使用n8n工作流自动化生成每日科技新闻速览：告别信息过载，拥抱智能阅读

在信息爆炸的时代，科技从业者面临着一个共同的挑战：如何高效获取有价值的行业资讯而不被海量信息淹没？如何高效获取并理解关键的科技动态？尤其是人工智能（AI）领域的前沿进展，已成为个人成长和职业发展的核心需求。手动浏览各大科技媒体、筛选有价值内容不仅耗时，而且容易遗漏重要信息。为此，我们可以借助 n8n 这一强大的开源自动化工具，构建一个智能化、自动化的"科技新闻速览"工作流，每天定时为你提炼最新、最重要的 AI 与科技资讯。

n8n：重复工作的终结者

n8n作为一款强大的工作流自动化工具，正成为现代科技工作者的秘密武器。通过构建智能工作流，我们可以将繁琐的信息收集和整理工作完全自动化。

构建每日科技新闻速览的核心架构

整体架构概览

整个工作流由以下节点构成：

该流程实现了从触发 → 获取 → 过滤 → 格式化 → 聚合 → 智能生成 → 输出的完整闭环，自动化程度高，适合长期运行。

工作流详解：每个节点的精妙设计

1.Schedule Trigger节点 ------定时触发器

作用：作为整个工作流的起点，设定每天固定时间自动启动流程。
配置示例：设置为每天早上 7:00 执行，确保用户能在上班前收到最新的科技简报。
意义：实现"无人值守"的自动化运行。可以扩展为多用户共享服务，比如团队内部知识同步、社群每日推送等

✅ 提示：可使用 cron 表达式如 0 7 * * * 表示每天早上 7 点执行。

2. WiredRSS（RSS 订阅源节点）------信息收集的基石

作用：连接到指定的 RSS XML 源，拉取最新的文章列表。
输入参数：
- URL：例如 https://www.wired.com/feed/rss 或其他科技类网站的 RSS 地址。
- 支持多个 RSS 源，可通过循环或合并节点整合不同来源。
功能特点：
- 直接解析 RSS XML 格式，提取标题、链接、发布日期、正文等内容。
- 类似于 HTTP 请求节点，但专为 RSS 设计，更稳定且易用。
实际应用：
- 推荐订阅源包括：
  - Wired
  - TechCrunch
  - The Verge
  - MIT Technology Review
  - 中文源：连线杂志、36氪、虎嗅网等（需提供合法 RSS 链接）

🔍 小贴士：确保 RSS 源是公开且稳定的，避免因服务器限制导致失败。

3. PubDateFilter（发布时间过滤器）

作用：仅保留今天发布的文章，避免重复处理旧内容。
逻辑判断：
- 对每条 RSS 条目中的 pubDate 字段进行时间比较。
- 只保留当天发布的新闻。
优势：
- 防止历史数据干扰，提升效率。
- 保证输出内容始终是"今日热点"，增强时效性。
适用场景：
- 日常日报型任务。
- 不希望看到昨天已读过的内容。

4. Edit Fields（字段编辑器）------关键配置详解

这是本次工作流中最关键的格式化步骤之一，其配置如下图所示：

核心功能：

将原始 RSS 数据中的 title、link、pubDate、content 等字段进行映射与重组。
新增一个自定义字段 content_block，用于生成结构化文本块，供后续 AI 处理。

具体配置项：

字段名	值（表达式）	说明
`title`	`{{ $json.title }}`	保留原始标题
`link`	`{{ $json.link }}`	保留原文链接
`pubDate`	`{{ $json.pubDate }}`	保留发布时间
`content`	`{{ $json.content }}`	保留正文内容
`content_block`	`{{ 'Title:' + $json.title + '\n' + 'Content:' + $json.content }}`	关键！将标题和内容合并成带前缀的字符串，用 `\n` 换行分隔

💡 为什么重要？

这种结构化的文本块（如 Title:xxx\nContent:yyy）极大提升了大模型的理解能力。

清晰的 prompt 结构有助于提升生成质量。

是实现"大模型友好输入"的关键一步。

5. ContentBlockAggregate（内容块聚合器）------ 批量合并新闻

作用：此节点的作用是将所有经过 Edit Fields 处理后的单条新闻 content_block 合并成一个数组，以便一次性传给 AI Agent。
行为方式：
- 把所有经过编辑后的新闻内容拼接在一起，形成一段长文本。
- 每条新闻之间用分隔符（如 --- 或 \n\n）区分。
目的：
- 一次性传递给 AI Agent，减少多次调用成本。
- 更符合大模型批量处理的特性。
注意事项：
- 注意总长度限制（通常不超过 8k tokens），防止截断。
- 若新闻过多，可考虑分批处理或摘要优先级排序。

6. AI Agent（AI 代理节点）------智能摘要生成的核心

这是整个工作流的"大脑"，负责调用大语言模型完成最终的摘要生成任务。它将所有经过格式化和聚合的新闻内容输入到 AI 模型中，通过精心设计的 prompt 和系统指令，生成结构清晰、语言流畅的中文科技简报。

配置详情：

System Message（系统提示）

css 复制代码

Text
编辑
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.

角色设定：明确 AI 的身份为"专业科技编辑"，增强其内容生成的专业性和逻辑性。
输出要求：
- 使用 Markdown 格式，便于后续展示或导入笔记系统。
- 输出语言为中文，满足本地化阅读需求。
- 响应仅包含纯 Markdown 内容，不附加任何解释或前缀，保证输出整洁。
效果：
- 自动生成标题、列表、加粗等格式，提升可读性。
- 输出内容可以直接复制粘贴至博客、公众号、Obsidian 或 Notion 中使用。

7. Prompt 设计（关键环节）

Prompt 设置（User Message）：

swift 复制代码

Javascript
编辑
{{ $json.content_block.join("\n\n") }}

将所有 content_block 数组元素用两个换行符 \n\n 拼接成一段连续文本，作为 AI 的输入。
作用：
- 确保多条新闻之间有明显的分隔，便于模型识别不同条目。
- 提升上下文可读性，避免信息混淆。

8. Convert to File & Read/Write Files from Disk

Convert to File ：将 AI Agent 输出的 Markdown 内容转换为 .md 文件。
Read/Write Files from Disk ：将文件写入本地路径，如 D:\workspace\lesson_zp\ai\n8n\tech\tech.md。
用途：
- 便于归档、查阅、分享。
- 可集成到 Obsidian、Notion、Typora 等笔记系统中

结语：拥抱智能工作新时代

通过n8n工作流，我们不仅自动化了信息收集的过程，更重要的是重新定义了知识工作的方式。科技新闻速览只是开始，这种自动化思维可以应用到工作的方方面面。

在AI时代，真正的竞争优势不在于知道多少，而在于如何高效地知道该知道什么。让n8n工作流成为你的智能信息过滤器，把宝贵的时间和精力投入到真正的创新和决策中。

今日的自动化，明日的竞争力。 开始构建你的科技新闻速览工作流，为每一个工作日充满电！

使用n8n工作流自动化生成每日科技新闻速览：告别信息过载，拥抱智能阅读