早8点比对召回公告与 Shopify 商品

原文要点

该免费 n8n 模板每天早8点运行：拉取 Shopify 全量商品与 CPSC 召回 API、FDA 食品/药品/器械 enforcement API 的近期召回；先读 Google Sheets 的 Recall log 跳过已处理召回，再按 UPC/条码、品牌供应商名、共享关键词对目录打分预筛，只有存在候选的召回才调用 OpenAI，返回置信度、批次核查标记与建议动作；超过阈值发 Slack 并写入 Matches 表，可选把90%以上高置信的在售 listing 通过 Admin GraphQL API 设为 DRAFT（默认关闭），最后记录 Recall log 并发每日汇总。

这次做成什么

按本站设计的复刻方案在 n8n 搭出同构流程：定时触发→多源拉取→去重→规则预筛→AI 判定→分支输出，先用合成数据手动跑通一次，再接真实凭据激活。

准备什么

• 可访问外网 API 的 n8n 实例（自托管或云）
• Shopify 自定义应用 access token（read_products；启用自动下架才需 write_products）
• OpenAI API key、Slack 工作区、含 Recall log 与 Matches 两个 tab 的 Google Sheet
• CPSC 与 FDA 召回数据无需 API key

具体怎么做

1. 建表与配置凭据

   Google Sheet 建两个 tab：Recall log（A1 写表头 Recall ID）和 Matches。n8n 里依次添加 Shopify Access Token、OpenAI、Slack、Google Sheets 凭据，并把表格 URL 填入工作流的配置值。

2. 定时与多源拉取

   Schedule Trigger 设每天 08:00。HTTP Request 节点调 Shopify Admin API 拉全量商品；另三个 HTTP 节点分别拉 CPSC 召回 API 与 FDA 食品、药品、器械 enforcement API，用 Merge 汇总；用不到的 FDA 类目节点可停用。

3. 去重与规则预筛

   Google Sheets 节点读 Recall log，Code 节点过滤已处理 Recall ID，并把新召回归一化为统一字段（id、来源、标题、品牌、UPC、日期）。再按条码相等、vendor/brand 包含、标题关键词重合三项打分，低于 minCandidateScore 的丢弃。

4. AI 判定与分支输出

   IF 节点判断候选列表非空才进 OpenAI 节点，用下方提示词要求返回 confidence、lotBatchCheck、recommendedAction。第二个 IF 按 minConfidence 分流：高于阈值发 Slack 并 append 到 Matches；autoDraftProducts 为 true 且 confidence≥0.9 时走 Shopify Admin GraphQL 把 active 商品置 DRAFT；最后把召回 ID 写入 Recall log 并发每日 Slack 汇总。

可直接复制的材料

{
  "shopifyStore": "your-store-handle",
  "slackChannel": "#recall-alerts",
  "sheetUrl": "https://docs.google.com/spreadsheets/d/你的表格ID",
  "lookbackDays": 7,
  "minConfidence": 0.75,
  "minCandidateScore": 2,
  "autoDraftProducts": false
}

你是产品召回核查助手。下面给出一条召回信息与一个候选在售商品。只根据给出的信息判断该商品是否真受召回影响，不要猜测。输出严格 JSON：{"confidence": 0到1的小数, "lotBatchCheck": true或false, "recommendedAction": "一句话建议", "reason": "一句话依据"}。若召回限定特定批次或生产日期而商品信息不足以确认，lotBatchCheck 设为 true 并建议向供应商核查。召回信息：{recall}。商品信息：{product}。

召回：{"recallId":"CPSC-2026-TEST-001","source":"CPSC","title":"星星牌儿童磁力积木片召回","brand":"星星牌","upc":"6901234567890","hazard":"磁片脱落存在吞咽风险","date":"2026-10-05"}
商品：{"id":880001,"title":"星星牌磁力积木片 64片装","vendor":"星星牌","barcode":"6901234567890","status":"active","tags":"玩具,磁力片"}

输入与输出示例

本站虚构演示，未实际运行，置信度为示意值。

输入

用合成数据手动执行：召回 CPSC-2026-TEST-001 命中商品 880001（条码相等、vendor 相同、标题共现“磁力积木片”），预筛得分 3。

对应输出

OpenAI 返回 {"confidence":0.93,"lotBatchCheck":true,"recommendedAction":"先下架并联系供应商确认批次","reason":"品牌与UPC一致，召回限定生产批次"}。因 0.93≥0.75，Slack 收到告警“星星牌磁力积木片疑似命中 CPSC 召回，建议先下架核查批次”，Matches 表新增一行状态 Open；因 autoDraftProducts 为 false，Shopify 商品保持 active，Recall log 追加 CPSC-2026-TEST-001。

做完检查这些

• 手动执行一次后，Code 节点输出中已存在于 Recall log 的 Recall ID 被过滤
• 候选为空的召回在执行日志中没有触发任何 OpenAI 调用
• confidence 低于 minConfidence 的记录只进 Recall log，不发 Slack、不写 Matches
• autoDraftProducts 为 false 时 Shopify 侧没有任何写操作

容易卡住的地方

• 模板免费但需自行配置全部凭据；Shopify 的 write_products 权限只在确实要自动下架时授予
• 首次运行可调大 lookbackDays 扫描历史，但会明显拉长运行时间
• AI 只判断预筛给它的候选，预筛过严会漏掉真实命中，可按需调低 minCandidateScore
• GraphQL 下架只应作用于 active 且高置信的商品，务必先在测试店铺验证
• 本流程是预警辅助，召回处置的最终决定仍应由人做出