用 n8n 打造 AI 科技新闻速览工作流：自动化获取、总结，每天高效充电

在 AI 与自动化浪潮下，2025 年被称为 “AIAgent 自动化元年”，而 n8n 作为基于 Node.js 的可视化工作流工具，正成为开发者实现 “重复工作自动化” 的利器。比如 OpenAI 刚推出的 AI 浏览器 Atlas，核心思路就是用 AI 重构传统工具 —— 今天我们就用 n8n 搭建一套科技新闻速览自动化工作流，从 “获取新闻源→过滤筛选→AI 总结→格式输出” 全流程自动化，让你每天不用手动刷资讯，就能快速掌握 AI 领域核心动态。

在开始搭建前，先理清 n8n 的核心特性，这是理解工作流逻辑的基础：

• 基于 Node.js：n8n 运行在 Node 环境中，支持用 JS 编写自定义逻辑，且与前端（浏览器）、后端（Node 命令行）、AI SDK（JS/Python 是主流）甚至单片机的 JS 运行环境兼容，技术栈通用性极强。

• 命令行快速启动：通过npx n8n即可启动（第一次运行会自动安装依赖），无需复杂配置，适合快速验证工作流。

• 可视化节点编排：像搭积木一样将 “触发节点、数据处理节点、AI 节点” 串联，无需手写完整代码，新手也能上手；同时支持自定义 JS 节点，满足复杂需求。

• AIAgent 友好：内置 AI 相关节点（如 OpenAI、Anthropic），可直接对接大模型实现内容生成、摘要总结，完美适配 “AIAgent 自动化” 场景。

简单说：n8n 的核心价值是 “连接不同工具 / 服务，用可视化 + 代码结合的方式实现自动化“，而科技新闻速览的需求 ——“定时获取 RSS 源→过滤时间→AI 总结”，刚好能通过它的节点生态快速实现。

我们要搭建的 “科技新闻速览工作流”，最终实现的效果是：每天固定时间（如早上 8 点）自动拉取指定科技媒体的 RSS 新闻，筛选出当天发布的内容，用 AI 总结成精简摘要，最后按 “标题 + 内容” 格式输出（可导出为文档或发送到邮箱） 。

整个工作流需要 6 个核心节点，按顺序串联如下：

1. Trigger（触发节点） ：每天定时启动工作流

2. RSS 节点：拉取指定科技媒体的 RSS 新闻源（如《连线》杂志科技板块）

3. Filter（过滤节点） ：只保留 “今天发布” 的新闻，排除旧内容

4. DateTransform（日期处理节点） ：统一新闻发布时间格式，方便后续判断

5. EditField（字段编辑节点） ：将新闻的 “标题（Title）” 和 “原文内容（Content）” 合并成一个字符串，按 “Title：xxx Content：xxx” 格式整理

6. AIGC 节点（如 OpenAI 节点） ：调用大模型生成新闻摘要，控制随机性（temperature 参数）

下面按节点顺序，详细讲解每个节点的配置方法，包含关键参数和注意事项：

1. 第一步：Trigger 节点 —— 定时触发工作流

核心作用：让工作流 “自动跑起来”，不用手动点击启动。

• 选择节点：在 n8n 左侧节点面板搜索 “Schedule”（定时触发节点），拖拽到画布。

• 配置参数：

• • Trigger Type：选择 “Daily”（每天触发）。

• • Time：设置触发时间（如 08:00，对应你希望接收新闻速览的时间）。

• • Time Zone：选择自己所在的时区（如 Asia/Shanghai），避免时间偏差。

• 关键说明：如果需要让 “大量用户使用”，可在节点中配置 “多用户触发规则”（如按不同用户的时区调整时间），或通过 n8n 的 “Webhook” 节点让用户手动触发，但日常个人使用 “Schedule” 节点最便捷。

2. 第二步：RSS 节点 —— 获取科技新闻源

RSS（简易信息聚合）是获取网站更新的标准化格式，很多科技媒体（如《连线》《TechCrunch》）都提供 RSS 订阅源，n8n 直接内置了 “RSS Read” 节点，无需自己写 HTTP 请求。

