1. 为什么你需要一个AI资讯日报系统？

每天早上醒来，你是不是也和我一样，面对信息过载的焦虑？手机里塞满了各种新闻App的推送，科技、财经、行业动态……一个个点开看，半小时就没了，真正有价值的信息可能还淹没在标题党里。更头疼的是，作为开发者或者团队管理者，你需要快速了解AI领域的最新进展，但手动筛选、阅读、总结，这工作量想想就头大。

我之前就是这么过来的，直到我决定把这件事彻底自动化。我的目标很简单：每天上午9点，准时收到一封邮件，里面是过去24小时最值得关注的AI资讯，并且每一条都经过AI提炼，用一两句话告诉我核心要点。我不再需要打开十几个网页，不再需要自己费力总结，所有工作交给系统自动完成。

听起来很复杂？其实用对了工具，搭建这样一个系统比你想象中简单得多。核心就是两个神器：N8N和AiOnly。N8n是一个开源、强大的可视化工作流自动化工具，你可以把它理解成一个更灵活、更强大的“高级版IFTTT”或“开源版Zapier”。而AiOnly是一个一站式的大模型API聚合平台，它把GPT、Claude、Gemini、DeepSeek等全球顶尖模型的API统一了起来，让你用一个接口、一个密钥就能调用几乎所有主流模型，再也不用为每个平台单独注册、充值、管理了。

这套组合拳打下来，效果惊人。我实测下来，原本每天需要花30-60分钟做的信息收集和整理工作，现在完全不用管了。系统稳定运行了小半年，帮我抓住了好几个技术趋势的早期信号，省下的时间用来喝咖啡、思考战略问题，它不香吗？无论你是想做好个人知识管理，还是想为团队同步行业信息，这个自动化日报系统都能成为你的“外挂大脑”。接下来，我就手把手带你从零开始，搭建属于你自己的AI资讯管家。

2. 核心工具准备：N8N与AiOnly快速上手

工欲善其事，必先利其器。在开始搭建工作流之前，我们得先把两个核心工具配置好。别担心，整个过程就像搭积木，每一步我都踩过坑，会带你绕开所有弯路。

2.1 三步搞定AiOnly平台接入

首先，我们搞定大模型的能力来源——AiOnly。它的最大优势就是“聚合”和“省心”。你不用再纠结是选GPT-4o还是Claude 3.5，在AiOnly上可以随时切换，哪个效果好、哪个成本低就用哪个。

第一步：注册与获取通行证 打开AiOnly官网，用手机号注册个账号。新用户登录控制台后，一般都有新人代金券自动到账，比如15元，足够你折腾很久了。这第一步，一分钟搞定。

第二步：找到你的“钥匙”和“地址” 登录后，进入“API密钥”页面，创建一个新的API Key。这个Key就是你的身份凭证，一定要保管好，就像密码一样。同时，你还需要记住一个固定的接口URL：https://api.aiionly.com/v1/chat/completions。这个地址是兼容OpenAI API格式的，意味着所有能调用ChatGPT的代码或工具，几乎都能通过这个地址调用AiOnly上的任何模型，这是实现后面一切自动化的基础。

第三步：开通你想用的模型 去“模型广场”逛一逛，里面分门别类列着文本生成、图像、视频、语音各种模型。比如我们今天要用到的文本总结功能，DeepSeek-V3.2-Exp、Claude 3.5 Haiku、Gemini 2.5 Flash都是不错的选择。找到你心仪的模型，点击“开通”。开通时记得选择“先用后付”模式，这样没有预付压力。开通成功后，在“开通管理”页面，你会看到每个模型对应的唯一“模型ID”，比如deepseek-v3.2-exp。这个ID就是我们后面在代码里指定用哪个模型的依据。

简单总结，从AiOnly平台，我们一共需要拿到三个东西：API Key、统一的接口URL和具体的模型ID。有了这三样，我们就拥有了调用全球顶尖AI能力的通行证。

2.2 十分钟部署你的N8N自动化中枢

接下来是自动化大脑N8N的部署。我强烈推荐使用Docker来安装，这是最省心、跨平台的方式，能避免各种环境依赖的坑。

第一步：安装Docker 如果你电脑上还没装Docker，去Docker官网下载对应你操作系统（Windows/macOS/Linux）的Docker Desktop安装包。安装过程基本就是一路“下一步”。安装完成后启动Docker Desktop，并完成登录（用Docker Hub账号或GitHub账号都行）。

