构建一个基于AI的研究助手，使用Linear + Scrapeless + Claude

现代团队需要即时访问可靠的数据以进行明智的决策。无论您是在研究竞争对手、分析趋势，还是收集市场情报，手动数据收集都会减缓您的工作流程并打断您的开发势头。

通过将Linear的项目管理平台与Scrapeless强大的数据提取API以及Claude AI的分析能力相结合，您可以创建一个智能研究助手，该助手可以直接在您的Linear问题中响应简单命令。

此集成将您的Linear工作区转变为智能指挥中心，在此处输入/search竞争对手分析或/trends AI市场将自动触发全面的数据收集和AI驱动的分析——所有内容都以结构化评论的形式返回到您的Linear问题中。

为什么选择Linear + Scrapeless + Claude？

Linear：现代开发工作空间

Linear提供了完美的团队协作和任务管理接口：

• 以问题驱动的工作流程：与开发流程自然集成
• 实时更新：即时通知和同步团队沟通
• Webhook和API：与外部工具的强大自动化能力
• 项目跟踪：内置分析和进度监控
• 团队协作：无缝评论和讨论功能

Scrapeless：企业级数据提取

Scrapeless提供可靠、可扩展的多源数据提取：

• 谷歌搜索： 实现对谷歌SERP数据所有结果类型的全面提取。
• 谷歌趋势： 从谷歌获取关键词趋势数据，包括随时间的流行度、地区兴趣和相关搜索。
• 通用抓取API： 访问和提取通常会阻止机器人访问的JS渲染网站的数据。
• 爬虫： 爬取网站及其链接页面以提取全面数据。
• 抓取： 从单个网页提取信息。

Claude AI：智能数据分析

Claude AI将原始数据转化为可操作的见解：

• 高级推理：复杂的分析和模式识别
• 结构化输出：干净、格式化的响应，适合Linear评论
• 上下文意识：理解商业上下文和用户意图
• 可操作见解：提供建议和下一步措施
• 数据综合：将多个数据源结合成连贯的分析

用例

竞争情报指挥中心

即时竞争对手研究

• 市场定位分析：自动化竞争对手网站的爬取和分析
• 趋势监控：跟踪竞争对手提及和品牌情感变化
• 产品发布检测：识别竞争对手何时推出新功能
• 战略见解：AI驱动的竞争定位分析

命令示例：

/search "competitor product launch" 2024
/trends competitor-brand-name
/crawl https://competitor.com/products

市场研究自动化

实时市场情报

• 行业趋势分析：自动化的Google Trends监控市场细分
• 消费者情感：产品类别的搜索趋势分析
• 市场机会识别：AI驱动的市场缺口分析
• 投资研究：初创企业和行业融资趋势分析

命令示例：

/trends "artificial intelligence market"
/search "SaaS startup funding 2024"
/crawl https://techcrunch.com/category/startups

产品开发研究

功能研究与验证

• 用户需求分析：产品功能的搜索趋势分析
• 技术研究：自动化文档和API研究
• 最佳实践发现：爬取行业领袖以获取实施模式
• 市场验证：产品市场适应性评估的趋势分析

命令示例：

/search "user authentication best practices"
/trends "mobile app features"
/crawl https://docs.stripe.com/api

实施指南

第一步：设置Linear工作区

准备您的Linear环境

1. 访问您的Linear工作区

   • 前往linear.app并登录您的工作区
   • 确保您具有管理员权限以便配置Webhook
   • 创建或选择一个进行研究自动化的项目

2. 生成Linear API令牌

   • 进入Linear设置 > API > 个人API令牌
   • 点击**“创建令牌”**并赋予适当的权限
   • 复制令牌以用于n8n配置

第二步：设置n8n工作流

创建您的n8n自动化环境

1. 设置n8n实例
   • 使用n8n云或自托管（注意：自托管需要ngrok设置；在本指南中，我们将使用n8n云）

• 为Linear集成创建新工作流程
  • 导入提供的工作流程JSON

人工智能研究助手工作流程

n8n_extract.json

• 37 KB

2. 配置Linear触发器
   • 使用您的API令牌添加Linear凭据
   • 设置Webhook以监听问题事件
   • 配置团队ID并根据需要应用资源过滤器

第三步：Scrapeless集成设置

连接您的Scrapeless账户

1. 获取Scrapeless凭据
   • 在scrapeless.com注册
   • 转到仪表盘 > API密钥
   • 复制您的API令牌以进行n8n配置

