用 n8n 打造科技新闻速览工作流：从搭建到落地的完整指南

用 n8n 打造科技新闻速览工作流：从搭建到落地的完整指南

**

在 AI 技术飞速迭代的 2025 年，"AIAgent 自动化" 已成为行业热词。当 OpenAI 推出 AI 浏览器 Atlas 时，我们清晰地看到：AI 时代的核心逻辑之一，是用智能工具重构传统工作流程。对于科技从业者而言，每天筛选、整理、总结海量 AI 资讯成为刚需，而手动操作不仅耗时，还容易遗漏关键信息。

n8n 作为一款基于 Node.js 的开源自动化工具，恰好能解决这一痛点。它通过可视化节点串联工作流，无需复杂编码就能实现 "信息获取 - 过滤 - 处理 - AI 生成" 的全流程自动化。本文将基于我的 n8n 实践笔记，详细拆解如何搭建一套属于自己的科技新闻速览工作流，让你每天花 5 分钟就能掌握行业核心动态。

一、工具背景：为什么选择 n8n 构建自动化工作流？

在开始搭建前，我们需要先明确 n8n 的核心优势，以及它为何能成为 AI 时代自动化工具的首选。

1.1 n8n 的技术特性与定位

n8n 本质是一个 "可视化工作流引擎"，基于 Node.js 开发，支持通过命令行（npx n8n）快速启动。它的核心特点的在于：

• 跨环境运行：既可以在前端浏览器中通过可视化界面配置，也能在后端通过 Node 命令行执行，甚至支持与 Python 等 AI SDK 主流开发语言联动，部分场景下还能部署到单片机等边缘设备。

• 节点化设计：内置 2000 + 官方节点，涵盖 API 调用、数据处理、AI 集成等场景，尤其是针对 RSS 订阅、数据过滤、AI 生成等需求，提供了 "开箱即用" 的节点支持。

• 低代码门槛：无需掌握复杂的编程知识，通过拖拽节点、配置参数即可完成工作流搭建，同时支持自定义 JS/Python 脚本，满足进阶需求。

2025 年被称为 "AIAgent 自动化元年"，而 n8n 正是这一趋势下的代表性工具 ------ 它不仅是 "任务自动化工具"，更是 "AI Agent 的载体"，能够串联起各类 AI 服务（如 OpenAI、Anthropic 等），实现 "自主决策 - 执行任务" 的智能流程。

1.2 与传统信息获取方式的对比

传统的科技新闻获取方式，通常是 "打开多个网站→浏览标题→筛选关键内容→手动总结"，整个过程至少需要 30 分钟，且容易出现以下问题：

• 信息过载：科技媒体、行业博客、社交平台每天产生数万条资讯，手动筛选效率极低；

• 时效性差：重要新闻发布后，往往需要几小时甚至一天才能被手动整理；

• 总结偏差：不同人对同一新闻的理解不同，手动总结可能遗漏核心信息。

而通过 n8n 搭建的自动化工作流，能将整个流程压缩到 "定时触发→自动抓取→智能过滤→AI 总结"，全程无需人工干预，每天只需查看最终生成的速览报告即可。

二、工作流搭建：从 0 到 1 构建科技新闻速览系统

接下来，我们将分步骤拆解工作流的搭建过程。这套工作流的核心逻辑是：定时触发→RSS 订阅获取新闻→过滤当日内容→数据格式处理→AI 生成总结，共 5 个关键节点，每个节点都有明确的配置要点。

2.1 第一步：环境准备与 n8n 启动

在搭建工作流前，需要先完成 n8n 的安装与启动。这里需要注意的是，n8n 基于 Node.js 运行，因此需先确保本地已安装 Node.js（建议 v18 + 版本）。

启动命令与常见问题解决

• 首次启动 ：在终端中输入npx n8n，系统会自动下载 n8n 依赖并启动服务。启动成功后，浏览器会自动打开http://localhost:5678，进入 n8n 的可视化工作流界面。

