实战 | n8n教程:10分钟打造新闻自动推送机器人
你是不是也这样?
每天早上,第一件事就是打开网站看新闻。生怕错过一个行业大新闻。
如果我告诉你,只需要花10分钟,就能打造一个“AI新闻助理”,每天定时推送新闻消息到你的飞书群。
今天这篇文章,我就手把手带你用自动化神器 n8n,从零开始搭建一个专属的新闻监控工作流。

一、n8n是什么?
简单来说,n8n是一个开源的、可自托管的低代码/无代码工作流自动化工具。
你可以把各种App想象成一块块不同形状的乐高积木。而 n8n 就是那块神奇的底板,让你能把这些原本互不相干的积木,按照你的想法拼装在一起,创造出强大的自动化流程。

二、搭建工作流
首先我们来到n8n首页,我们一步步来操作,整个工作流就像一条流水线。 第一步:点击右上角的“创建工作流”

第一步:配置第一个节点触发器
进入这个页面之后,我们点击“+”号,开始添加第一个节点

红框内有非常多的节点,因为是自动化流程,所以需要从下面的红框内选择节点选择一个触发器

这个是节点的配置页面,配置节点的参数,比如我选择的是触发器,可以设置每天定点触发,或者隔天定点触发,根据自己的需要进行设置就可以

设置完之后,点击上面的返回画布,第一个几点就添加好了

第二步:配置第二个节点,http请求节点
我们从网站获取新闻资讯,所以需要通过http请求
左侧是输入的数据,右侧是经过这个节点处理之后输出的数据 ,节点配置参数:选择请求方法get,post等,urL将网站的网址粘贴进来

将前后两个节点连接起来,

第三步:配置第三个节点,数据处理节点
从http请求过来的数据之后,我们需要对数据进行一个处理,提取我们想要的数据,比如新闻标题,新闻链接等,配置如下。
中间用到了js代码,这个可不是我自己写的,是通过大模型生成的,描述好你的需求,让它直接帮你生成就可以了

js部分代码如下:
// 原生RSS解析和AI新闻筛选
try {
const rssData = $input.item.json.data || $input.item.json;
if (!rssData) {
console.log('RSS数据为空');
return [];
}
// 解析RSS XML
function parseRSS(xmlString) {
const items = [];
// 提取所有item标签
const itemMatches = xmlString.match(/<item[^>]*>[\s\S]*?<\/item>/gi);
if (!itemMatches) {
console.log('未找到RSS item');
return items;
}
第四步:配置第四个节点,聚合节点,我们需要将前面获取的数据进行一个整合输出

第五步:配置第五个节点,我们需要通过webhook的方式发送消息到飞书群聊
如何获取飞书webhook我们放在后面
Method:post
url:webhook链接
header:name:Content-Type
value:application/json
body:json 类型
里面的json代码也可以让大模型帮忙生成,找个有推理能力的大模型即可,用豆包或者deepseek都行。

这样下面我们将所有节点进行前后连接,这个工作流就搭建起来了,

点击下方的执行工作流,这个工作流就运行起来了,没有报错的情况下,每个节点的右下角会有个√号,如何有报错的话会出现红色

第六步:定制群消息展示样式
展示什么内容,展示的样式都可以定制。我尝试了好几个样式,感觉下面这两个也不错


在最后一个节点飞书webhook的json代码块里,可以进行代码配置样式。
也可以通过大模型进行调试,告诉大模型需要一个美观漂亮的样式,让大模型帮你输出代码。

三、获取飞书webhook
下面我们实操如何获取飞书的webhook链接。
推送消息到飞书群聊,需要通过webhook链接,下面实操如何获取到这个链接。
创建群组,添加自定义机器人,点击右侧的设置

找到群机器人,点击群机器人

找到自定义机器人并点击

设置完头像,昵称和简介

完成之后,就获取到webhook链接了,格式如下



请求成功的话返回:
{
"StatusCode": 0, //冗余字段,用于兼容存量历史逻辑,不建议使用
"StatusMessage": "success", //冗余字段,用于兼容存量历史逻辑,不建议使用
"code": 0,
"data": {},
"msg": "success"
}
请求出错的话返回:
{
"code": 9499,
"msg": "Bad Request",
"data": {}
}
四、展望
恭喜你!现在,你拥有了一个不知疲倦、忠实可靠的新闻助理。它会每天准时为你推送行业动态。
但这,仅仅是个开始。
我刚才搭建的,是一个“简化版”的助理。而n8n最强大的地方,在于它惊人的扩展性。下面,我给你提供几个“升华版”的改造思路。
1. 升级为“全网监控专家”
现在我们只监控了一个网站,但信息源当然是越多越好。
怎么做? 你可以在第一个 HTTP Request 节点后面,再并联几个同样的节点,每个节点都填上不同网站的RSS地址。最后用一个 Merge 节点把所有新闻汇总到一起处理。这样,你的助理就能同时盯着好几个信息源,
2. 植入“AI大脑”,自动总结摘要
有时候,光看标题还不够,但原文又太长。如果能让AI自动总结成一句话摘要呢?
怎么做? 在处理数据的环节,加入一个 OpenAI 或其他大模型节点。把新闻链接或正文内容“喂”给它,然后用一句简单的指令,比如:“请帮我把这篇文章总结成不超过50字的中文摘要”。AI就能立刻返回精炼的摘要,再一起推送到飞书。
五、如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新,更多的大模型学习和面试资料已经上传带到CSDN的官方了,有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至:月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长,根据工信部最新数据:
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K(数据来源:BOSS直聘报告)
70%企业存在"能用模型不会调优"的痛点
真实案例:某二本机械专业学员,通过4个月系统学习,成功拿到某AI医疗公司大模型优化岗offer,薪资直接翻3倍!
02.如何学习大模型 AI ?
🔥AI取代的不是人类,而是不会用AI的人!麦肯锡最新报告显示:掌握AI工具的从业者生产效率提升47%,薪资溢价达34%!🚀
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
1️⃣ 提示词工程:把ChatGPT从玩具变成生产工具
2️⃣ RAG系统:让大模型精准输出行业知识
3️⃣ 智能体开发:用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你:
✔️ 大厂内部LLM落地手册(含58个真实案例)
✔️ 提示词设计模板库(覆盖12大应用场景)
✔️ 私藏学习路径图(0基础到项目实战仅需90天)






第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

更多推荐

所有评论(0)