Forberede RSS-data for LLM-er

Noen ganger kommer RSS-data inkonsistente eller overlessede, og da må du trimme hver artikkel ned til det essensielle slik at LLM-en kan produsere en ren tweet hver gang. Målet er enkelt: hver artikkel skal nå LLM-en i en ren, kompakt form som kan bli til én enkelt tweet.

• Aggreger et lite feed og test om LLM-en kan håndtere det;
• Hvis mappingen virker klønete, normaliser med en Code-node;
• Loop over elementene med batch-størrelse 1 slik at hver artikkel behandles til én tweet.

Start med å aggregere feeden i små batcher. Bruk Aggregate for å kombinere alle elementene til én liste, og lag ett element som inneholder et array med omtrent 25 artikler i JSON-format. Dette gir en rask og enkel oppsett. Test dette aggregerte resultatet med LLM-en ved å mappe arrayet inn i Context-feltet. Hvis utdataene ser uklare eller inkonsistente ut, gå videre til normalisering.

For å normalisere, kopier et eksempel på RSS-JSON og be LLM-en lage en Code-node som fjerner HTML, henter ut første bilde-URL, standardiserer felter som title, text, url, guid og publishedAt, fjerner nesten like titler, og returnerer ett rent element per artikkel som et array. Plasser denne Code-noden rett etter RSS- eller RSS Read-noden.

Bytt deretter ut aggregate-stien med en loop. Bruk Loop eller Split in Batches med batch-størrelse én for å sende ut én artikkel om gangen, noe som er ideelt for å generere én tweet per runde. Til slutt legger du til chat-modellen din inne i loopen, mapper den normaliserte artikkelteksten (og eventuelle hooks) inn i Context, og gir en kort, tydelig systeminstruksjon for tweet-tone og stil.