Forberedelse af RSS-data til LLM'er

Nogle gange ankommer RSS-data inkonsistente eller overfyldte, og derfor beskæres hver artikel ned til det væsentlige, så LLM'en kan generere et klart tweet hver gang. Målet er enkelt: hver artikel skal nå LLM'en i en ren, kompakt form, der kan omsættes til et enkelt tweet.

• Aggregér et lille feed og test, om LLM'en kan håndtere det;
• Hvis mappingen virker klodset, normalisér med en Code-node;
• Loop over elementer med batchstørrelse 1, så hver artikel behandles til et enkelt tweet.

Start med at aggregere feedet i små batches. Brug Aggregate til at samle alle elementer i en enkelt liste, så du får ét element, der indeholder et array med cirka 25 artikler i JSON-format. Dette giver en hurtig og enkel opsætning. Test det aggregerede resultat med din LLM ved at mappe arrayet ind i Context-feltet. Hvis outputtet fremstår uklart eller inkonsistent, gå videre til normalisering.

For at normalisere, kopier et eksempel på RSS-JSON og bed din LLM om at generere en Code-node, der fjerner HTML, udtrækker den første billed-URL, standardiserer felter som title, text, url, guid og publishedAt, fjerner næsten-ens titler og returnerer ét rent element pr. artikel som et array. Placer denne Code-node umiddelbart efter RSS- eller RSS Read-noden.

Udskift derefter aggregate-stien med et loop. Brug Loop eller Split in Batches med batchstørrelse én for at udsende én artikel ad gangen, hvilket er ideelt til at generere et enkelt tweet pr. gennemløb. Til sidst tilføjes din chatmodel inde i loopet, hvor den normaliserede artikeltekst (og eventuelle hooks) mappes ind i Context, og der gives en kort, klar systeminstruks for tweetets tone og stil.