构建智能视频趋势发现Agent

不二如是

一、工作流整体概述

本工作流名为 “YouTube AI趋势查找”，由 n8n 平台构建，核心目标是利用 AI 智能代理自动分析 YouTube 上某一细分领域（niche）近期两天内的热门趋势。

工作流的主控节点是一个 LangChain-Agent，它充当智能中枢：当用户触发聊天消息后，Agent 首先判断用户是否明确了内容领域，如果没有，会主动提示并提供可选方向。

随后，它会调用内部的 “YouTube Search” 工具最多三次，针对该领域生成不同搜索关键词，从而抓取最新高热度视频的相关数据。


二、节点与流程结构

触发与智能体层（chat_message_received → AI Agent）

当用户通过聊天界面输入信息时，chat_message_received 触发节点启动整个流程。

消息被传递给名为 AI Agent 的 LangChain 代理节点，该节点由 OpenAI 模型驱动，配合 window_buffer_memory 用于保持上下文记忆，使对话连续、逻辑一致。


内容检索层（AI Agent → youtube_search → get_videos1）

Agent 内置指令要求使用 youtube_search 工具调用外部的 “YouTube Search Workflow”。

get_videos1 节点通过 YouTube API（带 OAuth2 授权）执行具体检索，限定条件为：

• 搜索关键词由 Agent 动态生成；
• 区域为美国（regionCode: US）；
  

时间为最近 48 小时内发布的视频。

返回结果按相关性排序，并保证内容安全模式为“moderate”。

数据提取与筛选层（find_video_data1 → if_longer_than_3_ → group_data1）

系统会调用 find_video_data1 节点，通过 https://www.googleapis.com/youtube/v3/videos 获取每个视频的详细信息（标题、描述、观看数、点赞数、评论数等）。

之后 if_longer_than_3_ 条件节点将视频时长转换为秒，并判断是否超过 210 秒（3 分 30 秒）。

仅当视频时长超过该阈值时才进入下一步，以排除短内容噪音。合格视频被传递到 group_data1，提取结构化字段：i

1. d, viewCount, likeCount, commentCount, description, title, channelTitle, tags, channelId 等。

复制代码

数据清洗与持久化层（save_data_to_memory1 → retrieve_data_from_memory1 → response1）

清洗节点 save_data_to_memory1 使用 JavaScript 对视频文本进行正则处理，去除 URL、表情符号与多余空格。

所有视频数据以 JSON 串格式存储在全局静态数据中，并在每条视频间添加分隔符 ### NEXT VIDEO FOUND: ###。

随后，retrieve_data_from_memory1 负责从全局内存读取最新结果，传递给 response1 节点统一输出。

最终，智能体根据这些数据进行分析，生成关于近期 YouTube 热点内容的洞察性报告。

三、工作流下载

工作流：

游客，如果您要查看本帖隐藏内容请回复

[/hide]

在线课程：

评论区聊聊你的想法吧

                               
登录/注册后可看大图

>>万能兑换C币许愿池<<

如果有收获，别忘了评分 ：

                               
登录/注册后可看大图

                               
登录/注册后可看大图