2026-09-28 · 原文发布日
央行声明鹰鸽转向自动监控并告警
免费n8n模板:每3小时抓取美联储、欧央行、印度央行最新声明,用表格记录去重后交给OpenAI判定鹰派/中性/鸽派并给出情绪分、信心、关键短语和政策信号JSON,结果写入Google Sheets情绪日志;再与该行近五次滚动均值比较,变化超过20分就向Slack发详细告警。模板还列出扩展方向,如增加日央行或改存Supabase。
原文要点
原模板为n8n免费工作流:每3小时调度触发,从HTTP端点抓取FED/ECB/RBI声明,校验必填字段且内容至少50字符,从Google Sheets的Sentiment Log表读已处理ID去重,用OpenAI(原文写GPT-4.1-nano)输出鹰派/中性/鸽派分类及情绪分、信心、关键短语、摘要、政策信号的JSON,追加写表后与该行近五次得分滚动均值比较,偏移≥20分向Slack发告警。原文排障表指出历史不足五条时趋势计算受限、源端若无稳定唯一statement_id会重复。
这次做成什么
把该监控模板在测试环境跑通一遍完整链路:合成三条央行声明作为假数据源,验证调度→去重→OpenAI分类→写表→滚动均值比较→Slack告警分支,并给出可直接粘贴的分类提示词和建表列结构。
准备什么
- 已导入n8n.io/workflows/20039模板的n8n实例
- OpenAI API凭据,且账号可用模板所选模型(原文标GPT-4.1-nano,以你账号实际可用为准)
- Google账号并建好含Sentiment Log工作表的表格
- Slack工作区及发消息权限,配置测试频道
- 一个返回规定字段的声明数据源;练习阶段用本站合成JSON当假端点
具体怎么做
建Sentiment Log表
在Google Sheets建工作表Sentiment Log,列依次为statement_id、bank_code、published_at、sentiment_score、stance、summary、confidence、key_phrase、policy_signal;先手工写入本站的5条历史记录,让滚动均值有数据可比。
接假数据源和去重
把HTTP Request节点URL先指向你自建的测试端点(或本地mock),返回含id、central_bank、bank_code、content、published_at的数组;确认模板按表内已存在ID过滤,重复提交同一条声明时不应再进OpenAI节点。
配置OpenAI分类节点
在OpenAI节点填入API凭据,提示词用本站artifact版本替换或对照原节点;要求模型只输出规定JSON字段,跑一条合成声明,在后续解析节点确认字段全部解析成功、score为数字。
验证滚动均值与告警分支
用第6条测试声明(得分与历史均值差≥20)触发一次运行,确认模板算出偏移并走进Slack分支;再用一条得分接近均值的数据确认不告警。
接Slack并改为正式调度
连接Slack凭据、选测试频道,确认告警消息含银行、最新分、滚动均值、偏移幅度和摘要;无误后激活工作流,恢复每3小时调度,并把HTTP节点换成真实数据源。
可直接复制的材料
鹰鸽分类提示词
本站独立编写,字段对应模板追加写表所需结构;分值方向定义为本站约定,与原模板提示词可能不同,导入后以原节点为准或整体替换。
你是央行政策语言分析师。阅读下面的央行声明文本,判断其货币政策立场。只输出一个JSON对象,字段如下:stance(hawkish/neutral/dovish 三选一)、sentiment_score(-100到+100的整数,+100为极端鹰派,-100为极端鸽派)、confidence(0到1之间两位小数)、key_phrase(文中最能体现立场的原句短语)、summary(不超过60字中文摘要)、policy_signal(rate_hike/rate_hold/rate_cut/qt/qe/guidance_change/none 中最贴近的一个)。不要输出任何其他文字。声明文本:
[在此粘贴声明全文]合成声明数据(假HTTP端点返回体)
本站虚构合成声明,非真实央行文本;练习后换成真实声明源,原文也提醒默认是dummy端点需替换。
{"items":[{"id":"fed-2026-09-16-01","central_bank":"Federal Reserve","bank_code":"FED","content":"The Committee judges that inflation remains elevated and that further firming of policy may be appropriate. The labor market remains tight, and the Committee is prepared to maintain a restrictive stance for some time to ensure inflation returns to the two percent objective.","published_at":"2026-09-16T18:00:00Z"},{"id":"ecb-2026-09-12-01","central_bank":"European Central Bank","bank_code":"ECB","content":"The