智能捕手：使用 n8n + AI 打造科技新闻速览工作流，每天自动获取最新资讯

南山安
109 阅读6分钟

前言

最近 OpenAI 推出了 AI 浏览器 Atlas，这让我深刻意识到：在 AI 时代，我们可以用 AI 把以前的所有东西重新做一遍。作为科技爱好者，我每天都需要：

  • 追踪重要的科技新闻和动态
  • 快速理解核心内容，节省阅读时间
  • 避免信息过载，只关注真正重要的内容

于是，我决定用 n8n 打造一个智能工作流，自动完成这些重复性任务。

打造智能科技新闻工作流

下面是我设计的完整工作流架构：

1. 🕐 定时触发器-Schedule Trigger节点

工作流需要有个开始的地方，我设置了每天定时触发：

  • 每天早上 8 点自动运行
  • 也可以手动触发进行测试
  • 支持大量用户同时使用

image.png

2. 📰 RSS 订阅源读取-RSS Read节点

设置了触发节点后, 我们便要获取我们需要订阅的科技新闻

科技新闻从哪里来？我选择了 RSS 订阅方式

RSS（简易信息聚合）是一种用于发布和订阅网站内容的标准化 XML 格式。它让用户可以通过阅读器集中获取最新信息更新，是自动化信息收集的理想来源。

rss.feedspot.com/technology_…这是一个100大技术RSS摘要的网站，可以各取所需，拿到各个杂志、网站对应的RSS地址

n8n 直接提供了 RSS 节点，这比普通的 HTTP 请求节点更方便，因为它是专门为处理 RSS 格式优化的。

将RSS内容的网站url复制进节点URL中，即可获取到XML格式的讯息 image.png

3. 🔍 智能过滤系统-Filter节点

不是所有新闻都值得关注，使用 Filter 节点对获取到的讯息进行过滤：只关注最新的科技讯息

将左侧的处理得到的信息中的pubDate拖入右边指定框中，Date & Time中的is after，获取在指定时间之后的讯息。 image.png 但当前时间并不符合我们所需预期，我们想的是获得一天的最新讯息，对此，我们可以通过 JS 编写表达式，获取我们所想要的时间节点

将图片所示改为Expression（表达式），通过 JS 代码获取所需时间节点

{{ new Date((new Date()).getTime()-60*60*24*1000) }}

//`new Date()`：获取当前日期和时间
//`.getTime()`：将当前时间转换为自1970年1月1日以来的毫秒数
//`60 * 60 * 24 * 1000`为一天24小时的毫秒数
//最外层的 `new Date(...)` 把这个时间戳再转换回一个日期对象

这样我们就得到了一天前的日期时间

image.png

4. 🛠️ 数据清理-Edit Fields节点

对于得到的数据，我们重新处理一下，通过Edit Fileds节点，得到我们需要的数据

创建一个名为content_block的数据，通过 JS 代码进行字符串拼接，只输出我们需要的数据。

{{ 'Title:'+ $json.title + '\nContent:' + $json.content}}
// \n 为换行符

image.png

5. 🛠️ 数据聚合-Aggregate节点

Aggregate节点可以将多个项目的字段合并到单个项目中的一个列表中，将左侧content_block拖拽到指定区域，运行节点便可以得到一个含有20条数据的列表，列表中每一个对象包含我们上一个节点处理得到的title和content

image.png

6. 🤖 AI 智能摘要-AI Agent节点

这里是工作流的智能核心——AI Agent 节点： 配置要点：

  • 使用 DeepSeek API（你的 API 密钥）
  • 选择 AIGC Generate Content 模式
  • temperature 参数设置为 0.1（平衡创造性和准确性）

配置DeeppSeek API

image.png

去DeepSeek官网获取一个属于自己的API Keys，创建一个新的credential

image.png 点击下方的Add Option，选择Sampling Temperature，将其设置为0.1

这里讲解一下Sampling Temperature

Sampling Temperature（采样温度）是控制大语言模型（LLM）生成文本时随机性与创造性的核心参数。它直接影响 AI 输出的风格：是严谨准确，还是天马行空。其值越接近0，结果越准确严谨，当其值大于1时，输出结果往往天马行空，富有创造

此处我们用于文本处理，所以并不需要其创造力，故将其值设为0.1

接再来我们再配置一下AI Agent，将框选区域设置为Define below，以便我们可以自定义我们的输入文本

image.png

将下方的Prompt 通过 JS 代码编写

{{ $json.content_block.join('\n\n') }}
//join.('')可以将字符串以制定内容拼接为一个新的字符串

再点击下方的Add Option,选择System Message，设置AI Agent的系统回答方式

image.png

这一设置明确了AI Agent的身份，职责、输出语言、输出格式

6.📁文件输出-Convert to File节点

将左侧的output拖拽到指定区域，我们便可通过右上角的EXecute step运行节点，将我们经由AI整理的MarkDown格式的文件下载查看

image.png

7.📁文件写入-Read/Write Files from Disk节点

我们可以通过Read/Write Files from Disk 节点，将整理好的文件写入我们的本地文件，只需要预先创建好一个markdown文件（.md），我们便可将文件路径交给节点，将我们处理好的数据自动写入本地文件

image.png

工作流效果展示

运行这个工作流后，我每天都能收到：

✅ 精准筛选 - 只看到当天的重要科技新闻
✅ 智能摘要 - AI 提取核心要点，阅读效率提升 70%
✅ 时间节省 - 从原来的 30 分钟手动浏览变成 5 分钟速览
✅ 永不遗漏 - 自动化运行，出差休假也不错过重要资讯

image.png

扩展可能性

这个工作流还可以进一步扩展：

  • 多平台推送: 将摘要发送到 Telegram、钉钉、企业微信
  • 个性化过滤: 基于历史阅读偏好智能推荐
  • 趋势分析: 统计高频关键词，发现技术趋势
  • 多语言支持: 生成英文、日文等不同语言版本

总结

通过这个 n8n 工作流，我真正体验到了 AI 自动化的威力。它不仅节省了我的时间，更让我能够更高效地获取和理解信息。在 AI 时代，学会使用这些自动化工具，就像工业时代学会使用机器一样重要。

关键收获：

  • n8n 让复杂的工作流变得可视化且易于管理
  • AI 不是要取代人类，而是帮助我们更专注于创造性的工作
  • 自动化是一个渐进过程，从小的需求开始，逐步完善

如果你也对科技资讯感兴趣，或者有任何重复性的信息处理需求，强烈推荐尝试 n8n + AI 的组合。相信你会像我一样，爱上这种「让机器干活，让自己思考」的工作方式！

欢迎在评论区分享你的自动化工作流创意，让我们一起探索更多 AI 自动化的可能性！

avatar
文章
阅读
粉丝