铁路巡检缺陷自动分级与封停审批流

原文要点

原工作流每天05:00定时触发，从轨道巡检系统API拉取当日到期区段，每条返回segment_id、track_class、inspector_defect_notes。OpenAI把检查员缺陷记录按FRA严重度分成无缺陷、1-2级轻微、3-4级严重、5级立即停运四类，再按轨道等级算限速、整改时限和建议动作。5级区段会发Slack审批卡，主管可批准、修改后批准或驳回封停，其余类别标记无需审批。每区段结果JSON上传Google Drive归档，最终类别、动作和限速摘要发到Slack频道。作者提到需按自家铁路政策调整限速表和整改天数默认值。

这次做成什么

用n8n免费模板搭一条"定时拉取巡检区段→AI分级→限速计算→严重缺陷人工审批→归档+摘要"的每日自动化流程，并用合成数据演练一遍完整分支。

准备什么

• n8n实例（自托管或云端），已导入工作流20921模板
• OpenAI API凭据、Slack工作区（开通send and wait for approval）、Google Drive凭据
• 一个能返回当日到期区段的巡检系统API（练习时可用Mock数据代替）
• Slack频道ID、Google Drive的drive ID与folder ID

具体怎么做

1. 配置定时触发与API拉取

   导入模板后确认Schedule Trigger设为每天05:00。打开HTTP Request节点，把URL替换为你的巡检系统接口，凭据选HTTP Header Auth。练习阶段可先用n8n的Mock数据：在节点后加一个Set节点，粘贴下方测试数据，确认每项含segment_id、track_class、inspector_defect_notes三个字段，每项作为一个独立item输出。

2. 配置OpenAI分级节点

   在OpenAI节点绑定你的OpenAI凭据，系统消息粘贴下方分类提示词全文，用户消息传入{{$json.inspector_defect_notes}}和{{$json.track_class}}。要求模型只返回JSON，字段为category、reasoning。把响应格式设为JSON以便后续节点解析。

3. 设置限速与整改时限计算

   打开限速计算Code节点，核对内置的轨道等级-正常最高速对照表和各缺陷类别的限速折扣、整改天数默认值。按下方配置示例改成你单位的政策数值，输出字段统一为normal_max_speed、speed_restriction、remedial_days、recommended_action。

4. 配置5级审批分支

   在IF节点判断category是否等于Class 5 Immediate Halt。真分支连到Slack审批节点（send and wait for approval），消息里嵌入区段ID、缺陷描述、建议限速，审批选项保留批准/修改后批准/驳回三种；假分支用Set节点把approval_status置为not_required。

5. 归档与摘要输出

   Google Drive节点选Upload操作，填入drive ID和folder ID，文件内容用各区段结果拼成的JSON（可用Code节点JSON.stringify）。最后Slack消息节点发到指定频道，内容包含segment_id、category、speed_restriction、recommended_action和审批结果，先手动Execute Workflow跑一次再启用调度。

可直接复制的材料

你是铁路轨道安全分级助手。根据检查员的缺陷记录和轨道等级，把该区段归入以下四类之一，并只返回JSON：
- No Defect：无缺陷或仅外观性瑕疵
- Class 1-2 Minor：轻微缺陷，不影响正常通行，需列入例行维修
- Class 3-4 Serious：严重缺陷，需要限速运行并限期整改
- Class 5 Immediate Halt：危及行车安全的缺陷，必须立即停运封区段

输出格式（不要输出任何其他文字）：
{"category":"四类之一的英文原名","reasoning":"不超过80字的中文判断依据，引用记录中的关键缺陷描述"}

判断时注意：钢轨断裂、轨距严重超限、路基塌陷倾向归为Class 5；扣件松动、轻微磨耗归为Class 1-2；介于两者之间的结构性损伤归为Class 3-4。

{
  "trackClassSpeed": {"1": 16, "2": 40, "3": 64, "4": 96, "5": 128},
  "categoryPolicy": {
    "No Defect": {"speedFactor": 1.0, "remedialDays": 0, "action": "无需处理，正常通行"},
    "Class 1-2 Minor": {"speedFactor": 1.0, "remedialDays": 30, "action": "列入例行维修计划"},
    "Class 3-4 Serious": {"speedFactor": 0.5, "remedialDays": 7, "action": "限速运行并限期整改"},
    "Class 5 Immediate Halt": {"speedFactor": 0, "remedialDays": 1, "action": "立即停运封区段，待主管审批"}
  }
}

[
  {"segment_id":"SEG-2026-041","track_class":4,"inspector_defect_notes":"K12+300处钢轨发现横向裂纹约35mm，轨枕两处破损，建议立即处理"},
  {"segment_id":"SEG-2026-042","track_class":3,"inspector_defect_notes":"扣件松动三处，轨面轻微磨耗，不影响通行"},
  {"segment_id":"SEG-2026-043","track_class":5,"inspector_defect_notes":"道砟局部脏污，排水沟轻微堵塞，无结构性问题"}
]

输入与输出示例

本站虚构演示输出，字段与数值对应上方配置示例（4级轨道96km/h、5级缺陷限速为0），并非真实运行结果。

输入

{"segment_id":"SEG-2026-041","track_class":4,"inspector_defect_notes":"K12+300处钢轨发现横向裂纹约35mm，轨枕两处破损，建议立即处理"}

对应输出

{"segment_id":"SEG-2026-041","category":"Class 5 Immediate Halt","reasoning":"钢轨横向裂纹35mm属危及行车安全的结构性损伤","normal_max_speed":96,"speed_restriction":0,"remedial_days":1,"recommended_action":"立即停运封区段，待主管审批","approval_status":"pending_supervisor"}

做完检查这些

• Schedule Trigger显示每天05:00触发，手动执行能产出与测试数据条数相同的item
• OpenAI节点返回的category只出现在四类枚举中，且能被IF节点正确识别
• Class 5分支在Slack收到带批准/修改/驳回按钮的审批卡，其余分支直接标记not_required
• Google Drive目标文件夹出现每区段一个JSON文件，Slack频道收到含限速与动作的摘要

容易卡住的地方

• Slack工作区未开通send and wait for approval时，5级分支会报错中断，需先在Slack侧开启
• 巡检API若把多个区段合并在一条响应里，需要先拆分item，否则分级结果会串区段
• 限速表默认值是作者按示例政策写的，直接用于真实铁路可能造成限速不当，务必先改配置
• OpenAI未强制JSON输出时，下游Code节点解析会失败，要在节点里开启JSON响应格式