监控行业新闻激增并自动生成影响分析

原文要点

原工作流由WeblineIndia构建：每日定时触发，按配置的主题、行业和自选股拼GDELT Doc API查询，拉取1天新闻量时间线，与之前时间线点算出的7天基线对比，超过50%阈值判定激增并分LOW/MEDIUM/HIGH三级、按主题关键词归类（如含oil/energy归ENERGY，含shipping/supply归SUPPLY CHAIN，否则OTHER）；激增时把指标发给Google Gemini生成含事件概述、行业影响、逐股影响、市场含义和免责声明的JSON分析，追加到Google Sheets留档并推送Slack。原文示例主题为semiconductor export，自选股NVDA、AMD、TSM、INTC、AVGO。

这次做成什么

在n8n中搭一条每日运行的新闻激增监控流：GDELT拉量→基线对比判激增→Gemini生成结构化影响分析→Sheets留档→Slack提醒，并先用手动触发加合成时间线验证判定逻辑。

准备什么

• 一个n8n实例及创建工作流权限，工作流可访问外网HTTP请求
• Google Gemini（AI Studio）API密钥并在n8n配置对应凭据
• Google Sheets OAuth2凭据和一张预留好列的电子表格
• Slack工作区凭据及一个用于接收提醒的频道
• 想监控的主题关键词、行业名和自选股代码清单

具体怎么做

1. 配置定时触发与监控参数

   添加Schedule Trigger设为每天固定小时运行。在其后放一个Set节点定义参数：theme（如semiconductor export）、sector（如Semiconductors）、tickers数组（如NVDA、AMD、TSM、INTC、AVGO）、spikeThreshold默认0.5。这些值后续节点统一引用，便于以后改主题。

2. 请求GDELT时间线

   添加HTTP Request节点，向GDELT Doc API发GET请求，查询词用上一步的theme与tickers拼接，mode取时间线模式、时间跨度1天。原文未给出完整URL与参数明细，请在GDELT官方文档核对端点和参数名后再填，不要照抄猜测的地址。先用Execute Node单独跑该节点，确认返回的timeline数组至少有两个数据点。

3. 计算激增并分级分类

   接Code节点：取timeline最后一个点的值为当日新闻量，取之前各点均值作为7天基线，计算涨幅=(当日-基线)/基线；涨幅大于spikeThreshold时spikeDetected=true，并按涨幅区间给severity赋LOW/MEDIUM/HIGH（具体分界原文未公开，请自行设定并记录在代码注释里）。再用关键词判断eventCategory：theme含oil或energy为ENERGY，含shipping或supply为SUPPLY CHAIN，否则OTHER。之后接IF节点，spikeDetected不为true时直接结束。

4. Gemini生成结构化分析

   激增分支接Gemini聊天模型节点，粘贴下文分析提示词，把日期、当日量、基线、涨幅、severity、category、tickers作为变量传入，要求模型只输出规定结构的JSON。其后接Code节点解析JSON；解析失败时在执行日志里查看原始返回，常见原因是模型裹了多余文字。

5. 留档、推送并联调

   接Google Sheets追加节点，把日期、theme、当日量、基线、涨幅、severity、category和Gemini分析各字段按列写入；再接Slack节点向选定频道发送格式化消息（含激增指标和分析摘要）。先用Code节点伪造一条timeline测试数据（见材料）手动跑通全链路，再切换到真实GDELT请求并激活定时。

可直接复制的材料

你是市场舆情分析师。检测到以下主题的新闻量异常激增，请生成结构化分析，只输出JSON，不要输出其他文字。

监控主题：{{$json.theme}}
行业：{{$json.sector}}
日期：{{$json.date}}
当日新闻量：{{$json.currentVolume}}
7天基线均值：{{$json.baseline}}
涨幅：{{$json.increasePct}}%
严重级别：{{$json.severity}}
事件分类：{{$json.eventCategory}}
关注股票：{{$json.tickers}}

输出JSON结构：
{
  "event_summary": "一句话事件概述",
  "narrative": "100字以内的事件叙述",
  "sector_impact": "对行业的潜在影响，80字以内",
  "ticker_impacts": [{"ticker": "代码", "impact": "该股可能影响，40字以内"}],
  "market_implication": "整体市场含义，60字以内",
  "disclaimer": "本分析由AI基于新闻量数据生成，不构成投资建议"
}

ticker_impacts必须覆盖关注股票中的每一只。

{
  "timeline": [
    {"datetime": "2026-10-01", "value": 12},
    {"datetime": "2026-10-02", "value": 15},
    {"datetime": "2026-10-03", "value": 10},
    {"datetime": "2026-10-04", "value": 14},
    {"datetime": "2026-10-05", "value": 13},
    {"datetime": "2026-10-06", "value": 16},
    {"datetime": "2026-10-07", "value": 40}
  ]
}

输入与输出示例

本站虚构演示，未实际调用GDELT或Gemini，涨幅由合成数据算出，分析文案为示意。

输入

theme为semiconductor export，timeline前6天均值为13.3篇，2026-10-07当日40篇，tickers为NVDA、AMD、TSM、INTC、AVGO。

对应输出

涨幅约200%大于50%阈值，spikeDetected=true，severity=HIGH，eventCategory=OTHER。Gemini输出示例：{"event_summary":"半导体出口相关新闻量单日激增约200%","sector_impact":"出口政策或供应链变化可能引发板块波动","ticker_impacts":[{"ticker":"NVDA","impact":"出口限制敏感度高，短期波动或加大"},…],"disclaimer":"本分析由AI基于新闻量数据生成，不构成投资建议"}，随后Sheets追加一行，Slack频道收到激增提醒。

做完检查这些

• 用合成timeline手动执行时，Code节点输出spikeDetected=true且涨幅约为200%，IF节点走激增分支
• GDELT返回不足两个时间点时流程能识别并停止，不产生错误的基线计算
• theme改为oil prices后eventCategory输出ENERGY，改为不含关键词的主题时输出OTHER
• 激增分支跑完后Sheets新增一行且列与字段一一对应，Slack频道收到含涨幅和级别的消息
• 把当日值改为低于阈值时流程在IF处结束，不写Sheets也不发Slack

容易卡住的地方

• GDELT为公开接口但有速率限制，定时频率过高或主题过宽可能被限流，请求失败要看HTTP节点返回
• 基线依赖本次返回的timeline历史点，主题太冷门时数据点过少会导致基线失真，原文也提示少于两个时间线条目会出问题
• 50%阈值和severity分界是可调参数，小基数主题容易误报，需在代码里按实际量调整
• Gemini返回非合法JSON时解析会失败，提示词必须强调只输出JSON并保留原始返回便于排查
• Slack与Sheets凭据配置错误是最常见的落地失败点，先单节点测试再整流激活
• 新闻量激增不等于真实重大事件，AI分析仅基于量指标，不能当作投资依据