第二步：一个命令启动N8N 打开你的终端（Windows用PowerShell或CMD，macOS/Linux用Terminal），只需要一行命令，N8N服务就会跑起来：

docker run -d --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n n8nio/n8n

我来解释下这行命令在干嘛：-d是让它在后台运行；--name n8n给容器起个名字；-p 5678:5678是把本地的5678端口映射到容器的5678端口（等下我们就用这个端口访问）；-v n8n_data:/home/node/.n8n是把数据卷挂载出来，这样即使容器删了，你的工作流配置也不会丢；最后n8nio/n8n就是官方镜像名。

执行命令后，Docker会自动从网络拉取镜像并启动。看到一串容器ID输出，就说明启动成功了。

第三步：访问并初始化 打开浏览器，访问 http://localhost:5678。第一次访问，你会看到一个创建管理员账户的页面，设置好邮箱、用户名和密码。登录之后，你就会看到N8N清爽的主界面了。左边是节点库，中间是画布，右边是属性面板，整个逻辑非常直观。至此，你的本地自动化服务器就准备就绪了。

3. 构建核心工作流：从抓取、总结到发送

工具就位，现在开始搭建最核心的自动化流水线。我们把这个工作流拆解成几个关键环节，就像工厂里的生产线，每个环节负责一个特定任务，最终组装出成品。

3.1 第一步：设置定时触发器与获取资讯源

任何自动化流程都得有个起点。在我们的场景里，起点就是“时间”。我们希望系统每天上午9点自动运行，所以第一个节点就是 Schedule Trigger（定时触发器）。

在N8N画布上，点击“添加节点”，搜索“Schedule Trigger”并添加。在它的配置面板里，规则（Rule）选择“Every Day”（每天），然后设置时间（Hour）为9，分钟（Minute）为0。这样，每天上午9点整，这个触发器就会“点火”，启动整个工作流。

触发器有了，接下来就要去抓取资讯了。这里我选择用RSS源，因为它格式标准、获取简单。比如“36氪”的科技资讯质量就不错。我们添加一个 HTTP Request 节点，把它连接到触发器之后。

在这个HTTP Request节点里，我们需要配置一个能解析RSS的公共服务。这里我用一个免费的转换服务：https://api.rss2json.com/v1/api.json?rss_url=https://36kr.com/feed&count=10。这个方法（Method）选GET。这个URL的作用是：访问36氪的RSS源（https://36kr.com/feed），并将其转换成更易处理的JSON格式，同时只取最新的10条（count=10）。你可以把这里的RSS地址换成任何你感兴趣的源，比如TechCrunch、Hacker News的feed地址。

3.2 第二步：调用AiOnly大模型进行智能摘要

抓取到的原始资讯是一条条包含标题、链接、摘要和发布时间的数据。接下来就是最智能的一环：让AI帮我们读新闻，并提炼核心要点。

首先，我们需要用一个 Code 节点来处理上一步获取的JSON数据，把它整理成N8N内部便于循环处理的结构。代码如下：

// 从第一个输入项中获取JSON数据
const data = $input.first().json;

// 检查RSS获取是否成功
if (data.status !== 'ok') {
    throw new Error('RSS获取失败: ' + data.message);
}

// 将items数组中的每条新闻，转换成N8N能循环处理的标准格式
return data.items.map(item => ({
    json: {
        title: item.title,
        link: item.link,
        // 清理描述中的HTML标签，并截取前300个字符作为内容摘要
        contentSnippet: item.description.replace(/<[^>]*>/g, '').substring(0, 300),
        pubDate: item.pubDate,
        author: item.author || '未知'
    }
}));

数据整理好后，我们添加一个 Split In Batches 节点（在循环类目里）。这个节点的作用是把上一步输出的10条新闻数组，“拆开”成一条一条的，让后续节点能对每一条新闻单独处理。批处理大小（Batch Size）设置为1，意思就是每次只处理一条。

现在，重头戏来了：为每一条新闻调用AI进行总结。我们再添加一个 Code 节点，它的任务是构造发送给AiOnly API的请求体。这里就是体现AiOnly便利性的地方，它的API格式和OpenAI完全兼容。

// 获取当前循环项（即单条新闻）的数据
const item = $input.item.json;

