AIGC

SerpApi 是一站式搜索引擎数据抓取 API 服务，帮你轻松获取 Google、Bing、百度等主流搜索引擎的结构化结果（JSON 格式），无需自己处理反爬、

在日常办公中，重复发送通知邮件、定时推送报表、表单提交后自动回复等场景十分常见，手动操作不仅耗时，还容易出现遗漏或错误。n8n作为一款开源的可视化工作流自动化工具

可视化拖拽是 n8n 的优势，但也有明显的局限性。但实际使用中，你大概率会遇到 “现成节点不够用” 的情况，这时候「代码节点」就成了你的 “万能补位工具”。 「代

隔三差五就会有一款AI应用跳出来改变世界，比如前两天蹦出来的 Clawdbot，真要它帮你干活你得把内裤交给它保管，你敢吗？ 但不试过怎么知道不适合自己呢？ 试试就试试

在使用 n8n 搭建自动化工作流时，读写本地文件是最基础也最常用的操作。 比如在互联网上拉了一些数据回来需要保存到本地。 比如上游同事把文件发你，你要将其加载到

在 n8n 中 AI Agent 默认只停留在“一次性交互”的层面。你问它一个问题，它精准回应，可当你接着上一个话题追问，或是隔一段时间再提起之前聊过的细节，它却

用 n8n 做自动化工作流时，可能会遇到一个头疼的问题：想调用豆包、千问、文心一言、Kimi 这些常用国产大模型，却发现 n8n 默认节点里根本找不到它们。 别方

在 n8n 的自动化工作流中，数据处理是核心环节之一。 — 无论是 API 返回的冗余数据、格式不统一的原始数据，还是需要跨数据集关联的业务数据，都需要通过精准的

不管是在电脑还是 NAS 通过 Docker 部署 n8n，环境变量没配置好的话，使用 Read/Write Files from Disk 节点「读取本地本地」

在《『n8n』接入本地部署的 DeepSeek》聊多了，把 DeepSeek 官方提供的线上服务也申请了。 在专栏的另一篇《『n8n』第一个工作流》粗略聊到 n8

在 AI 自动化场景中，n8n 搭配本地 DeepSeek 大模型，既能保障数据隐私，又能实现灵活的自动化交互。跟着本文步骤走，半小时就能搞定 DeepSeek

上一篇文章初步了解了一个工作流是怎样搭建的。在 n8n 中，节点（Node）就是一切的核心。每一个节点，代表一次触发、一次数据处理，或一次与外部系统的交互。这篇文

想靠 “存照片、存电影、听歌” 的理由，说服老婆批经费买 NAS？败家玩意！ 得学 iPad 那套“生产力”才能把经费搞到手

在了解了 n8n 操作界面后，动手做一个小小的工作流练练手。 本文演示一个非常简单的例子，发起一个网络请求，获取互联网上的数据，然后重组数据格式（进阶一点的话可以

在《『NAS』不止娱乐，NAS也有生产力，在绿联部署AI工作流工具-n8n》里讲解了如何在绿联NAS里部署 n8n，但如果没有 AI 能力加入，n8n 就只是一个

n8n 的功能实在太多了，如果一个一个功能、节点、设置去学，那每个一年半载都学不完。 我的学习经验是直接上手，从最简单的工作流开始做起。但这样也会走一些弯路

n8n 是一款开源、可自托管的自动化工作流工具，支持1000+应用集成，能轻松实现邮件自动化、社媒运营、数据同步等场景。相比于商业化工具，自建n8n零成本、无执行次数限制，且数据完全自控。

在过去几年里，AI在多模态方向一次又一次进化。但过去的“多模态”或多或少都有些“拼接”的妥协。昨天看到2025百度世界大会发布了文心5.0，一个总参数规模超过2.4万亿的模型，以及一个试图“重新定义”

等了那么多年，终于有一款通用的、在国内能用的AI绘画模型出现了。前两年比较流行的是Midjourney（简称MJ）和Stable Diffusion（简称SD），MJ不太容易访问，SD又有点用不起（毕

刚开源10款大模型没多久（2025年6月30日开源了10款），百度的大模型又升级了？ 今天打开文心一言官网一看，多了一个更聪明的「文心 X1.1」。 「文心 4.5」和「文心X1」已经挺聪明的了，我挺