带追问的深度研究报告撰写器

带追问的深度研究报告撰写器

一个 n8n 工作流，在网上研究一个技术问题并写出带引用的报告。它先提出追问，再用 Tavily 最多搜索三轮，并通过你提供的转换服务把每份报告变成 Google 文档。

包里有什么

• workflow.json：n8n 导出的工作流，90 个节点，没有便签。里面没有任何凭据，没有密钥，也没有作者账号里的任何内容。
• 文件本身有三处修复，列在“要知道的”里：补回的反斜杠，转换服务地址原来所在的位置现在是占位符，以及不再显示作者图片的表单。
• README.md：这份设置说明，压缩包里的是英文版。

开始之前

• 一个 n8n 实例，n8n Cloud 或自己的服务器都行。
• 一个 OpenAI API 密钥。十五个节点会用到：十四个对话模型和一次对 Responses API 的调用。
• 一个 Anthropic API 密钥，给四个修复损坏 JSON 的对话模型用，也可以用 OpenAI 模型代替（第 3 步）。
• 一个 Tavily API 密钥。
• 一个 Google 账号，用来创建 Google Docs OAuth2 凭据，以及一个能把 Markdown 变成 Google 文档的转换服务（第 5 步）。

设置

1. 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File，选中 workflow.json。
2. 添加一个 OpenAI 凭据。在 OpenAI Chat Model 和 OpenAI Chat Model1 到 OpenAI Chat Model13 里选中它，在调用 api.openai.com 的 HTTP Request 里也选中它。
3. 添加一个 Anthropic 凭据，在 Anthropic Chat Model 和 Anthropic Chat Model1 到 Anthropic Chat Model3 里选中它。想不用 Anthropic，就把这四个换成 OpenAI 对话模型：OpenAI Chat Model1 和 OpenAI Chat Model13 已经在为另外两个修复解析器做这件事。
4. 打开 Tavily Search、Loop2_Tavily Search1 和 Loop3_Tavily Search2。在每个节点的 Authorization 请求头里，把 <YOUR_TAVILY_KEY> 换成你的密钥。尖括号也要去掉，这样值就是 Bearer、一个空格，再加密钥。
5. 打开 HTTP Request1、HTTP Request2 和 HTTP Request3。把每个地址里的 YOUR_MARKDOWN_TO_DOC_ENDPOINT 换成你的转换服务地址，并选中一个 Google Docs OAuth2 凭据（见下文）。
6. 对照 n8n 和你的账号能提供的，检查模型名称（chatgpt-4o-latest、claude-3-7-sonnet-20250219、gpt-4.1）。
7. 保存，打开 Start 的测试地址（它的路径是 deep_research），跑一个问题。然后点 Publish 发布。

它调用的转换服务

文件里不含这个服务。三个节点各自发送两个表单字段，期望有一个服务据此生成 Google 文档：

| 字段 | 节点发送的内容 |
|---|---|
| output | Markdown 格式的报告 |
| fileName | 报告的标题 |

这些节点用的是 Google Docs 凭据，所以 n8n 会把这个凭据的访问令牌加进请求。把它们指向你自己运行的服务。或者把这三个都删掉，在原处放一个设为 Create 的 Google Docs 节点，用标题作文档名，后面接一个设为 Update 的节点，把 Markdown 当作文本插进去。标题会显示成纯文本，但不会有任何外部服务看到你的令牌。

一次运行怎么走

| 阶段 | 节点 | 发生什么 |
|---|---|---|
| 提问 | Start、Research Request | 一个带 Next 按钮的欢迎页，然后是一页询问 What would you like to research? |
| 追问 | 从 Clarifying Questions 到 Get Initial Query | 模型最多问三个问题，每个一页表单，或者回答 No clarification needed。问题和回答合成一段文字。 |
| 搜索短语 | 从 End Form 到 Prepare Keywords (Code) | 表单说谢谢并关闭。通过 Responses API 调用 gpt-4.1，打开网页搜索，写出一个搜索短语。 |
| 第 1 轮 | 从 Tavily Search 到 Filter Relevant Content per Page | Tavily 返回最多十个带完整正文的页面。LLM Relevance Filter 留下最多五个。一次调用读完它们，写出带编号引用的回答。 |
| 检查 | Evaluate Answer Completeness、Check If Query Fully Answered | 回答 yes 或 no。回答 no 时，还会写一个新的搜索短语。 |
| 第 2 轮 | 带 Loop2_ 前缀的节点 | 用新短语走同一个阶段，有它自己的检查 Check Loop2 Answered。 |
| 第 3 轮 | 带 Loop3_ 前缀的节点 | 再走一次同一个阶段。后面没有检查。 |
| 报告 | Prepare Final Report、Final Report Generator 和它的两个副本、HTTP Request1 到 HTTP Request3 | 每份报告都是带标题的 Markdown。这些节点把它发给转换服务。 |

