n8n工作流实现新闻聚合至飞书工作流配置手册！！！！n8n工作流的核心功能是每日定时从4个AI相关RSS源抓取新闻，筛

保姆级操作指南在第四点

一、工作流整体概览

该工作流（该工作流源自博主：‘秋芝2046’）的核心功能是每日定时从4个AI相关RSS源抓取新闻，筛选当日内容后通过LLM整理格式，最终统一存入飞书多维表格，实现ai新闻信息的自动化聚合与归档。

关键 节点类型：定时触发、RSS读取、数据限制、字段编辑、条件筛选、LLM处理、飞书集成
触发频率：每日2次（7:00和21:00）
数据来源：4个AI/科技类RSS源
最终输出：飞书多维表格（含标题、日期、内容、链接、媒体来源字段）

二、核心模块与节点配置详解

按“触发→抓取→处理→筛选→AI整理→存储”的流程，分模块拆解各节点配置。

1. 定时触发模块（2个节点）

负责设定工作流的启动时间，两个触发器分别控制早、晚两次执行。

节点名称	类型	核心配置参数	功能说明
Schedule Trigger	定时触发器	触发规则：每日7:00（`triggerAtHour: 7`）	控制每日早间新闻抓取
Schedule Trigger1	定时触发器	触发规则：每日21:00（`triggerAtHour: 21`）	控制每日晚间新闻抓取

配置注意：无需额外修改时间 zone，默认与n8n服务器时区一致（建议确认服务器时区为“Asia/Shanghai”）。

2. RSS抓取模块（4个节点）

从4个指定RSS源读取新闻数据，是工作流的数据源入口。

节点名称	类型	核心配置参数	对应RSS源
xinzhiyuan	RSS Feed Read	URL：`https://plink.anyfeeder.com/weixin/AI_era`；忽略SSL：关闭	新智元（AI时代）
aibase	RSS Feed Read	URL：`https://rsshub.app/aibase/news`；忽略SSL：关闭	AI Base
tengxunkeji	RSS Feed Read	URL：`https://plink.anyfeeder.com/weixin/qqtech`；忽略SSL：关闭	腾讯科技
liangziwei	RSS Feed Read	URL：`https://www.qbitai.com/feed`；忽略SSL：关闭	量子位

配置注意：若RSS源链接失效，需替换为对应平台最新的RSS地址；“忽略SSL”仅在链接SSL证书异常时开启。

3. 数据限制与字段编辑模块（7个节点）

对RSS抓取的原始数据进行“数量限制”和“字段映射”，统一数据格式（如提取标题、日期、内容等关键字段）。

3.1 数据限制节点（2个）

控制单RSS源的最大抓取数量，避免数据过量。

Limit：对应“aibase”节点，限制最大条目数为6条（maxItems: 6）
Limit1：对应“liangziwei”节点，限制最大条目数为6条（maxItems: 6）

3.2 字段编辑节点（5个）

通过“Set”节点提取原始JSON中的字段，并添加“媒体来源”标识，统一输出字段为“标题、日期、内容、链接、媒体”。

节点名称	关联RSS源	核心字段映射（仅列关键配置）
Edit Fields1	xinzhiyuan	标题：`{{ $json.title }}`；内容：`{{ $json['content:encodedSnippet'] }}`；媒体：“国内媒体新”
Edit Fields	aibase	标题：`{{ $json.title }}`；内容：`{{ $json.content }}`；媒体：“聚合网站”
Edit Fields2	tengxunkeji	标题：`{{ $json.title }}`；内容：`{{ $json['content:encodedSnippet'] }}`；媒体：“腾讯科技”
Edit Fields3	liangziwei	标题：`{{ $json.title }}`；内容：`{{ $json.content }}`；媒体：“国内媒体量”
Edit Fields4	LLM输出	标题：空（需后续确认逻辑）；内容：`{{ $json.output['内容'] }}`；链接：`{{ $json.output['链接'] }}`

4. 条件筛选模块（1个节点）

筛选出“当日发布”的新闻，避免历史数据重复存储。

节点名称：filter_today
核心筛选条件：通过日期对比实现，仅保留“新闻日期 = 当天日期”的数据
- 左值（新闻日期）：{{ new Date($json["日期"]).toISOString().slice(0,10) }}（提取新闻日期的“年-月-日”）
- 右值（当天日期）：{{ new Date().toISOString().slice(0,10) }}（提取当前系统日期的“年-月-日”）
- 运算符：等于（equals）

5. LLM处理模块（3个节点）

通过大模型对筛选后的新闻进行“格式整理+内容摘要”，输出结构化数据。

节点名称	类型	核心配置参数	功能说明
Ollama Chat Model	大模型节点	模型：`qwen3:32b`	提供LLM计算能力，为后续Chain提供模型支持
Structured Output Parser	输出解析器	JSON Schema示例：含“标题、日期、内容、媒体、链接”字段	强制LLM输出符合Schema的结构化JSON，避免格式混乱
Basic LLM Chain	链节点	提示词：`把你收到的新闻信息都整理成干净的格式，内容需要总结为摘要，以下是新闻：标题：{{ $json['标题'] }} 内容：{{ $json['内容'] }} 日期：{{ $json['日期'] }} 链接：{{ $json['链接'] }} 媒体：{{ $json['媒体'] }}`	串联“模型+解析器”，实现“输入新闻→LLM整理→结构化输出”