// 构建符合AiOnly/OpenAI格式的请求体
const requestBody = {
    model: "deepseek-v3.2-exp", // 这里填写你在AiOnly开通的模型ID
    messages: [
        {
            role: "system",
            content: "你是专业的科技资讯总结助手。请用1-2句话总结新闻的核心要点，突出关键信息，语言简洁明了。"
        },
        {
            role: "user",
            content: `请总结以下科技资讯：\n标题：${item.title}\n内容摘要：${item.contentSnippet}`
        }
    ],
    temperature: 0.3, // 较低的温度值，让输出更稳定、更聚焦
    max_tokens: 150 // 限制总结的长度
};

// 将构建好的请求体和原始数据一起传递给下一个节点
return {
    json: {
        requestBody: requestBody,
        originalData: item
    }
};

构造好请求体，下一步就是真正发送请求了。再添加一个 HTTP Request 节点，配置如下：

• 方法（Method）: POST
• URL: https://api.aiionly.com/v1/chat/completions （就是AiOnly那个固定地址）
• Headers（请求头）: 需要添加一个Authorization头，值为 Bearer 你的AiOnly_API_KEY。请务必把“你的AiOnly_API_KEY”替换成你之前在平台创建的真实Key。
• Body（请求体）: 类型选择“JSON”，然后在下方的JSON框里填入 {{ $json.requestBody }}。这个双大括号语法是N8N的表达式，意思是动态引用上一个节点输出的requestBody字段。

这个节点执行后，AiOnly的模型就会处理我们的请求，并返回一个包含总结结果的JSON响应。

3.3 第三步：格式化结果与邮件发送

AI返回的结果是原始的JSON格式，我们需要从中提取出我们需要的总结文本。再加一个 Code 节点来处理：

// 从AI的返回结果中提取总结内容
const aiResponse = $input.item.json;
const summary = aiResponse.choices[0].message.content;

// 获取之前保存的原始新闻数据
const originalData = $('构建 AI 请求体').item.json.originalData; // 这里的‘构建 AI 请求体’是你上一个Code节点的名字

// 将总结内容和原始信息合并
return {
    json: {
        title: originalData.title,
        link: originalData.link,
        summary: summary.trim(), // 去除总结文本首尾的空格
        pubDate: originalData.pubDate,
        author: originalData.author
    }
};

到这里，循环结束，10条新闻都完成了“获取->AI总结”的过程。接下来，我们需要把10条总结好的新闻打包成一份漂亮的日报。

再添加一个 Code 节点，这次它要接收所有循环结束后的数据（注意节点配置里选择“Run Once for All Items”）。在这个节点里，我们将数据组装成HTML格式，方便邮件展示：

// 获取所有处理好的新闻数据
const allNews = $input.all();
const currentDate = new Date().toLocaleDateString('zh-CN', { year: 'numeric', month: 'long', day: 'numeric', weekday: 'long' });

// 构建HTML邮件正文
const htmlContent = `
<!DOCTYPE html>
<html>
<head>
    <style>
        body { font-family: sans-serif; line-height: 1.6; max-width: 800px; margin: auto; background: #f9f9f9; }
        .header { background: #2c3e50; color: white; padding: 20px; border-radius: 8px 8px 0 0; }
        .news-item { background: white; margin: 20px 0; padding: 15px; border-left: 5px solid #3498db; border-radius: 4px; box-shadow: 0 2px 4px rgba(0,0,0,0.1); }
        .news-title { color: #2c3e50; margin-top: 0; }
        .news-summary { color: #555; }
        .news-meta { color: #7f8c8d; font-size: 0.9em; margin-top: 10px; }
        .footer { text-align: center; margin-top: 30px; color: #95a5a6; font-size: 0.9em; }
    </style>
</head>
<body>
    <div class="header">
        <h1>🤖 AI精选科技日报</h1>
        <p>日期：${currentDate} | 共 ${allNews.length} 条摘要</p>
    </div>
    ${allNews.map((item, idx) => `
        <div class="news-item">
            <h3 class="news-title">${idx + 1}. ${item.json.title}</h3>
            <p class="news-summary"><strong>📌 核心要点：</strong>${item.json.summary}</p>
            <p class="news-meta">发布时间：${item.json.pubDate} | 作者：${item.json.author}</p>
            <a href="${item.json.link}" target="_blank">阅读原文</a>
        </div>
    `).join('')}
    <div class="footer">
        <p>本日报由N8N + AiOnly自动生成，数据来源：36氪。</p>
        <p>生成时间：${new Date().toLocaleString('zh-CN')}</p>
    </div>
</body>
</html>
`;

return {
    json: {
        htmlContent: htmlContent,
        subject: `AI科技日报 ${currentDate}`
    }
};