• 选择节点：搜索 “RSS Read”，拖拽到画布，与 “Schedule” 节点用箭头连接（表示触发后执行）。

• 配置参数：

• • RSS Feed URL ：输入目标科技媒体的 RSS 地址（示例：《连线》科技板块 RSS：www.wired.com/feed/catego…）。

• • Max Items：设置每次拉取的最大新闻数量（如 10 条，避免内容过多）。

• 测试验证：点击节点右侧 “Run Node”，如果返回 “Success” 并显示新闻列表（包含标题、发布时间、原文链接、内容摘要），说明配置正确。

• 补充技巧：如果想同时拉取多个媒体的 RSS（如同时看《连线》和《AI 领域》），可添加多个 “RSS Read” 节点，再用 “Merge” 节点合并数据。

3. 第三步：Filter 节点 —— 只保留今天的新闻

拉取的 RSS 数据包含历史新闻，需要过滤出 “今天发布” 的内容，避免无效信息。这里要用到 JS 的Date类型知识（你笔记中提到的重点）：

• 选择节点：搜索 “Filter”，拖拽到画布，连接 “RSS Read” 节点。

• 配置过滤规则：

• • Filter Type：选择 “Item List”（对新闻列表中的每一项单独过滤）。

• • Condition：设置 “新闻发布时间 ≥ 今天 0 点”。

• • 具体配置（关键步骤）：

1. 1. 1. 左侧 “Field Name”：选择 RSS 数据中的 “pubDate”（新闻发布时间字段，不同 RSS 源字段名可能不同，需确认，一般是pubDate或date）。

1. 1. 2. 中间 “Operator”：选择 “Greater Than Or Equal”（大于等于）。

1. 1. 3. 右侧 “Value”：需要动态生成 “今天 0 点的时间戳”，这里用 JS 代码实现：

• 原理说明：JS 的new Date()创建当前时间对象，setHours(0,0,0,0)将时间重置为当天 0 点，toISOString()转为 n8n 能识别的标准时间格式，这样就能过滤出 “发布时间在今天 0 点之后” 的新闻。

4. 第四步：DateTransform 与 EditField—— 整理新闻格式

过滤后的新闻数据，需要做两件事：统一时间格式（DateTransform）、合并标题和内容（EditField），方便后续 AI 总结和最终输出。

（1）DateTransform 节点：统一时间格式

• 作用：将 RSS 中的 “pubDate”（可能是字符串格式，如 “Wed, 23 Oct 2025 09:30:00 GMT”）转为标准Date对象，避免格式不统一导致的问题。

• 配置：

• • 选择 “pubDate” 字段，设置 “Target Format” 为 “Date” 类型，n8n 会自动解析字符串为Date对象。

（2）EditField 节点：合并标题和内容

• 作用：将新闻的 “title” 和 “content” 合并成一个字段（如combinedContent），格式为 “Title：[新闻标题] Content：[新闻内容]”，让 AI 总结时能同时获取标题和原文信息。

• 配置：

• • Operation：选择 “Add/Update Field”（添加新字段）。

• • Field Name：输入combinedContent（自定义字段名）。

• • Value：用 “Expression” 模式编写拼接逻辑：

• 效果：处理后的数据会新增combinedContent字段，内容如 “Title：OpenAI 推出 AI 浏览器 Atlas Content：OpenAI 近日发布 AI 浏览器 Atlas，支持用 AI 自动整理网页信息，核心思路是用 AI 重构传统浏览器功能…”。

5. 第五步：AIGC 节点 ——AI 总结新闻摘要

这是工作流的 “智能核心”，用大模型（如 GPT-4o）将新闻原文（combinedContent）总结成精简摘要，控制篇幅和随机性（你笔记中提到的temperature参数是关键）。

