n8n自动排定高尔夫球场分区灌溉计划

原文要点

原模板面向高尔夫球场灌溉：传感器网关每日向webhook POST球场经纬度和分区数组（含土壤湿度、分区类型、距上次施药天数、农药标签文字、距水体距离等）；工作流从Open-Meteo拉逐小时预报（含ET0和降水概率），逐区计算土壤缺水量与蒸散调整后的需水量，降水概率高则跳过；对5天内施过药的分区，用GPT-4o-mini从标签文字提取再进入间隔（REI）小时数和距水缓冲区要求，受限分区灌溉时长清零；最后按分区类型排优先级汇总成控制器负载POST到灌溉控制器API，被跳过分区通过Telegram通知员工。外部API节点带3次重试、间隔2秒；AI提取仅对近5天施药分区触发。模板标注适配n8n 1.6x及以上。

这次做成什么

搭一条“传感器批次→天气校正→农药合规检查→灌溉计划下发”的每日流程。本站设计一个三分区虚构演练，分别命中正常灌溉、降雨跳过和农药受限三种分支。

准备什么

• n8n 1.6x或更新版本的实例，能接收公网webhook
• OpenAI API密钥，用于GPT-4o-mini标签提取节点
• 灌溉控制器API地址及HTTP Header Auth凭据，演练时用mock端点
• Telegram机器人token及目标群组ID（环境变量GROUNDS_CREW_TELEGRAM_CHAT_ID）
• 能按日POST分区读数的传感器网关或等效数据源

具体怎么做

1. 接通webhook与天气预报

   复制webhook触发节点的生产URL（路径/golf-zone-sensor-batch），配到传感器网关。演练时用curl手动POST材料2的测试负载。后续HTTP节点按负载里的course_lat、course_lon请求Open-Meteo逐小时预报，取ET0与降水概率字段；Open-Meteo免费无需密钥，也可换成场内气象站。

2. 计算分区需水量

   用Split Out节点把zones数组拆成单项，逐项计算：土壤缺水量=目标湿度减当前湿度（默认目标greens 28%、fairways 22%、roughs 16%，可在节点里按草种调整），再乘分区面积与作物系数、结合ET0得到需水量；降水概率超过阈值时该区标记跳过、时长置零。

3. 农药标签合规提取

   加IF节点筛出days_since_pesticide_app小于等于5的分区，仅这些项进入GPT-4o-mini Information Extractor，用材料1的schema从label_text提取rei_hours和buffer_ft；当前时间距施药时间小于REI，或分区距水体小于buffer_ft时判定受限，灌溉时长清零并记入compliance例外。

4. 汇总下发与通知

   把各分区聚合回单个计划：按分区类型排优先级（如greens先于fairways），附总时长与合规例外列表，POST到控制器API（Header Auth）。若有被跳过或受限分区，Telegram节点向GROUNDS_CREW_TELEGRAM_CHAT_ID发送分区清单及原因。外部API节点保留3次重试、间隔2秒。

可直接复制的材料

从下面的农药标签文字中提取两项合规参数，严格只输出JSON：{"rei_hours": 24, "buffer_ft": 50}
规则：rei_hours为标签规定的再进入间隔小时数，找不到则输出null；buffer_ft为标签要求的距水体（湖泊、溪流、池塘）最小缓冲距离英尺数，找不到则输出null；不要根据常识推测数值，只提取标签中明确写出的数字。
标签文字：{{$json.label_text}}

{
  "course_lat": 33.749,
  "course_lon": -84.388,
  "zones": [
    {"zone_id": "G3", "zone_type": "green", "area_sqm": 450, "soil_moisture_pct": 19, "crop_coefficient": 0.85, "days_since_pesticide_app": 9, "pesticide_applied_at": null, "pesticide_product": null, "label_text": null, "distance_to_water_ft": 300},
    {"zone_id": "F7", "zone_type": "fairway", "area_sqm": 5200, "soil_moisture_pct": 15, "crop_coefficient": 0.75, "days_since_pesticide_app": 12, "pesticide_applied_at": null, "pesticide_product": null, "label_text": null, "distance_to_water_ft": 180},
    {"zone_id": "R2", "zone_type": "rough", "area_sqm": 3800, "soil_moisture_pct": 11, "crop_coefficient": 0.65, "days_since_pesticide_app": 2, "pesticide_applied_at": "2026-09-27T06:30:00Z", "pesticide_product": "示例除草剂A", "label_text": "Do not enter treated area for 48 hours after application. Maintain a 75 ft buffer from lakes and streams.", "distance_to_water_ft": 60}
  ]
}

输入与输出示例

本站虚构演示，未真实请求Open-Meteo、OpenAI或控制器；分钟数为示意计算，不代表真实灌溉建议。

输入

2026-09-29 05:00手动POST上述负载；Open-Meteo预报当日降水概率70%、ET0 4.2毫米；R2分区施药后仅过47小时且距水体60英尺。

对应输出

示意输出：G3按缺水量与ET0算得灌溉14分钟正常排入；F7因降水概率超阈值跳过、时长0；R2标签提取得rei_hours 48、buffer_ft 75，当前仍处REI内且距水体小于缓冲，时长清零并列入compliance例外。控制器收到计划：[{"zone":"G3","minutes":14}]，总时长14分钟；Telegram通知：F7因高降水概率跳过，R2因农药REI与水体缓冲受限。

做完检查这些

• 负载缺任一必需字段时能被识别并拒绝，不会进入计算环节
• 三个测试分区分别落入正常灌溉、降雨跳过、农药受限三种结果，互不串扰
• 标签提取只在近5天施药分区上触发，其余分区不产生模型调用
• 控制器负载含总时长与合规例外列表，受限分区时长确实为0
• 存在跳过或受限分区时Telegram消息列出分区ID与具体原因

容易卡住的地方

• 农药合规规则因地区和产品而异，标签提取失败时的默认行为必须由自家农艺与合规人员确认，不能默认放行
• 目标湿度、作物系数、降水概率阈值是业务参数，原文默认值仅为起点，需按草种和当地规定校准
• 原文称外部API节点带3次重试间隔2秒，但控制器不可用时仍需人工兜底流程
• AI从标签文字抽数字存在误读风险，关键合规参数建议保留人工抽查机制
• 灌溉分钟数取决于喷头流量等未在负载中的设备参数，本方案的时长计算仅为相对示意