n8n 工作流：衡器检定结果分类与合规路由

原文要点

原模板由 Swapnil Mandloi 发布：webhook 接收含 visit_id、technician 和 readings 数组（device_id、site、device_class、test_load、measured_reading、technician_notes）的 POST；拆分为逐台设备后按设备等级计算偏差百分比与容差带，缺字段的追加到 Sheets “Invalid Submissions” 页；有效读数交 OpenAI 文本分类器（gpt-4.1-mini）判 compliant、out_of_tolerance_fail、condemned 三类；合规的存证书到 Drive 并经 HTTP 向州注册接口备案，超差的发 Gmail 紧急提醒并在 Sheets 立案，报废的提交注销并记录，最后每次巡检合并追加一行汇总审计日志。州注册接口 URL 为占位符需替换；作者称 10 台设备一次巡检的分类 API 成本不足一美分（作者口径）。

这次做成什么

用本站设计的练习复现主干：手工 POST 一条含 3 台设备的合成巡检 JSON，完成偏差计算、必填校验、三分类路由和汇总审计行，注册接口用 n8n 的 Webhook 测试地址或 Set 节点模拟，不碰真实监管系统。

准备什么

• n8n 实例（可使用 webhook 测试 URL）与 OpenAI API key
• Google Sheets 测试表，含 Invalid Submissions、Compliance Cases、Decommissioned Devices、Consolidated Audit Log 四页
• 无需真实州注册接口凭据，练习中以模拟端点代替

具体怎么做

1. 接收并拆分巡检载荷

   新建 Webhook 节点（POST，路径如 /scale-visit），用生产/测试 URL 接收材料二 JSON；后接 Split Out 节点把 readings 数组拆成每台设备一条。

2. 计算偏差与校验字段

   Code 节点计算 deviation_pct = (measured_reading - test_load)/test_load*100，并按 device_class 给容差带（本练习设定：A 级 ±0.1%、B 级 ±0.2%、C 级 ±0.5%，演示值非法定标准）；IF 节点检查 device_id、device_class、test_load、measured_reading 是否齐全，缺失的写 Google Sheets 的 Invalid Submissions 页。

3. OpenAI 三分类

   有效读数进 OpenAI 节点，粘贴材料一分类提示词，要求只输出三选一标签；后接 Switch 节点按标签分三路：compliant 分支练习用 Set 生成证书记录（正式接 Drive+HTTP 备案）、out_of_tolerance_fail 分支写 Compliance Cases 页并生成告警文案、condemned 分支写 Decommissioned Devices 页并生成注销请求体。

4. 合并写审计日志

   三路汇合后用 Aggregate 按 visit_id 汇总每台结果，向 Consolidated Audit Log 追加一行：visit_id、设备数、各分类计数、时间戳。

可直接复制的材料

你是计量检定结果分类器。根据以下设备读数与偏差计算结果，仅输出一个标签：compliant、out_of_tolerance_fail 或 condemned。规则：|偏差|在容差带内且技师笔记无结构损坏描述判 compliant；超出容差带但设备可调整修复判 out_of_tolerance_fail；笔记提及传感器损坏、秤体开裂、无法修复或多次复检仍超差判 condemned。设备：{{ $json.device_id }} 等级：{{ $json.device_class }} 偏差：{{ $json.deviation_pct }}% 容差带：±{{ $json.tolerance }}% 技师笔记：{{ $json.technician_notes }}

{"visit_id":"V2026-041","technician":{"id":"T07","name":"李工"},"readings":[{"device_id":"SC-1001","site":"城东市场3号摊","device_class":"B","test_load":100.0,"measured_reading":100.05,"technician_notes":"零点稳定，外观完好"},{"device_id":"SC-1002","site":"城东市场5号摊","device_class":"B","test_load":100.0,"measured_reading":100.42,"technician_notes":"超差但可通过砝码调整恢复"},{"device_id":"SC-1003","site":"城西仓库","device_class":"A","test_load":500.0,"measured_reading":498.10,"technician_notes":"传感器损坏，秤体开裂，无法修复"},{"device_id":"","site":"城西仓库","test_load":50.0,"measured_reading":50.01,"technician_notes":"缺device_class"}]}

输入与输出示例

本站虚构演示，偏差按练习容差规则计算，未调用真实模型与注册接口。

输入

POST 材料二 JSON：SC-1002 为 B 级、test_load=100.0、measured_reading=100.42、笔记“超差但可通过砝码调整恢复”。

对应输出

deviation_pct=(100.42-100.0)/100.0*100=0.42，B 级容差 ±0.2%，超差；分类器输出 out_of_tolerance_fail；该设备写入 Compliance Cases 并生成告警文案“SC-1002 偏差 0.42% 超容差，请业主暂停使用”。本次巡检汇总行：visit_id=V2026-041，total=4，compliant=1，fail=1，condemned=1，invalid=1。

做完检查这些

• 缺少 device_id 或 device_class 的第 4 条进入 Invalid Submissions 而非参与分类
• 分类器输出严格为三标签之一，Switch 三路各被正确触发
• Consolidated Audit Log 每次 visit 只追加一行且分类计数与分支写入数一致
• condemned 分支生成的注销请求体含 device_id 与原因字段

容易卡住的地方

• 州注册接口 URL 是占位符，无公开 REST 的地区原作者建议改邮件或批量导出，练习中勿指向真实监管地址
• 容差带演示值仅覆盖 3 级，正式需按完整 HB44 式容差表扩展
• 偏差计算对 test_load=0 会除零，需在校验阶段拦截
• OpenAI 节点模型名 gpt-4.1-mini 为原文所述，替换模型后需重新验证标签稳定性