Отбор статей для литературного обзора

Сценарий читает PDF из Google Drive, оценивает каждую статью по твоим критериям, раскладывает подходящие по темам в Postgres PGVector Store и SeaTable, отсеянные убирает.

  • Отсев статей по строгим критериям
  • Оценка без чтения каждой целиком
  • Раскладка по подтемам
  • Поиск по смыслу в Postgres PGVector Store
Default Data LoaderEmbeddings Google GeminiQdrant Vector Store
Подключить Postgres PGVector Store и запуститьScriptera

Как это работает

Перенос данных из Google Drive в SeaTable делается готовым сценарием: он сам замечает новое и переносит его.

  1. Запуск: Запуск вручную
  2. Затем: Найти файлы и папки
  3. Проверка: Обработать по одному
  4. Затем: Скачать PDF
  5. Затем: Извлечь текст из PDF
  6. Затем: Вырезать библиографию
  7. Затем: Агент SLR
  8. Проверка: Если
  9. Если да — Агент скоринга
  10. Проверка: Маршрутизировать к подтеме
  11. Если да — Vector Store - коллекция 1
  12. Затем: Переместить файл в папку included2
  13. Если нет — Vector Store - коллекция 2
  14. Затем: Переместить файл в папку included1
  15. Если нет — Vector Store - коллекция 3
  16. Затем: Переместить файл в папку included
  17. Затем: Записать папку Included
  18. Если нет — Записать исключенную статью
  19. Затем: Переместить файл в папку Excluded
  20. Затем: Загрузчик данных по умолчанию
  21. Затем: Загрузчик данных по умолчанию1
  22. Затем: Загрузчик данных по умолчанию2
  23. Затем: Встраивания Google Gemini
  24. Затем: Встраивания Google Gemini1
  25. Затем: Встраивания Google Gemini2
  26. Затем: Парсер структурированного вывода
  27. Затем: Модель чата Google Gemini1
  28. Затем: Парсер структурированного вывода1
  29. Затем: Модель чата Google Gemini3
  30. Затем: Модель чата OpenAI
  31. Затем: Модель чата OpenAI1

Настроить такую автоматизацию (Google Drive + SeaTable) можно в Scriptera — без кода: опишите задачу, остальное сделают за вас.

Похожие сценарии