• 安装问题处理：n8n 的安装包体积较大（约 200MB+），首次安装时可能因网络问题失败。此时可尝试：

1. 1. 使用国内 npm 镜像：npm config set registry registry.npmmirror.com，再执行npx n8n；

1. 2. 手动下载安装包：通过 n8n 官网（n8n.io/）下载对应系统的安装包，解压后直接运行。

2.2 第二步：核心节点配置（可视化操作全流程）

n8n 的工作流搭建采用 "节点串联" 模式，每个节点负责一个具体任务。我们需要依次添加并配置以下 5 个核心节点：

节点 1：Trigger（定时触发节点）

Trigger 节点是工作流的 "启动开关"，我们需要设置它每天定时触发，确保新闻速览的时效性。

• 节点选择：在左侧节点列表中搜索 "Schedule"，拖拽到工作流画布中；

• 配置参数：

• • 触发频率：选择 "Daily"（每天）；

• • 触发时间：建议设置为早上 8 点（此时前一天的新闻已更新完毕，且不影响当日工作）；

• • 时区：根据所在地区选择（如 "Asia/Shanghai"）。

• 扩展场景：如果需要供多人使用，可在 "Advanced" 设置中添加 "Webhook 触发"，支持他人通过链接手动触发工作流。

节点 2：RSS 订阅（信息获取节点）

RSS 是科技新闻获取的核心来源，n8n 提供了专门的 "RSS Read" 节点，无需手动编写 HTTP 请求代码。

2.2.1 什么是 RSS？

RSS（简易信息聚合）是一种标准化的 XML 格式，用于发布网站的更新内容（如新闻、博客文章）。通过 RSS 订阅，我们可以将多个科技媒体的内容集中到一个接口中，避免逐个访问网站。

2.2.2 节点配置步骤

1. 添加节点：拖拽 "RSS Read" 节点到画布，与 "Schedule" 节点通过箭头连接（表示 "定时触发后执行 RSS 获取"）；

2. 配置订阅源：在 "Feed URL" 中输入科技媒体的 RSS 地址，推荐以下几个高质量来源：

• • TechCrunch：techcrunch.com/feed/（全球知名科技媒体，侧重 AI、初创公司）；

• • The Verge：www.theverge.com/rss/index.xml（科技产品与行业趋势）；

• • 机器之心：www.jiqizhixin.com/rss（国内 AI 领域权威媒体）；

• • 量子位：www.qbitai.com/feed（AI 资讯与深度分析）；

3. 参数设置：勾选 "Return Full Response"，确保获取到新闻的标题、内容、发布时间等完整信息。

节点 3：Filter（数据过滤节点）

获取 RSS 内容后，我们需要过滤出 "当天发布的新闻"，避免包含历史内容。这一步需要用到 n8n 的 "Filter" 节点，结合 JS 的日期类型进行判断。

3.3.1 过滤逻辑设计

核心逻辑是：对比新闻的发布时间与当前时间，只保留 "发布时间在今天 0 点之后" 的内容。

3.3.2 节点配置步骤

1. 添加节点：拖拽 "Filter" 节点到画布，与 "RSS Read" 节点连接；

2. 设置过滤条件：

• • 选择 "Add Condition"，字段选择 "pubDate"（RSS 返回的新闻发布时间字段）；

• • 条件类型选择 "Date & Time"→"Is After"；

• • 时间值设置为 "今天 0 点"，这里需要用到 JS 的日期处理能力：

• • • 在 "Value" 中选择 "Expression"，输入代码：new Date().setHours(0, 0, 0, 0)；

• • • 代码解释：new Date()创建当前日期对象，setHours(0,0,0,0)将时间设为当天 0 点，确保只保留今日新闻。

节点 4：DataTransform（数据格式处理节点）

过滤后的新闻数据，需要调整格式后再传给 AI 模型 ------ 因为 AI 对 "结构化内容" 的理解效率更高。这里我们使用 "Edit Fields" 节点，将 "标题" 和 "内容" 合并成一个字符串。

4.4.1 节点配置步骤

1. 添加节点：拖拽 "Edit Fields" 节点到画布，与 "Filter" 节点连接；

2. 设置字段处理规则：

• • 点击 "Add Field"，字段名称设为 "newsContent"；

• • 字段类型选择 "String"，值选择 "Expression"，输入以下代码：

`Title: ${$json["title"]}\nContent: ${$json["contentSnippet"]}`

• • 代码解释：$json表示当前节点的输入数据，通过模板字符串将 "标题" 和 "内容摘要" 合并，并添加 "Title:""Content:" 前缀，用\n换行，让 AI 能清晰识别内容结构；

3. 删除冗余字段：勾选 "Remove Unmapped Fields"，只保留 "newsContent" 和 "pubDate" 字段，减少数据量。

节点 5：AI 生成（AIGC 总结节点）

这是工作流的 "核心大脑"，通过调用 AI 模型（如 GPT-4、Claude 3）生成新闻总结。n8n 支持多种 AI 节点，这里以 "OpenAI" 节点为例。

5.5.1 节点配置步骤

1. 添加节点：拖拽 "OpenAI" 节点到画布，与 "Edit Fields" 节点连接；

2. 配置 API 密钥：

• • 在 "API Key" 中输入你的 OpenAI API 密钥（从 OpenAI 官网获取）；

• • 建议开启 "API Key Encryption"，确保密钥安全；

3. 设置 AI 生成参数：

• • 模型选择："gpt-4-turbo"（平衡生成质量与速度）；

• • 任务类型：选择 "Chat Completion"（对话式生成，更适合总结任务）；

• • Prompt 提示词设计（关键！直接影响总结质量）：

请你作为科技行业分析师，对以下新闻内容进行总结：
1. 每条新闻总结控制在100字以内，突出核心信息（如技术突破、产品发布、行业影响）；
2. 用分点形式呈现，每条前标注新闻发布时间；
3. 语言简洁、专业，避免口语化。
新闻内容：
{{$json["newsContent"]}}

