Normalizzazione dei Dati di Prodotto per l'IA
Quando si lavora con Agenti AI, le risposte JSON grezze provenienti dalle API spesso necessitano di essere pulite e ristrutturate prima di poter essere utilizzate in modo efficace. L'obiettivo di questa fase è prendere i dati non elaborati dal nodo Rainforest HTTP, semplificarli in un unico pacchetto dati adatto agli LLM e inviarli all'Agente AI senza incorrere nel temuto problema "[object Object]".
Verifica di cosa ha effettivamente restituito il nodo HTTP
La richiesta HTTP di Rainforest fornisce già tutto il necessario per costruire un riepilogo prodotto significativo:
- asin;
- title;
- brand;
- categories;
- rating e total_reviews;
- images;
- bullet points;
- rank / BSR;
- offers e buy box;
- keyword list.
Questi dati sono più che sufficienti per l'analisi AI, quindi non è necessario effettuare un'altra richiesta. Invece, lavorerai con ciò che è già disponibile.
Se trascini l'oggetto prodotto nel campo context dell'Agente AI, noterai che n8n mostra [object Object]. Questo accade perché il campo context si aspetta testo semplice, non un oggetto annidato. Anche se gli LLM possono leggere JSON, il campo accetta solo una stringa, quindi è necessario appiattire e convertire in stringa i dati prima.
Normalizzazione dei dati con un nodo Code
Subito dopo la richiesta HTTP, aggiungi un nodo Code. Puoi utilizzare ChatGPT per generare la logica di trasformazione, semplicemente condividendo l'output di Rainforest e chiedendo:
Incolla quel codice nel nodo, impostalo per l'esecuzione una volta su tutti gli elementi ed esegui. Ora dovresti vedere un unico oggetto pulito con tutti i dati del prodotto raggruppati e pronti.
Se l'AI Agent mostra ancora [object Object], significa che la struttura è corretta ma non ancora convertita in stringa. In tal caso, aggiorna il tuo nodo Code per restituire:
return [{ json: { data: JSON.stringify(items[0].json) } }];
oppure utilizza un nodo Aggregate per unire tutto in un'unica lista prima di convertire in stringa.
Qui non stai realmente programmando, ma solo testando codice generato da un LLM. Se qualcosa fallisce, copia il messaggio di errore esatto in ChatGPT e lascia che lo risolva per te.
Connessione all'AI Agent
Quando l'output appare corretto, aggiungi il nodo AI Agent (Gemini, OpenAI, ecc.) e incolla il tuo prompt di sistema nel campo Instruction. Ad esempio:
Esegui il workflow. Il modello ora dovrebbe generare un riepilogo pulito e strutturato che includa:
- Una breve panoramica del prodotto;
- Elementi positivi (valutazioni, contenuti A+, badge);
- Elementi negativi (poche immagini, parole chiave mancanti);
- Correzioni e idee per parole chiave.
Se desideri che il modello ponga domande di chiarimento prima di rispondere, aggiungi semplicemente questa riga al tuo prompt:
Grazie per i tuoi commenti!
Chieda ad AI
Chieda ad AI
Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione
Can you explain how to set up the Code node to normalize the data?
What should I do if the AI Agent still shows [object Object] after normalization?
How do I write an effective system prompt for the AI Agent?
Awesome!
Completion rate improved to 4.17Normalizzazione dei Dati di Prodotto per l'IA
Scorri per mostrare il menu
Quando si lavora con Agenti AI, le risposte JSON grezze provenienti dalle API spesso necessitano di essere pulite e ristrutturate prima di poter essere utilizzate in modo efficace. L'obiettivo di questa fase è prendere i dati non elaborati dal nodo Rainforest HTTP, semplificarli in un unico pacchetto dati adatto agli LLM e inviarli all'Agente AI senza incorrere nel temuto problema "[object Object]".
Verifica di cosa ha effettivamente restituito il nodo HTTP
La richiesta HTTP di Rainforest fornisce già tutto il necessario per costruire un riepilogo prodotto significativo:
- asin;
- title;
- brand;
- categories;
- rating e total_reviews;
- images;
- bullet points;
- rank / BSR;
- offers e buy box;
- keyword list.
Questi dati sono più che sufficienti per l'analisi AI, quindi non è necessario effettuare un'altra richiesta. Invece, lavorerai con ciò che è già disponibile.
Se trascini l'oggetto prodotto nel campo context dell'Agente AI, noterai che n8n mostra [object Object]. Questo accade perché il campo context si aspetta testo semplice, non un oggetto annidato. Anche se gli LLM possono leggere JSON, il campo accetta solo una stringa, quindi è necessario appiattire e convertire in stringa i dati prima.
Normalizzazione dei dati con un nodo Code
Subito dopo la richiesta HTTP, aggiungi un nodo Code. Puoi utilizzare ChatGPT per generare la logica di trasformazione, semplicemente condividendo l'output di Rainforest e chiedendo:
Incolla quel codice nel nodo, impostalo per l'esecuzione una volta su tutti gli elementi ed esegui. Ora dovresti vedere un unico oggetto pulito con tutti i dati del prodotto raggruppati e pronti.
Se l'AI Agent mostra ancora [object Object], significa che la struttura è corretta ma non ancora convertita in stringa. In tal caso, aggiorna il tuo nodo Code per restituire:
return [{ json: { data: JSON.stringify(items[0].json) } }];
oppure utilizza un nodo Aggregate per unire tutto in un'unica lista prima di convertire in stringa.
Qui non stai realmente programmando, ma solo testando codice generato da un LLM. Se qualcosa fallisce, copia il messaggio di errore esatto in ChatGPT e lascia che lo risolva per te.
Connessione all'AI Agent
Quando l'output appare corretto, aggiungi il nodo AI Agent (Gemini, OpenAI, ecc.) e incolla il tuo prompt di sistema nel campo Instruction. Ad esempio:
Esegui il workflow. Il modello ora dovrebbe generare un riepilogo pulito e strutturato che includa:
- Una breve panoramica del prodotto;
- Elementi positivi (valutazioni, contenuti A+, badge);
- Elementi negativi (poche immagini, parole chiave mancanti);
- Correzioni e idee per parole chiave.
Se desideri che il modello ponga domande di chiarimento prima di rispondere, aggiungi semplicemente questa riga al tuo prompt:
Grazie per i tuoi commenti!
