生データをAI出力に変換する

n8n テンプレートは、データの取得やクレンジングだけでなく、実際に意味のあるAI生成出力を作成するように拡張可能。 このパートでは、前のレッスンでインポートしたワークフローを使い、分割されたアイテムを集約し、安定したデータをピン留めし、構造化されたペイロードをAI Agentに渡すことで、自動的にテキストを生成できるようにする。

これまでのワークフローはデータの取得と分割のみ可能だったが、ここからさらに進み、以下を学ぶ：

• 分割されたアイテムを再結合し、AIに適したペイロードを作成
• テスト時にRainforest APIが再度呼び出されないようにデータをピン留め
• 構造化データをAI Agentに正しく渡す
• 1語でAIのトーンやスタイルを変更

この段階で、ワークフローは単なるデモ図から、実際にクライアント向けの成果物を生み出すものへと変わる。

Split Outが実際に生成したもの

前回のレッスン後、ワークフローはRainforest APIを使って出品者から商品を取得し、それらを複数のアイテム、例えば16個の個別商品エントリーに分割した。

よくある誤りは、Split Outノードを直接AI Agentに接続し、すべてを要約できると期待すること。しかし、AIは一度に1アイテムしか受け取れず、全体像を把握できないため、意味のある概要を書けない。

Split Outは個別アイテム処理には最適だが、全体の要約には向いていない。

Aggregateノードの追加

AIがすべてのデータを一度に認識できるようにするには、Split Outの後にAggregateノードを追加。 このノードを使い、すべてのアイテムを1つのリストや配列にまとめる。複数のエントリーを1つの構造化アイテムに統合し、すべての商品情報を保持する。

これで、AIに16個の個別メッセージを送る代わりに、豊富なコンテキストブロック1つを送信できる。

データのピン留め

さらなるテストを実行する前に、ノードの出力をピン留めします。

これにより、n8nが毎回Rainforest APIを呼び出すことを防ぎ、トークンの節約とプロンプト調整の高速化が可能になります。下流のノードは、ピンが解除されるまでピン留めされたレスポンスを再利用します。

集約出力の確認

Aggregateノードを実行した後、n8nは複数ではなく1つのアイテムを表示するはずです。その単一アイテムの中に、タイトル、ASIN、リンク、画像、その他の製品フィールドを含む配列が表示されます。

これがコンテキストブロブであり、AIエージェントに渡すべき内容です。

AIエージェントへのデータ投入

AIエージェントノード内で、ユーザーメッセージまたはプロンプトフィールドを開き、集約されたデータフィールド（例：{{$json["data"]}}）をドラッグします。

左側には式が表示され、右側にはn8nによるライブプレビューが表示されます。これがAIに実際に渡される内容です。 このプレビューに実際の商品データが表示されていない場合、AIは適切な要約を生成できません。

右側のプレビューに構造化されたコンテンツが含まれていることを必ず確認してください。

AIエージェントノードを実行します。AIは商品名、ASIN、価格、評価、販売者情報を含む短い説明文を返します。

これにより、ワークフローがライブの構造化データをAIに渡していることが確認できます（静的な例ではありません）。