• • Temperature 参数：设为 0.3（值越小，生成内容越确定；0.3 既能保证准确性，又能避免重复）；

4. 输出设置：勾选 "Return Full Response"，确保获取 AI 生成的完整总结文本。

2.3 第三步：工作流测试与优化

配置完所有节点后，需要进行测试，确保每个环节都能正常运行。

测试方法

1. 手动触发测试：点击工作流画布顶部的 "Execute Workflow" 按钮，手动触发一次工作流，查看每个节点的 "执行日志"；

2. 问题排查：

• • 如果 RSS 节点报错：检查订阅源 URL 是否正确，是否需要科学上网；

• • 如果 Filter 节点过滤结果为空：检查 "pubDate" 字段是否存在，JS 日期代码是否正确；

• • 如果 AI 节点生成内容不符合预期：优化 Prompt 提示词，调整 Temperature 参数（如生成内容太简略，可将 Temperature 调至 0.5）。

优化方向

• 多来源聚合：在 RSS 节点中添加多个订阅源，通过 "Merge" 节点合并数据，覆盖更全面的资讯；

• 结果推送：添加 "Email" 或 "Slack" 节点，将 AI 生成的总结自动发送到邮箱或工作群；

• 内容分类：在 Filter 节点后添加 "Classifier" 节点，按 "AI 技术""产品发布""行业政策" 等维度对新闻分类。

三、技术细节：JS 日期类型在工作流中的应用

在前面的 Filter 节点配置中，我们用到了 JS 的日期类型（Date）。作为 n8n 工作流中最常用的数据类型之一，掌握 Date 的核心方法能帮你应对更多自动化场景。

3.1 JS Date 类型的核心用法

JS 内置的 Date 类型用于处理日期和时间，在 n8n 的 "Expression" 输入框中，可直接使用以下方法：

• 创建日期对象：

• • new Date()：创建当前时间的日期对象（如 2025-10-23T08:00:00.000Z）；

• • new Date(1740000000000)：通过时间戳（毫秒数）创建指定日期对象；

• 获取时间戳：new Date().getTime()，返回从 1970 年 1 月 1 日到当前时间的毫秒数，用于日期比较；

• 时间计算：

• • 一天的毫秒数：606024*1000（60 秒 / 分 × 60 分 / 时 × 24 时 / 天 × 1000 毫秒 / 秒）；

• • 计算昨天的日期：new Date().setDate(new Date().getDate() - 1)。

3.2 在 n8n 中的实际应用场景

除了 Filter 节点的日期过滤，Date 类型还可用于：

• 定时任务精细化：在 Schedule 节点中，通过 Expression 设置 "每周一至周五触发"，代码示例：new Date().getDay() >= 1 && new Date().getDay() <= 5；

• 数据过期清理：在处理历史新闻数据时，通过 Date 计算 "3 天前的日期"，过滤掉过期内容；

• 时间格式转换：将 RSS 返回的 ISO 格式时间（如 2025-10-23T08:00:00Z）转换为 "2025 年 10 月 23 日"，代码示例：new Date($json["pubDate"]).toLocaleDateString("zh-CN")。

四、总结与展望：自动化工作流的更多可能性

通过本文的步骤，你已经掌握了用 n8n 搭建科技新闻速览工作流的核心方法。这套工作流不仅能帮你节省时间，更重要的是，它展示了 "AI + 自动化" 的核心逻辑 ------ 将重复、机械的任务交给工具，让人类专注于思考和创造。

4.1 工作流的扩展场景

除了科技新闻速览，基于 n8n 还能搭建更多 AI 自动化工作流：

• 学术论文追踪：通过 RSS 订阅 arXiv 的 AI 领域论文，用 AI 总结论文核心观点；

• 社交媒体运营：定时从科技新闻中提取关键信息，自动生成微博 / 公众号文案；

• 竞品监控：跟踪竞争对手的官网更新，一旦发布新产品，立即触发 AI 分析报告。

4.2 2025 年 AIAgent 自动化的趋势

随着 n8n、Make 等自动化工具的普及，以及 AI 模型能力的提升，"人人都能搭建 AI Agent" 将成为现实。未来的工作流将不再是 "固定流程"，而是 "智能决策系统"------ 例如，当工作流检测到某条新闻涉及你关注的技术领域时，会自动触发深度分析；当发现行业重大事件时，会主动推送预警信息。

如果你是科技从业者、AI 爱好者，或者希望通过自动化提升效率，不妨从搭建这套新闻速览工作流开始。n8n 的学习曲线并不陡峭，关键在于多实践、多尝试 ------ 毕竟，在 AI 时代，"会用工具" 已经成为核心竞争力之一。

最后，如果你在搭建过程中遇到问题，欢迎在评论区交流。也期待看到你基于本文的思路，创造出更多有趣的自动化工作流！