前言
在 AI 浪潮席卷全球的今天，我们正站在一个新时代的门槛上——2025 年被广泛认为是 AIAgent 自动化元年。在这个时代，重复性的工作正在被自动化工具接管，而我们则可以将精力集中在更具创造性与决策性的任务上。
今天，我想分享一个简单却极具生产力的实践：使用 n8n 构建一个自动化的“科技新闻速览”工作流，每天清晨为你推送精选的 AI 与科技前沿资讯。整个过程无需手动刷新网站，无需筛选信息，一切由 AI 驱动的自动化工作流完成。
最近，OpenAI 推出了全新的 AI 浏览器 Atlas，这再次印证了一个趋势：
“在 AI 时代，我们可以用 AI 把以前的东西重新做一遍。”
从搜索引擎到浏览器，从内容创作到客户服务，AI 正在重构每一个数字产品的形态。而作为开发者或科技爱好者，保持对前沿动态的敏感至关重要。
但问题也随之而来：信息过载。每天有成千上万条科技新闻发布，如何高效获取有价值的内容？答案是：自动化 + AI 摘要。
为什么选择 n8n？
n8n（发音为 "nighty-n"）是一个开源的工作流自动化工具，它允许你通过可视化界面连接不同的服务和 API，构建复杂的自动化流程。
它的核心优势在于：
- 基于 Node.js 构建，轻量灵活
- 支持数百种应用集成（RSS、Slack、Email、OpenAI、Notion 等）
- 可本地运行，也可部署在服务器上
- 完美支持 JS 表达式，适合开发者深度定制
启动 n8n 非常简单：
npx n8n
注意：首次安装时包较大，可能需要耐心等待或配置镜像源。
一、“每日科技新闻速览”工作流设计
以下是在 n8n 中构建的工作流逻辑，目标是：每天早上 8 点自动抓取最新科技新闻，并生成一份简洁易读的摘要推送给我。
第一步：创建触发器
工作流的起点是一个触发器，我们可以选择On a schedule设置为每天 8:00 触发一次。
On a schedule 是 n8n 中最常用的**触发器节点（Trigger Node）**之一，它的作用是：
按照设定的时间计划，自动启动一次工作流运行。
可以把它理解为一个“智能闹钟”——它不处理数据，只负责在正确的时间“叫醒”整个自动化流程。
点击 "+" 号，选择On a schedule
在Schedule Trigger中设置为每天早上八点启动该工作流，点击Execute step
这意味着无论我在睡觉还是开会，系统都会准时开始工作。
第二步：连接数据源RSS 订阅（连线杂志等）
此处选择了高质量科技媒体的 RSS 源作为信息输入
RSS（简易信息聚合）是一种用于发布和订阅网站内容（如新闻、博客更新）的标准化XML格式，允许用户通过阅读器集中获取最新信息更新。
n8n 提供了内置的 RSS 节点，只需填入 RSS 地址即可获取最新的文章列表。
示例 RSS 源：
https://www.wired.com/feed/rss
RSS 本质上是一种标准化的 XML 格式，非常适合程序化抓取内容，避免了复杂的网页爬虫。
点击 "+" 号添加RSS Read
将示例 RSS 源输入URL文本框内，点击Execute step
可以看到OUTPIUT输出为
第三步：添加过滤器（Filter 节点），只保留“今天”的新闻
为了避免处理过多历史数据，在此处添加了一个 Filter 节点，仅保留“今天发布”的文章。
Filter 节点 的作用是：
根据设定条件，筛选出符合条件的数据项，过滤掉不需要的内容。
你可以把它理解为一个“数据筛子”——只让满足规则的数据通过，其余的被丢弃。
点击 "+" 号添加Filter
将pubDate拖至value1处，再选择is after，将
{{ new Date((new Date()).getTime() - 60 * 60 * 24 * 1000) }} 填入value2中，点击Execute step
此时OUTPUT结果已筛选出符合条件的新闻
关键点： {{ new Date((new Date()).getTime() - 60 * 60 * 24 * 1000) }} 是什么意思？
这里的关键是使用 JavaScript 的 Date 对象进行时间比对：
我们可以打开Google Chrome，在界面内鼠标右键点击 检查
此时进入如图页面选择Console 控制台，并在控制台内输入语句new Data() 可以得到当前时间
输入 (new Date()).getTime() - 60 * 60 * 24 可以获取昨天此时的时间戳1761147145423（单位为毫秒），
60 * 60 * 24 * 1000表示1000毫秒6060*24即一天24小时
new Date((new Date()).getTime() - 60 * 60 * 24 * 1000) 即现在这个时间减24小时，等价于昨天这个时候
在 n8n 的表达式中写作：
// {{ }} 两个花括号内部是js运行区域
{{ new Date((new Date()).getTime() - 60 * 60 * 24 * 1000) }}
这样就能过滤出过去 24 小时内发布的新闻，确保内容新鲜。
第四步：数据加工添加Edit Fields 节点，结构化内容
为了让后续的 AI 处理更高效，这里使用 Edit Fields 节点 将每条新闻的标题（title）和摘要（content）合并成一个清晰的字符串：
Edit Fields 节点 的作用是：
对数据中的字段进行增、删、改、合并等操作，重塑数据结构。
你可以把它理解为一个“数据整形师”——让原始数据变得更整洁、更适合后续处理（尤其是给 AI 看）。
添加Edit Fields 节点
将title，link，pubDate，content四个字段拖至Add Field中
再次点击 Add Field， 添加字段 content_block ， 将 title 和 content 两个字段合并
name： content_block
value： {{ 'Title:' + $json.title + '\n' + 'Content:' + $json.content }}