理解工作流程架构

让我们逐步浏览工作流程的每个组件，解释每个节点的功能及其如何协同工作。

第四步：Linear触发器节点（入口点）

起始点：Linear触发器

Linear触发器是我们工作流程的入口点。此节点：

功能：

• 监听来自Linear的Webhook事件，无论问题是创建还是更新
• 捕获完整的问题数据，包括标题、描述、团队ID和其他元数据
• 仅在特定事件发生时触发（例如，问题创建、问题更新、评论创建）

配置详情：

• 团队ID：链接到您特定的Linear工作区团队
• 资源：设置为监控issue、comment和reaction事件
• Webhook URL：由n8n自动生成，必须添加到Linear的Webhook设置中

为什么这很重要：
此节点将您的Linear问题转换为自动化触发器。
例如，当有人在问题标题中输入/search competitor analysis时，Webhook会实时将该数据发送到n8n。

第五步：切换节点（命令路由器）

智能命令检测与路由

切换节点作为“大脑”，根据问题标题中的命令决定执行哪种类型的研究。

工作原理：

// 命令检测和路由逻辑
{
  $json.type === 'Issue' && $json.data.title.toLowerCase().includes('/search') ? 0 :
  $json.type === 'Issue' && $json.data.title.toLowerCase().includes('/trends') ? 1 :
  $json.type === 'Issue' && $json.data.title.toLowerCase().includes('/unlock') ? 2 :
  $json.type === 'Issue' && $json.data.title.toLowerCase().includes('/scrape') ? 3 :
  $json.type === 'Issue' && $json.data.title.toLowerCase().includes('/crawl') ? 4 :
  -1
}

路由解释

• 输出0 (/search)：路由到Google搜索API以获取网络搜索结果
• 输出1 (/trends)：路由到Google趋势API以进行趋势分析
• 输出2 (/unlock)：路由到网页解锁器以获取受保护的内容访问
• 输出3 (/scrape)：路由到抓取器以进行单页内容提取
• 输出4 (/crawl)：路由到爬虫以进行多页网站爬取
• 输出-1：未检测到命令，流程自动结束

切换节点配置

• 模式：设置为“表达式”，用于动态路由
• 输出数量：5（每种命令类型一个）
• 表达式：JavaScript代码确定路由逻辑

第六步：标题清理代码节点

准备API处理命令

每条路由包含一个代码节点，在调用Scrapeless API之前，从问题标题中清理命令。

每个代码节点的功能：

// 从标题中清理命令以便进行API处理
const originalTitle = $json.data.title;
let cleanTitle = originalTitle;

// 根据检测到的命令移除命令前缀
if (originalTitle.toLowerCase().includes('/search')) {
  cleanTitle = originalTitle.replace(/\/search/gi, '').trim();
} else if (originalTitle.toLowerCase().includes('/trends')) {
  cleanTitle = originalTitle.replace(/\/trends/gi, '').trim();
} else if (originalTitle.toLowerCase().includes('/unlock')) {
  cleanTitle = originalTitle.replace(/\/unlock/gi, '').trim();
} else if (originalTitle.toLowerCase().includes('/scrape')) {
  cleanTitle = originalTitle.replace(/\/scrape/gi, '').trim();
} else if (originalTitle.toLowerCase().includes('/crawl')) {
  cleanTitle = originalTitle.replace(/\/crawl/gi, '').trim();
}

return {
  data: {
    ...($json.data),
    title: cleanTitle
  }
};

示例转换

• /search competitor analysis → competitor analysis
• /trends AI market growth → AI market growth
• /unlock https://example.com → https://example.com

为什么这个步骤重要

Scrapeless API需要干净的查询，没有命令前缀，以正常运行。

这确保发送到API的数据是精确且可解释的，提高了自动化的可靠性。

第7步：Scrapeless操作节点

本节将逐一讲解每个Scrapeless操作节点及其功能。

7.1 Google搜索节点（/search命令）

目的：
执行谷歌网页搜索并返回自然搜索结果。

配置：

• 操作：搜索Google（默认）
• 查询：{{ $json.data.title }}（之前步骤中的清理标题）
• 国家："US"（可以根据地区定制）
• 语言："en"（英语）

返回内容：

• 自然搜索结果：标题、URL和摘要
• “人们还问”的相关问题
• 元数据：估计的结果数量、搜索持续时间

使用案例：

• 研究竞争对手产品
  • /search competitor pricing strategy
• 查找行业报告
  • /search SaaS market report 2024
• 发现最佳实践
  • /search API security best practices

7.2 Google趋势节点（/trends命令）

目的：
分析特定关键词的搜索趋势数据和随时间的兴趣。

配置：

• 操作：Google趋势
• 查询：{{ $json.data.title }}（清理后的关键字或短语）
• 时间范围：选择从1个月、3个月、1年等选项
• 地域：设置为全球或指定地区