Governing Council decided to keep the key ECB interest rates unchanged. Future decisions will remain data-dependent, and the Council stands ready to adjust all instruments if the inflation outlook worsens materially.","published_at":"2026-09-12T12:45:00Z"},{"id":"rbi-2026-09-08-01","central_bank":"Reserve Bank of India","bank_code":"RBI","content":"The Monetary Policy Committee decided to reduce the policy repo rate by 25 basis points, noting that headline inflation has moderated and growth requires continued support, while remaining vigilant on food price risks.","published_at":"2026-09-08T06:30:00Z"}]}Sentiment Log历史记录(滚动均值基线)
本站虚构基线数据,五条FED记录均值41.8,用于触发20分偏移告警的演示;实际跑通后清空换真实数据。
statement_id,bank_code,published_at,sentiment_score,stance,summary,confidence,key_phrase,policy_signal
fed-hist-001,FED,2026-03-18T18:00:00Z,42,hawkish,维持限制性立场抗通胀,0.81,restrictive stance,rate_hold
fed-hist-002,FED,2026-05-06T18:00:00Z,38,hawkish,通胀仍高于目标,0.78,inflation elevated,rate_hold
fed-hist-003,FED,2026-06-17T18:00:00Z,45,hawkish,不排除进一步加息,0.83,further firming,rate_hike
fed-hist-004,FED,2026-07-29T18:00:00Z,40,hawkish,劳动力市场紧张,0.76,labor market tight,rate_hold
fed-hist-005,FED,2026-09-10T18:00:00Z,44,hawkish,长期维持高利率,0.80,higher for longer,rate_hold输入与输出示例
本站虚构演示,未实际调用OpenAI或Slack;真实得分由模型返回,无法预知。
输入
把合成声明fed-2026-09-16-01送入流程,假设OpenAI返回sentiment_score=65;FED历史五条均值=(42+38+45+40+44)/5=41.8。对应输出
判定偏移=|65-41.8|=23.2≥20,触发Slack分支。告警示意:"⚠️ FED立场偏移告警|最新分65(hawkish,信心0.85)|近5次均值41.8|偏移+23.2|关键短语:further firming of policy|摘要:暗示可能进一步收紧政策|信号:rate_hike"。该行同时追加进Sentiment Log。做完检查这些
- 同一条声明重发时因ID已在Sentiment Log中被跳过,OpenAI节点不重复执行
- OpenAI返回的JSON六个字段全部解析成功且score为-100到100的整数
- 得分与近5次均值差≥20时Slack收到告警,差值不足20时不发
- 写入表格的行包含全部列且bank_code仅为FED/ECB/RBI之一
- 内容少于50字符或缺必填字段的记录在校验节点被拦截
容易卡住的地方
- 原文排障表明确:某银行历史记录少于五条时滚动均值参考意义不足,前期告警可能失真,需先积累数据
- 数据源必须提供稳定唯一的statement_id,否则去重失效产生重复行
- 默认HTTP端点是dummy地址,不换真实源则请求报错,这是原文列出的常见故障
- 模型名GPT-4.1-nano来自原文,需确认你的OpenAI账号可用,否则OpenAI节点直接失败
- 20分阈值是模板设定,偏移小于20时静默无告警,重大措辞变化若分数温和可能漏报
- OpenAI按调用计费,Slack与Google Sheets也有API限额;模板免费不代表外部调用免费
本站借助AI整理来源事实,独立编写中文操作指南与示例。示例不代表实际运行结果;来源效果尚未由本站独立复现。付费模板与模型、服务费用分别计算。
- 原文标题
- Track central bank sentiment shifts with OpenAI, Google Sheets, and Slack
- 原作者
- WeblineIndia
- 原始发布日期
- 2026-09-28T09:24:53.547Z
- 来源
- https://n8n.io/workflows/20039