这种结构化的格式对大模型非常友好，能显著提升理解准确率。
点击Execute step后OUTPUT输出如图
第五步：聚合今日新闻（Aggregate 节点）
默认情况下，n8n 的工作流是“流式处理”的——前一个节点每产生一条数据（item），就会立即传递给下一个节点处理。
而 Aggregate 节点可以打破这种“逐条处理”模式，改为“批量处理”或“等待全部完成后再处理”。
例如我们从 RSS 节点获取了 10 条科技新闻，想用 AI 一次性对这 10 条新闻生成摘要（而不是逐条调用 AI）。
→ 使用 Wait for all items 模式，把 10 条新闻聚合成一个数组，再传给 OpenAI 节点
添加 Aggregate 节点
将 content_block 字段拖至 Filed Name 处
点击Execute step后OUTPUT输出如图
第六步：添加AI Agent智能摘要AIGC 内容生成
AIGC Generate Content 节点 是 n8n 中用于调用大语言模型（如 OpenAI、Google AI、Anthropic 等）生成文本的核心节点。它的作用是：
基于输入的提示词（Prompt），让AI自动创作内容，如摘要、翻译、改写、回答等。
你可以把它理解为工作流中的“智能大脑”——它不仅能处理信息，还能理解、推理并生成人类语言级别的内容。
添加AI Agent节点
在AI Agent下添加Chat Model， 选择 DeepSeek Chat Model
添加Chat Model获取API key
进入链接：platform.deepseek.com/usage（首次进入需要登录）
点击创建API key后输入API名称（可随意取），复制获得的API key
回到 n8n , 选择 Create new credential
输入刚刚复制的API key并点击 save 保存
点击Add Option,选择Sampling Temperature，并将 Sampling Temperature 值设为0.1
temperature 说明：
0：最确定，输出稳定1：最随机，富有创意但可能不准确
回到AI Agent
Source for Prompt (User Message) 处选择Define below
再将 content_block 拖至 Prompt 处
添加Option，选择System Message
在文本框内输入
You are a professional tech news editor.Based on users input, write the popular post - daily tech.
Write it in Markdown in chinese.
You response should just contain the Markdown content.
配置完成后，点击Execute step后OUTPUT输出如图
AI 会为每条新闻生成一段精炼的摘要
第七步：将摘要转换为文件（Convert to File节点）
Convert to File 节点 是一个用于将数据转换为文件格式（如 .txt、.json、.csv 等）的实用工具节点。它的核心作用是：
把工作流中处理后的数据（通常是 JSON 格式）打包成一个真正的文件，方便后续上传、下载或存储。
添加Convert to File 节点 ，选择Convert to text file
将output 拖至 Text input Filed
点击Execute step后OUTPUT输出如图
第八步：将新闻速览写入本地磁盘（Read/Write Files from Disk节点）
在 n8n 中，Read/Write Files from Disk 节点 是一个用于与本地文件系统交互的核心节点。它的主要作用是：
从计算机硬盘中读取文件，或将数据写入硬盘保存为文件。
添加 Read/Write Files from Disk 节点，选择 Write File to Disk
在File Path and Name 处填上要写入的文件地址及文件名，我在这里用的是 D:\tech.md
点击Execute step后OUTPUT输出如图
此时再打开我们的D盘，就会看到一个文件名为tech.md 的文件
打开文件可以看到
那么我们的“每日科技新闻速览”工作流设计就完成啦！
二、扩展：从自动化到 AI Agent
这个工作流本质上是一个 AI Agent 的雏形。
AI Agent 是指能够感知环境、自主决策、执行任务并持续学习的智能体。当前的 n8n + AI 组合已经具备了“感知”（RSS 输入）、“决策”（AI 摘要）、“行动”（推送通知）的能力。
未来，我们可以进一步升级：
- 添加“用户偏好学习”模块，自动过滤不感兴趣的领域
- 集成语音播报功能，早晨用语音播报新闻
- 根据新闻内容自动创建待办事项（如：“Atlas 发布 → 学习文档”）
三、总结：为每一天“充电”
在这个信息爆炸的时代，获取信息的速度不再重要，重要的是信息的“信噪比”和处理效率。
通过 n8n 这样的自动化工具，我们将重复的“浏览、筛选、阅读”工作交给机器，自己则专注于“思考、判断、决策”。
“把时间还给人，把任务交给 AI。”
这不仅是一次效率的提升，更是一种工作方式的进化。
附：技术栈小贴士
| 技术 | 说明 |
|---|---|
| Node.js | n8n 的运行环境，JavaScript 的服务端运行时 |
| npx | 直接运行 npm 包的命令行工具，无需全局安装 |
| JS Date | JavaScript 内置日期对象，用于时间计算 |
| RSS | 简易信息聚合，高效获取内容更新 |
| Prompt | 大模型的“指令”，决定输出质量 |
现在就动手吧！用 n8n 搭建属于你的“科技新闻速览”工作流，让 AI 成为你每天的“第一杯咖啡”。
☕ 早安，未来已来。