返回内容：

• 随时间变化的兴趣图表（0–100尺度）
• 相关查询和趋势话题
• 兴趣的地理分布
• 趋势背景的类别细分

使用案例：

• 市场验证
  /trends electric vehicle adoption
• 季节分析
  /trends holiday shopping trends
• 品牌监控
  /trends company-name mentions

7.3 网站解锁节点（/unlock命令）

目的：
访问受反机器人机制或支付墙保护的网站内容。

配置：

• 资源：通用刮取API
• URL：{{ $json.data.title }}（必须包含有效的URL）
• 无头：false（以更好地兼容反机器人机制）
• JavaScript渲染：启用（以完全加载动态内容）

返回内容：

• 页面完整的HTML内容
• JavaScript渲染的最终内容
• 绕过常见反机器人保护的能力

使用案例：

• 竞争对手定价分析
  /unlock https://competitor.com/pricing
• 获取受限研究
  /unlock https://research-site.com/report
• 刮取动态应用
  /unlock https://spa-application.com/data

7.4 刮取节点（/scrape命令）

目的：
使用选择器或默认解析从单个网页中提取结构化内容。

配置：

• 资源：爬虫（此处用于单页抓取）
• URL：{{ $json.data.title }}（目标网页）
• 格式：选择输出为HTML、文本或Markdown
• 选择器：可选的CSS选择器，用于针对特定内容

返回内容：

• 来自页面的结构化、干净的文本
• 页面元数据（标题、描述等）
• 默认排除导航/广告

用例：

• 新闻文章提取
  /scrape https://news-site.com/article
• API 文档解析
  /scrape https://api-docs.com/endpoint
• 产品信息捕获
  /scrape https://product-page.com/item

7.5 爬虫节点 (/crawl 命令)

目的：
系统性地抓取一个网站的多个页面以进行全面数据提取。

配置：

• 资源：爬虫
• 操作：抓取
• URL：{{ $json.data.title }}（起始点URL）
• 限制抓取页面：可选上限，例如5–10页以避免过载
• 包含/排除模式：正则表达式或字符串过滤器以精细化抓取范围

返回内容：

• 来自多个相关页面的内容
• 网站的导航结构
• 跨目标域/子部分的丰富数据集

用例：

• 竞争者研究
  /crawl https://competitor.com
  （例如定价、功能、关于页面）

• 文档映射
  /crawl https://docs.api.com
  （抓取整个API或开发者文档）

• 内容审计
  /crawl https://blog.company.com
  （映射文章、类别、标签以进行SEO审查）

第8步：数据汇聚和处理

将所有Scrapeless结果汇集在一起

在执行5个Scrapeless操作分支之一后，使用单个代码节点对响应进行标准化以便进行AI处理。

汇聚代码节点的目的：

• 汇总来自任何Scrapeless节点的输出
• 标准化所有命令的数据格式
• 准备Claude或其他AI模型输入的最终负载

代码配置：

// 将Scrapeless响应转换为AI可读格式
return {
  output: JSON.stringify($json, null, 2)
};

第9步：Claude AI分析引擎

智能数据分析与洞察生成

9.1 AI代理节点设置

⚠️ 别忘了设置您的Claude API密钥。

AI代理节点是魔法发生的地方——它接收标准化的Scrapeless输出并将其转化为清晰的、可操作的洞察，适合用于Linear评论或其他报告工具。

配置详情：

• 提示类型：定义
• 文本输入：{{ $json.output }}（来自汇聚节点的处理后JSON字符串）
• 系统消息：为Claude设置基调、角色和任务

AI分析系统提示：

你是数据分析师。简要总结搜索/抓取结果。要客观且简洁。格式化为Linear评论。

分析提供的数据，创建一个结构化的摘要，包括：
- 关键发现和洞察
- 数据来源和可靠性评估  
- 可操作的建议
- 相关的指标和趋势
- 进一步研究的下一步

使用清晰的标题和要点格式化你的回答，以便在Linear中轻松阅读。

为什么这个提示有效

• 具体性：准确告诉Claude要执行什么类型的分析
• 结构：请求组织良好的输出，各部分清晰
• 上下文：优化为Linear评论格式
• 可操作性：关注团队可以采取行动的洞察

9.2 Claude模型配置

Anthropic聊天模型节点将AI代理与Claude强大的语言处理能力连接起来。

模型选择和参数

• 模型：claude-3-7-sonnet-20250219（Claude Sonnet 3.7）
• 温度：0.3（在创造力和一致性之间取得平衡）
• 最大令牌数： 4000（足够用于全面响应）

