننده و گزارش‌دهی انطباق ارائه می‌دهد. خروجی شامل امتیازات کمی ساختاریافته، نمرات و یک گزارش روایی دقیق است.

این Workflow و موارد دیگر را در کاتالوگ n8n در Axeto.ai کاوش کنید.

ساختار Workflow

این Workflow به بلوک‌های منطقی زیر سازماندهی شده است:

1. دریافت ورودی: نام شرکت مورد نظر را از یک Workflow خارجی دریافت می‌کند.

2. اجرای تحقیق چند منبعی: یک Workflow فرعی تخصصی را برای جمع‌آوری و سنتز داده‌ها از منابع معتبر مختلف فراخوانی می‌کند.

3. امتیازدهی ساختاریافته با هوش مصنوعی: داده‌های تحقیق را با استفاده از یک مدل زبان بزرگ (LLM) پردازش می‌کند تا امتیازات، نمرات و ارزیابی‌های ساختاریافته JSON تولید کند.

4. تولید گزارش HTML با هوش مصنوعی: یک گزارش HTML قابل خواندن برای خلاصه کردن یافته‌ها ایجاد می‌کند.

5. ادغام داده‌ها و خروجی نهایی: داده‌های ساختاریافته و گزارش روایی را در یک خروجی منسجم ترکیب می‌کند.

6. قالب‌بندی خروجی: فیلدهای نهایی داده را برای سیستم‌های پایین‌دستی یا مصرف کاربر آماده می‌کند.

جزئیات Node ها

۱. دریافت ورودی

هدف: این نقطه ورود Workflow است که برای فعال شدن توسط Workflow دیگری طراحی شده است. نام شرکت را به عنوان ورودی می‌پذیرد.
Nodes:

* When Executed by Another Workflow (Execute Workflow Trigger)

* نقش: Workflow را آغاز کرده و پارامتر companyName را ارسال می‌کند.

* پیکربندی: انتظار یک پارامتر ورودی رشته‌ای واحد: companyName.

* وابستگی‌ها: برای پایداری بهینه به n8n v0.188+ نیاز دارد.

* مدیریت خطا: اطمینان حاصل کنید که companyName ارائه شده و خالی نباشد تا از خطاهای پایین‌دستی جلوگیری شود.

۲. اجرای تحقیق چند منبعی

هدف: این بلوک یک Workflow فرعی تحقیق جداگانه را برای جمع‌آوری داده‌های جامع از منابع متنوع مانند گزارش‌های شرکت، گواهینامه‌ها، ارزیابی‌های سازمان‌های غیردولتی و مقالات دانشگاهی فراخوانی می‌کند.
Nodes:

* Trigger Research Agent (Execute Workflow)

* نقش: Workflow فرعی "General Research Agent" را فراخوانی می‌کند.

* پیکربندی:

* شناسه Workflow فرعی عامل تحقیق را مشخص کنید.

* یک prompt پویا شامل companyName ورودی ارسال کنید.

* یک sessionId منحصر به فرد برای ردیابی ایجاد کنید.

* وابستگی‌ها: Workflow فرعی "General Research Agent" باید وارد و پیکربندی شود. می‌توانید آن را در https://creators.n8n.io/workflows/5588 بیابید.

* ملاحظات: احتمال بروز خطا در زمان‌بندی یا محدودیت نرخ API به دلیل بازیابی گسترده داده‌ها.

۳. امتیازدهی ساختاریافته با هوش مصنوعی

هدف: از یک LLM برای تجزیه و تحلیل داده‌های تحقیق جمع‌آوری شده استفاده می‌کند و یک خروجی JSON ساختاریافته و معتبر حاوی امتیازات، نمرات، گواهینامه‌ها و ارزیابی‌های دقیق تولید می‌کند.
Nodes:

* OpenRouter Chat Model (Langchain OpenRouter Chat Model)

* نقش: استنتاج LLM را با استفاده از مدلی مانند Google Gemini 2.5 Flash از طریق OpenRouter انجام می‌دهد.

* پیکربندی: به اعتبارنامه API معتبر OpenRouter نیاز دارد.

* مدیریت خطا: خطاهای احراز هویت API، خطاهای زمان‌بندی مدل یا محدودیت نرخ را نظارت کنید.

* Structured Output Parser (Langchain Structured Output Parser)

* نقش: خروجی JSON LLM را در برابر یک طرحواره از پیش تعریف شده برای پایداری و رفاه حیوانات اعتبارسنجی و خودکار تصحیح می‌کند.

* پیکربندی: یک طرحواره JSON دقیق شامل فیلدهایی برای نام شرکت، سیاست‌های زیست‌محیطی، انتشار کربن، سیاست‌های رفاه حیوانات، گواهینامه‌ها، امتیازات و ارزیابی‌های روایی تعریف کنید. اطمینان حاصل کنید که autoFix فعال است.

* مدیریت خطا: خروجی LLM نامنظم یا ناقص ممکن است باعث شکست تجزیه شود، اگرچه autoFix به کاهش این مشکل کمک می‌کند.

* Return Structured Analysis (Langchain Chain LLM)

* نقش: تجزیه و تحلیل JSON ساختاریافته را با استفاده از یک prompt دقیق نهایی و استاندارد می‌کند.

* پیکربندی: از خروجی JSON تجزیه شده به عنوان متن ورودی استفاده می‌کند و یک prompt چند پاراگرافی را برای تولید ارزیابی جامع اعمال می‌کند.

* مدیریت خطا: داده‌های ناسازگار یا خطاهای LLM می‌توانند منجر به امتیازدهی ناقص یا نادرست شوند.