改变结果

• 搜索和阅读的页面数：三个 Tavily 节点里的 max_results 和 search_depth（10 和 advanced），以及三个相关性提示词里的 up to 5 links 那一行。
• 追问的数量：Clarifying Questions 里三个的上限，以及 Structured Output Parser1 的描述。
• 何时开始下一轮：Evaluate Answer Completeness 和 Loop2_Evaluate Answer Completeness1 里的标准。
• 报告的版式：Final Report Generator、Final Report Generator1 和 Final Report Generator2 的提示词里的章节清单。
• 模型：每个对话模型节点的 model 字段，以及 Prepare GPT-4.1 Input 里的 model。
• 问题的类型：Prepare GPT-4.1 Input 里的例子和风格，以及相关性提示词，都要求教程、代码和实施指南。研究别的内容时要改写它们。

要知道的

• 原来的副本里，Code 节点和表达式丢了反斜杠。十二个节点在该换行的地方写成了 join('n') 或 join('nn')，两个 Parse LLM Output to JSON 节点里的正则是 /{[sS]*}/。Mindket 把反斜杠补了回去：\n、\n\n 和 [\s\S]。这十二个节点是 Get Initial Query、三个相关性筛选、三个页面筛选、三个报告生成器、Prepare Final Report 和 Prepare Final Report Input1。
• 原来的副本把报告发到作者自己域名下的一个转换服务，还带着你的 Google 令牌。这个副本换成了占位符，所以在你选好地址之前，没有任何一次运行会把令牌发到别处。
• 表单里原来有一张来自作者图片服务器的横幅图，这个副本去掉了。Start 上的欢迎文字原来说报告存到 Notion。文件实际是通过 Google Docs 保存的，所以现在写的是一个 Google 文档。
• 第 1 轮和第 2 轮写完回答，就立刻各送去一份报告，不等检查。检查回答 yes 时，会让那一轮再送一次。所以一次运行可能留下好几份文档。第 2 轮的报告只含第 2 轮的回答。只有 Final Report Generator2 的报告包含全部三轮。
• Done 和 Done1 是消息为 Success 的 Stop and Error 节点，所以在这里结束的运行在 Executions 里显示为失败，并带着这条消息。
• Prepare Keywords (Code) 只读回复里 output 列表的第一项。在那里找不到搜索短语时，它会退回到 fallback search query 这几个词。如果模型先自己做了网页搜索，消息可能排在第二项，所以要看第一次运行的搜索短语。
• 模型没有提出问题时，Get Initial Query 仍然会往说明里写一行多余的内容：question: output 和 answer: [object Object]。
• Filter Relevant Content per Page 和它的两个副本会把最多五个完整页面放进一个提示词。一个很长的页面可能超出模型的输入上限，让这一步停下。
• 一次运行大约要调用六到十三次模型，具体看跑几轮，外加最多三次 advanced 深度、带完整页面正文的 Tavily 搜索。OpenAI、Tavily 和仅用于修复的 Anthropic 各自收自己那部分的费用。chatgpt-4o-latest 是 OpenAI 会移动的别名，Responses API 调用把 store 设为 true。
• 工作流发布之后，任何拿到表单地址的人都能用你的密钥发起运行。表单触发器可以要求用户名和密码。
• 问题和你的回答发给 OpenAI。页面正文发给 OpenAI，需要修复时也发给 Anthropic。搜索短语发给 Tavily，每份报告发给你的转换服务。