（1）选择 AI 节点

以对接 OpenAI 为例（n8n 内置 “OpenAI” 节点）：

• 搜索 “OpenAI”，拖拽到画布，连接 “EditField” 节点。

• 先配置 OpenAI API Key（在节点的 “Credentials” 中添加，需从 OpenAI 官网获取）。

（2）配置 AIGC 参数

• Model：选择 “gpt-4o”（平衡速度和总结质量，新手也可用 gpt-3.5-turbo 降低成本）。

• Task Type：选择 “Generate Text”（生成文本摘要）。

• Prompt（提示词） ：这是决定总结质量的关键，需明确 “总结目标、格式、篇幅”，示例：

（注：{{$json.combinedContent}}是 n8n 的表达式语法，表示引用当前新闻项的combinedContent字段）。

（3）控制随机性：temperature 参数

按你笔记中的要求，temperature控制生成文本的随机性：

• 设为0：生成结果最确定、最稳定，适合新闻摘要（需准确还原核心信息，不希望有太多主观发挥）。

• 设为1：生成结果随机性强，适合创意内容（如写科技评论），不适合新闻摘要。

• 这里建议设置为0.2：兼顾准确性和少量语言灵活性，避免摘要过于生硬。

（4）测试验证

点击 “Run Node”，查看 AI 返回的 “summary” 字段，如果摘要包含 “新闻核心” 和 “关键价值”，且篇幅控制在 150 字内，说明 Prompt 和参数配置正确。

基础工作流搭建完成后，可添加以下优化节点，提升实用性：

1. 输出节点：将摘要导出或发送

• 导出为文档：添加 “Write to File” 节点，将所有新闻摘要按 “日期 + 标题 + 摘要” 格式写入 Markdown 文件（如2025-10-23_AI科技新闻速览.md），方便存档。

• 发送到邮箱：添加 “Email” 节点（如 Gmail、Outlook），将摘要作为邮件正文，每天定时发送到自己的邮箱，起床就能看。

2. 错误处理：避免工作流中断

• 添加 “Error Handler” 节点，连接到每个核心节点（如 RSS 节点、AI 节点），当节点运行失败（如 RSS 源失效、API Key 过期）时，自动发送错误通知到邮箱，避免工作流 “悄无声息地停了”。

3. 多源数据合并

如果想同时拉取多个科技媒体的 RSS（如《连线》《TechCrunch》《AI 前线》），可：

• 添加多个 “RSS Read” 节点，分别配置不同的 RSS URL。

• 添加 “Merge” 节点，将多个 RSS 的新闻列表合并成一个列表，再进入后续的 Filter 和 AI 节点，实现 “一站式获取多平台新闻”。

整个工作流中，JS 的Date类型是实现 “时间过滤” 的核心，再复习一下你笔记中的重点，结合 n8n 场景应用：

1. 创建 Date 对象：new Date()生成当前时间，new Date(RSS的pubDate字符串)可将 RSS 中的时间字符串转为 Date 对象。

2. 时间戳计算 ：getTime()获取时间毫秒数，比如 “判断新闻是否在 24 小时内”，可计算当前时间.getTime() – 新闻时间.getTime() ≤ 246060*1000（一天的毫秒数）。

3. 时间格式转换：toISOString()转为标准 ISO 格式（如2025-10-23T00:00:00.000Z），n8n 的时间比较默认支持这种格式，避免跨时区问题。

在 n8n 中，所有涉及时间的逻辑，都可以通过 “自定义 JS 表达式” 实现，只要掌握基础的Daten8n 工作流 教程方法，就能灵活处理时间过滤、格式转换等需求。

用 n8n 搭建科技新闻速览工作流，本质是 “用自动化替代重复操作，用 AI 提升信息处理效率“—— 从手动刷多个网站、读长文，到每天等待自动化输出的精简摘要，不仅节省时间，还能确保信息获取的及时性和准确性。

更重要的是，这个工作流的思路可以复用到其他场景：比如 “定时拉取行业报告 RSS→AI 总结核心观点””监控竞品官网更新→AI 对比分析差异”，甚至结合 AIAgent 实现更复杂的自动化（如 “根据新闻摘要自动生成社交媒体文案→定时发布”）。

2025 年 AIAgent 自动化的核心，就是 “让工具替人做重复事，让人专注于思考和创造”—— 而 n8n，正是连接工具与 AI 的重要桥梁。如果你在搭建过程中遇到节点配置问题（如 RSS 源无法拉取、AI 总结篇幅失控），或想扩展其他自动化场景，欢迎在评论区交流，一起探索 n8n 的更多可能性！