为何选择这些设置

• Claude Sonnet 3.7：智能、性能和成本效率的良好平衡
• 低温度（0.3）：确保响应事实准确且可重复
• 4000 令牌：足够深入的见解生成，不会过度消耗成本

第 10 步：响应处理和清理

为线性评论准备 Claude 的输出

10.1 响应清理代码节点

代码节点在 Claude 清理 AI 响应后，用于在线性评论中进行适当的显示。

响应清理代码：

// 清理 Claude AI 响应以适用于线性评论
return {
  output: $json.output
    .replace(/\\n/g, '\n')
    .replace(/\\\"/g, '"')
    .replace(/\\\\/g, '\\')
    .trim()
};

清理的功效

• 移除转义字符：去除 JSON 转义字符，防止错误显示
• 修复换行符：将字面量 \n 字符串转换为实际换行
• 规范引号：确保引号在线性评论中正确呈现
• 修剪空格：去掉多余的前导和尾随空格

为何需要清理

• Claude 的输出以 JSON 形式交付，转义特殊字符
• Linear 的 markdown 渲染器需要格式正确的纯文本
• 如果没有这个清理步骤，响应将显示原始转义字符，影响可读性

10.2 线性评论发送

最终的 线性节点 将 AI 生成的分析作为评论返回到原始问题。

配置详细信息：

• 资源：设置为 “评论” 操作
• 问题 ID： {{ $('Linear Trigger').item.json.data.id }}
• 评论： {{ $json.output }}
• 附加字段：可选择性地包括元数据或格式选项

问题 ID 的工作原理

• 引用原始的 线性触发器 节点
• 使用从触发工作流的 webhook 中获得的确切问题 ID
• 确保 AI 响应显示在正确的线性问题上

完整循环

1. 用户创建一个带有 /search competitive analysis 的问题
2. 工作流处理该命令并收集数据
3. Claude 分析收集的结果
4. 分析作为评论返回到同一问题
5. 团队直接在上下文中查看研究见解

第 11 步：测试您的研究助手

验证完整工作流

现在所有节点都已配置，测试每种命令类型以确保正常功能。

11.1 测试每种命令类型

在 Linear 中创建带有以下特定标题的测试问题：

谷歌搜索测试：

`/search competitive analysis for SaaS platforms`  

预期结果： 返回关于 SaaS 竞争分析的谷歌搜索结果

谷歌趋势测试：

`/trends artificial intelligence adoption`  

预期结果： 返回显示随时间变化的 AI 采用兴趣的趋势数据

网页解锁测试：

`/unlock https://competitor.com/pricing`  

预期结果： 从受保护或 JavaScript 重度依赖的定价页面返回内容

抓取器测试：

`/scrape https://news.ycombinator.com`  

预期结果： 从 Hacker News 首页返回结构化内容

爬虫测试：

`/crawl https://docs.anthropic.com`  

预期结果： 从 Anthropic 文档的多个页面返回内容

故障排除指南

Linear Webhook 问题

• 问题： Webhook 未触发
• 解决方案： 验证 webhook URL 和 Linear 权限
• 检查： n8n webhook 端点状态

Scrapeless API 错误

• 问题： 认证失败
• 解决方案： 验证 API 密钥和帐户限制
• 检查： Scrapeless 仪表板的使用指标

Claude AI 响应问题

• 问题： 分析不佳或不完整
• 解决方案： 精炼系统提示和上下文
• 检查： 输入数据质量和格式

线性评论格式

• 问题： 破损的 markdown 或格式
• 解决方案： 更新响应清理代码
• 检查： 特殊字符处理

结论

Linear 的协作工作空间、Scrapeless 的可靠数据提取和Claude AI 的智能分析的结合，创造了一个强大的研究自动化系统，改变了团队收集和处理信息的方式。

这种集成消除了识别研究需求与获取可操作洞察之间的摩擦。只需在 Linear 问题中键入命令，您的团队就可以触发全面的数据收集和分析工作流程，这通常需要数小时的手动工作。

主要好处

• ⚡ 即时研究：从问题到洞察不到 60 秒
• 🎯 上下文保留：研究与项目讨论保持连接
• 🧠 AI 增强：原始数据自动转化为可操作情报
• 👥 团队效率：整个团队可访问的共享研究
• 📊 综合覆盖：多个数据来源在统一工作流中

将团队的研究能力从被动转变为主动。通过 Linear、Scrapeless 和 Claude 的共同合作，您不仅仅在收集数据——您正在打造一个可以与您的业务一起扩展的竞争情报优势。