۴. تولید گزارش HTML با هوش مصنوعی

هدف: یک گزارش HTML حرفه‌ای و قابل خواندن برای خلاصه کردن یافته‌های ارزیابی، از جمله بخش‌هایی در مورد رفاه حیوانات، شیوه‌های زیست‌محیطی و امتیازات تولید می‌کند.
Nodes:

* OpenRouter Chat Model2 (Langchain OpenRouter Chat Model)

* نقش: از یک LLM (مانند Claude Sonnet 4) از طریق OpenRouter برای تولید گزارش روایی استفاده می‌کند.

* پیکربندی: به اعتبارنامه API معتبر OpenRouter نیاز دارد.

* مدیریت خطا: ملاحظات مشابه سایر nodes LLM؛ سبک‌های پاسخ مدل خاص ممکن است متفاوت باشد.

* Return HTML Report (Langchain Chain LLM)

* نقش: داده‌های تحقیق را به یک گزارش HTML ساختاریافته قالب‌بندی می‌کند.

* پیکربندی: از یک prompt دقیق برای اعمال ساختار HTML5، از جمله عناوین، پاراگراف‌ها، لیست‌ها و جایگزینی placeholder استفاده می‌کند.

* مدیریت خطا: LLM ممکن است از prompt منحرف شود و به طور بالقوه منجر به HTML نامنظم شود.

۵. ادغام داده‌ها و خروجی نهایی

هدف: تجزیه و تحلیل JSON ساختاریافته و گزارش HTML را در یک خروجی واحد و تجمیع شده ترکیب می‌کند.
Nodes:

* Merge (Merge)

* نقش: خروجی‌های تجزیه و تحلیل ساختاریافته و گزارش HTML را به هم متصل می‌کند.

* پیکربندی: از تنظیمات پیش‌فرض ادغام استفاده می‌کند.

* مدیریت خطا: اطمینان حاصل کنید که جریان‌های داده به درستی هم‌تراز شده‌اند تا از عدم هم‌ترازی جلوگیری شود.

* Aggregate (Aggregate)

* نقش: تمام موارد داده ادغام شده را در یک شیء JSON واحد ادغام می‌کند.

* پیکربندی: تمام موارد ورودی را ادغام می‌کند.

* ملاحظات: پردازش payload های داده بسیار بزرگ ممکن است زمان اجرا را افزایش دهد.

* Set Output (Set)

* نقش: فیلدهای کلیدی (مانند نام شرکت، امتیازات، گزارش HTML) را در متغیرهای خروجی نهایی استخراج و اختصاص می‌دهد.

* پیکربندی: متغیرهای نام‌گذاری شده را تعریف کرده و از عبارات برای کشیدن داده‌ها از JSON ادغام شده استفاده کنید.

* مدیریت خطا: اطمینان حاصل کنید که تمام فیلدهای مورد انتظار در داده‌های ورودی وجود دارند تا از خروجی‌های خالی جلوگیری شود.

جدول خلاصه

نام Node	نوع Node	نقش عملکردی	Node(s) ورودی	Node(s) خروجی	یادداشت‌ها
`When Executed by Another Workflow`	Execute Workflow Trigger	نقطه ورود دریافت `companyName`	None	`Trigger Research Agent`	`companyName` غیر خالی را اعتبارسنجی می‌کند؛ به عامل تحقیق ارسال می‌کند.
`Trigger Research Agent`	Execute Workflow	اجرای Workflow فرعی تحقیق چند منبعی	`When Executed by Another Workflow`	`Return Structured Analysis`, `Return HTML Report`	مرکز جمع‌آوری داده؛ نیاز به راه‌اندازی Workflow فرعی از https://creators.n8n.io/workflows/5588 دارد.
`OpenRouter Chat Model`	Langchain OpenRouter Chat Model	تولید تجزیه و تحلیل JSON ساختاریافته	`Trigger Research Agent`	`Structured Output Parser`, `Return Structured Analysis`	موتور تجزیه و تحلیل JSON؛ امتیازدهی مبتنی بر طرحواره.
`Structured Output Parser`	Langchain Structured Output Parser	اعتبارسنجی و رفع خروجی JSON	`OpenRouter Chat Model`	`Return Structured Analysis`	خروجی را در برابر طرحواره JSON دقیق اعتبارسنجی می‌کند.
`Return Structured Analysis`	Langchain Chain LLM	نهایی کردن خروجی JSON ساختاریافته	`OpenRouter Chat Model`, `Structured Output Parser`	`Merge`	تجزیه و تحلیل JSON ساختاریافته را استاندارد می‌کند.
`OpenRouter Chat Model2`	Langchain OpenRouter Chat Model	تولید گزارش HTML روایی	`Trigger Research Agent`	`Return HTML Report`	موتور تولید گزارش؛ خلاصه HTML را ایجاد می‌کند.
`Return HTML Report`	Langchain Chain LLM	قالب‌بندی و خروجی گزارش HTML	`OpenRouter Chat Model2`	`Merge`	داده‌های تحقیق را به یک گزارش HTML قالب‌بندی شده تبدیل می‌کند.
`Merge`	Merge	ادغام خروجی‌های JSON و HTML	`Return Structured Analysis`, `Return HTML Report`	`Aggregate`	داده‌های ساختاریافته و گزارش روایی را ترکیب می‌کند.
`Aggregate`	Aggregate	ادغام داده‌های ادغام شده	`Merge`	`Set Output`	تمام داده‌ها را در یک شیء JSON واحد ادغام می‌کند.
`Set Output`	Set	قالب‌بندی متغیرهای خروجی نهایی	`Aggregate`	None	فیلدهای کلیدی را برای استفاده پایین‌دستی استخراج و اختصاص می‌دهد.