異常偵測中位數計算（農作物數據集）
高品質、即插即用的 n8n 自動化流程，快速提升工作效率。
核心解決方案
- 省下大量手動作業時間
自動化日常繁瑣工作，將心力專注於更高價值的任務。
- 降低人為錯誤率
工作流程標準化，確保資料準確無誤地在不同平台間同步。
- 24/7 全天候運作
即使在休息時間，自動化流程也會持續為你提供服務。
- 極速部署與整合
無需自行開發，匯入 JSON 檔案並填寫 API Key 即可完成設定。
設定教學
你需要準備
在流程起始的 Set 節點中輸入 Qdrant 的 Cloud URL 和 Collection Name。
在 `Embed text` 節點中使用 `httpHeaderAuth`，加入 `Authorization: Bearer [YOUR_API_KEY]`。
執行 `Cluster Distance Matrix` 節點，這會調用 Qdrant API 找出每個類別（農作物）的代表性中心點（Medoid）。
購買後解鎖完整設定教學
包含 4 個設定步驟 + 常見問題排除
在流程起始的 Set 節點中輸入 Qdrant 的 Cloud URL 和 Collection Name。
在 `Embed text` 節點中使用 `httpHeaderAuth`，加入 `Authorization: Bearer [YOUR_API_KEY]`。
執行 `Cluster Distance Matrix` 節點，這會調用 Qdrant API 找出每個類別（農作物）的代表性中心點（Medoid）。
流程會自動計算最遠點的相似度分數，並將其寫回 Qdrant 作為該類別的異常偵測閾值（Threshold Score）。
測試方法
點擊「Test workflow」手動執行。觀察 Qdrant 中的點位是否已被標記 `is_medoid: true`，並檢查是否有寫入閾值分數。
啟用自動化
此流程屬於預處理（Preparation），通常在資料更新後手動執行一次，或設定為週期的 Schedule Trigger 以更新模型中心點。
常見問題排除
Qdrant 找不到 Collection
Scipy 代碼執行失敗
安全付款 · PAYUNi 金流