用 n8n 自动化生成每日 AI 科技新闻速览:迎接 AIAgent 自动化元年
2025 年,被广泛视为 AIAgent(AI 智能体)自动化元年。
在这个由大模型驱动的新时代,我们不再满足于被动接收信息,而是通过工具链主动构建“信息智能体”——让机器替我们筛选、总结、生成有价值的内容。而 n8n,正是实现这一愿景的关键引擎。
一、为什么需要自动化科技新闻速览?
每天,全球有成千上万条关于人工智能、大模型、芯片、机器人等领域的新闻涌现。从 OpenAI 推出全新 AI 浏览器 Atlas,到 Anthropic 发布更安全的推理模型,再到国产大模型突破多模态瓶颈——信息爆炸的同时,也带来了严重的认知过载。
人工阅读、筛选、摘要不仅耗时,还容易遗漏关键进展。而借助 n8n + 大模型 的组合,我们可以构建一个 7×24 小时运行的 AI 新闻助手,每天清晨自动推送一份精炼、结构化的“科技新闻速览”,为开发者、产品经理、投资人高效充电。
更重要的是,正如 OpenAI 所示范的:“在 AI 时代,你可以用 AI 把以前的东西重新做一遍。” RSS、邮件、日报——这些传统媒介,正被 AI 重新定义。
二、n8n:低代码自动化工作流的利器
n8n 是一个开源、可扩展、基于 Node.js 的工作流自动化工具。它支持超过 300 个集成节点(包括 HTTP、RSS、Google Sheets、Slack、OpenAI 等),并通过可视化拖拽界面降低开发门槛。
但 n8n 的真正威力,在于其 命令行能力:
npx n8n
这条命令可以在任何安装了 Node.js 的环境中运行:
- 前端浏览器(通过 Web Worker)
- 后端服务器(Linux/Windows/macOS)
- Docker 容器
- 甚至未来可能运行在边缘设备或单片机上
npx 是 Node.js 自带的包执行工具,首次运行 npx n8n 会自动下载并启动 n8n 服务(首次安装较大,约 200MB+,网络不佳时可能失败,建议使用国内镜像或提前缓存)。
这意味着,你不需要部署复杂系统,只需一行命令,就能启动一个强大的自动化引擎。
三、构建“AI 科技新闻速览”工作流(完整流程及其代码)
总WorkSpace 概览
下面我们拆解一个典型的工作流设计,展示如何用 n8n 实现全自动新闻聚合与摘要。
1. 触发器(Trigger):每日定时启动
使用 Schedule Trigger 节点 设置每天早上 7:00 自动触发:
支持单用户使用,也可扩展为多租户服务,为大量用户提供个性化简报。
2. 信息源:RSS 订阅聚合
科技新闻的核心来源之一是 RSS(Really Simple Syndication)。这是一种基于 XML 的内容分发协议,允许网站以标准化格式推送更新。
n8n 内置 RSS Read 节点,可直接订阅多个高质量科技媒体源,例如:
- The Verge - AI
- MIT Technology Review
- 连线杂志(Wired)
- 机器之心
- 这里使用的是:www.wired.com/feed/rss
- 每个 RSS 源返回包含
title、content、pubDate等字段的条目列表。 效果如下:
3. 过滤器(Filter):只保留今日新闻
由于 RSS 可能包含过去几天的内容,我们需要用 Filter 节点 筛选出 今天发布 的新闻。
这里就用到了 JavaScript 的 Date 对象:
{{new Date((new Date()).getTime()-60*60*24*1000)}}
关键知识点:
new Date()创建当前时间对象getTime()返回自 1970 年以来的毫秒数- 一天 =
24 * 60 * 60 * 1000 = 86400000毫秒 - 通过重置时分秒,实现“日期相等”判断
- 效果如下:
- 筛选出最新的新闻 如下图
4. 聚合需要的数据
- 把筛选后的数据中,title、link、pubdata、content 数据聚合提炼出来 如下图
创建新的摘要列为提炼news做准备
- 设置如下图:
数据转换:构造大模型友好的输入
大模型(如 GPT-4、Claude)对输入格式敏感。为了提升摘要质量,我们使用 Edit Fields 节点,将每条新闻的 title 和 content 合并为结构化文本:
{{'Title: ' + ($json.title || '无标题') + '\n' + 'Content: ' + ($json.content || '无内容')}}
这样,每条新闻变成:
Title: OpenAI 推出 AI 浏览器 Atlas
Content: Atlas 能自主浏览网页、填写表单、完成购物流程……
这种 明确前缀 + 换行分隔 的格式,极大提升了模型理解准确性。
5. AI Agent 节点:调用大模型生成摘要
接下来,将所有今日新闻拼接成一个长字符串,传入 AI Agent 节点(通常通过 OpenAI API 实现)。
-
第一步 新增一个AI agent 节点 、
-
第二步 注册一个deepseek账号创建接受API(其他的模型也可以) 参照网址:DeepSeek 开放平台
-
第三步 创建新的credential
-
第四步设置temperature (通过调整
temperature参数(如设为 0.3),可在 确定性 与 创造性 之间取得平衡——新闻摘要需要高确定性,因此不宜过高。) -
第五步 设置AIagent 如下图所示
其中 prompt设置
把一个数组 content_block 用两个换行符 \n\n 连接成一段文本 目的是使得AI可以便捷的理解
{{ $json.content_block.join("\n\n") }}
Prompt 设计示例:
你是一位资深科技编辑,请基于以下今日 AI 新闻,生成一份简洁、专业的“科技新闻速览”。要求:
- 总字数控制在 300 字以内
- 按重要性排序
- 使用中文,语气客观
- 突出技术亮点与行业影响
-
设置如图:
-
第六步 将得到的markdown内容转为文件模式并且存图硬盘固定位置
6. 输出与分发
最终生成的摘要可通过多种方式分发:
- 发送至 Slack / 钉钉 / 企业微信
- 写入 Notion 数据库
- 生成 Markdown 文件存档
- 通过邮件推送给订阅用户
整个流程无需人工干预,真正实现“设置一次,终身受益”。
四、未来展望:AIAgent 自动化生态
这个工作流只是冰山一角。随着 AI Agent 能力的增强,未来的 n8n 工作流将具备:
- 自主决策:根据新闻热度决定是否加急推送
- 多模态处理:自动提取新闻中的图片生成图文简报
- 跨平台联动:发现招聘新闻后,自动投递简历
- 个性化学习:根据用户反馈优化摘要风格
而这一切,都建立在 JS/Python 作为 AI 时代主流开发语言 的基础上。Node.js 不仅是 Web 后端主力,更是连接 AI SDK、自动化工具、边缘计算的通用胶水。
结语
在 AI 重塑一切的时代,效率不再是“做得更快”,而是“让 AI 替你做”。
通过 n8n 构建自动化工作流,我们不仅节省了时间,更培养了一种“系统化思考”的能力——将重复劳动抽象为可复用的智能流程。
现在,打开终端,输入:
npx n8n
你的第一个 AI 新闻助手,即将诞生。
作者注:本文工作流已在本地 n8n 实例验证,完整 JSON 可导出分享。欢迎交流你的自动化创意!