配置注意：需确保n8n已安装@n8n/n8n-nodes-langchain节点包；Ollama模型需提前在服务器部署，或替换为OpenAI等云模型。

6. 飞书写入模块（1个节点）

将LLM处理后的结构化新闻数据写入飞书多维表格。

节点名称：Feishu Node
核心配置：
- 资源：bitable（飞书多维表格）
- 操作：bitable:table:record:add（添加表格记录）
- 请求体（关键字段映射）：
  1. 标题：{{ $json['标题'] }}
  2. 日期：{{ new Date($json['日期']).toLocaleString('zh-CN', { timeZone: 'Asia/Shanghai', hour12: false }).replace(/\//g, '-').replace(',', '') }}（转换为“2024-10-22 14:30:00”格式）
  3. 内容：{{$json['内容'].replace(/<[^>]+>/g, '').replace(/[^\p{L}\p{N}\s]/gu, '').replace(/[\r\n\t]/g, ' ')}}（去除HTML标签、特殊字符和换行）
  4. 链接：文本“AI新闻原文”，链接地址{{ $json["链接"].replace(/\n/g, "") }}
  5. 媒体：{{ $json['媒体'] }}

配置注意：需提前在飞书开放平台创建应用，获取“App ID”和“App Secret”并配置到n8n的飞书凭证中；确保应用有“多维表格写入权限”，且表格字段（标题、日期等）与请求体字段匹配。

三、节点连接与执行逻辑

1. 连接关系（核心流向）

graph TD
    A[Schedule Trigger（7:00）] --> B[RSS节点（4个）]
    C[Schedule Trigger1（21:00）] --> B
    B --> D[Limit/Edit Fields（数据处理）]
    D --> E[filter_today（筛选当日）]
    E --> F[Basic LLM Chain（LLM整理）]
    G[Ollama模型] --> F
    H[Structured Output Parser] --> F
    F --> I[Edit Fields4（字段映射）]
    I --> J[Feishu Node（写入飞书）]

2. 执行顺序

定时触发器（7:00/21:00）启动，同时触发4个RSS节点抓取数据；
抓取的数据经“Limit”限制数量后，通过“Edit Fields”统一字段格式；
统一格式后的数据进入“filter_today”，仅保留当日新闻；
当日新闻传入“Basic LLM Chain”，由Ollama模型整理格式并生成摘要，经解析器输出结构化数据；
结构化数据经“Edit Fields4”二次映射后，由“Feishu Node”写入飞书多维表格。

四、操作指南

1. 工作流导入

在n8n中进入“Credentials”→“Add Credential”，→搜索选择“Feishu”；

随后打开n8n控制台，点击左侧“Workflows”→“Import”；

粘贴提供的JSON配置，点击“Import”完成导入；（工作流源自博主：“秋芝2046”）

暂时无法在飞书文档外展示此内容

2. 关键凭证配置（飞书）

进入飞书开放平台（open.feishu.cn），点击右上角开发者后台，创建“企业自建应用”；
随后进入左侧开发配置，权限管理，搜索“多维表格”，勾选全选，开通

左侧应用发布，应用管理与发布中，发布应用

在“应用凭证”中获取“App ID”和“App Secret”；

随后创建多维表格，表格地址中（第一个是表格token，第二个是表格id）此时看到的url中应该包含“base字段”，如下图所示：务必确保url开头包含base。如果你的不是base，而是 wiki ，说明创建的是知识库表格

如果你是 飞书 企业用户，必须在多维表格中点击分享，然后将权限设置为可编辑

随后配置表格字段，如下图：链接的类型为超链接

随后在右上角三个点处点击更多，找到添加文档应用，搜索自己刚刚配置的应用名，添加上去

随后打开n8n，找到飞书节点，填写飞书配置“App ID”和“App Secret”，

随后按如下方法填写表格ai与key（多维表格id和key位置在上面介绍了第13点）

随后下方填入json请求体，保存后关联“Feishu Node”节点。飞书文档配置到此结束

{

"fields": {

"标题": "{{$json['标题']}}", "日期": "{{new Date($json['日期']).toLocaleString('zh-CN',{timeZone:'Asia/Shanghai',hour12:false}).replace(/\\//g,'-').replace(',','')}}",

"内容": "{{$json['内容']}}", "链接": { "text": "AI新闻原文", "link": "{{$json['链接'].replace(/\\n/g,'')}}"

},

"媒体": "{{$json['媒体']}}"

}

}

随后配置LLM,本人选用的是deepseek，方便好用便宜，想用其他模型的请自行摸索

打开deepseek官网，找到api平台，选择充钱，然后创建api keys,将获取到的key填入模型配置

好啦，现在我们的工作流就配置好啦，大家快试试吧！

3. 测试与调试

选中任意定时触发器节点，点击右上角“Execute Node”手动触发一次执行；
查看每个节点的“Execution History”，若节点报错，根据“Error Message”调整配置（如RSS链接、LLM模型、飞书权限）；
首次测试建议关闭“Limit”节点的数量限制，确保数据流转正常后再开启。

五、注意事项

RSS源维护：若某RSS源长期无数据，需检查链接有效性，替换为对应平台的最新RSS地址；
日期格式：飞书表格的“日期”字段需设置为“日期时间”类型，避免数据写入后格式异常；
执行日志：定期查看n8n的“Execution Logs”，若出现失败执行，及时排查（如网络波动、飞书接口限流）。

​n8n工作流实现新闻聚合至飞书工作流配置手册！！！！