最后一步，把这份精美的HTML日报发送到你的邮箱。添加 Email (SMTP) 节点。首先需要配置邮箱凭证（Credentials）：

• SMTP主机（Host）: 比如smtp.163.com（163邮箱）或smtp.gmail.com（Gmail）。
• 端口（Port）: 通常用465（SSL）。
• 用户（User）: 你的发件邮箱地址。
• 密码（Password）: 这里注意，不是邮箱登录密码，而是SMTP授权码。在邮箱设置里找到“POP3/SMTP服务”并开启，就能获取。

配置好凭证后，在节点参数里设置：

• 发件人（From）: 你的邮箱。
• 收件人（To）: 你想接收日报的邮箱。
• 主题（Subject）: {{ $json.subject }} （引用上一步生成的标题）。
• 邮件格式（Email Format）: 选择HTML。
• HTML内容（HTML）: {{ $json.htmlContent }}。

点击“执行工作流”测试一下，几分钟内，一封排版专业、内容精炼的AI资讯日报就应该出现在你的收件箱了。那种“机器替我干活”的成就感，第一次收到时真的很爽。

4. 进阶玩法与个性化定制

基础流水线跑通后，这个系统的可玩性就非常高了。你可以根据自己的需求，把它改造成更强大、更个性化的信息中枢。

4.1 扩展资讯源与多模型策略

单一的资讯源难免有局限。你完全可以同时监控多个来源。在N8N里，这很简单：在初始的HTTP Request节点之后，并联添加多个不同的RSS抓取节点，比如一个抓36氪，一个抓Hacker News，一个抓某个优质科技博客的feed。然后用一个 Merge 节点把这些节点输出的数据流合并成一个列表，再交给后面的AI总结环节。这样你的日报信息维度就丰富多了。

AI模型的选择也可以更灵活。AiOnly平台的优势就在这里，切换模型几乎零成本。你可以在构建AI请求体的那个Code节点里，动态决定使用哪个模型。比如，你可以写个简单的逻辑：如果新闻标题包含“开源”，就用DeepSeek（它对代码和开源社区理解可能更深）；如果包含“产品发布”，就用Claude Haiku（可能更擅长商业分析）。甚至，你可以让AI自己先判断新闻类型，再决定用哪个模型总结，实现一个简单的“AI调度AI”。

// 示例：简单的模型选择逻辑
let chosenModel = "deepseek-v3.2-exp"; // 默认模型
if (item.title.includes("开源") || item.title.includes("GitHub")) {
    chosenModel = "deepseek-v3.2-exp";
} else if (item.title.includes("融资") || item.title.includes("市场")) {
    chosenModel = "claude-3-5-haiku-latest";
}
const requestBody = {
    model: chosenModel,
    // ... 其他参数
};

4.2 输出渠道多元化：不止于邮件

邮件只是其中一种通知方式。N8N有海量的集成节点，你可以轻松地把日报推送到其他你常用的平台：

• 飞书/钉钉/企业微信机器人：添加一个 Webhook 节点，将日报内容格式化成Markdown，发送到群聊机器人，让整个团队一起看。
• Notion或语雀：使用对应的节点，将总结好的内容自动追加到指定的知识库页面，日积月累就是一份宝贵的行业动态档案。
• Telegram或Discord：如果你有海外团队或社区，可以推送到这些频道。
• 生成静态页面：用Code节点生成一个HTML文件，通过SFTP节点上传到你的服务器，形成一个可公开访问的“每日AI简报”网页。

我自己的做法是“一鱼多吃”：核心摘要发邮件和飞书群，完整的总结（带我的个人批注）则自动同步到Notion的数据库里，方便日后检索。N8N的“分支”逻辑可以让你很容易实现这一点：在生成HTML的节点后，连接多个不同的输出节点即可。

4.3 错误处理与系统健壮性

一个要长期运行的系统，必须考虑健壮性。N8N提供了很好的错误处理机制。你可以在关键的节点（尤其是调用AI API的HTTP Request节点）上启用错误处理（Error Trigger）。

具体操作是，选中该节点，在右侧属性面板找到“错误处理”选项卡，勾选“在错误时激活”。然后，从这个节点的“错误输出”端口（通常是一个红色的虚线出口）拉出一条线，连接到一个新的分支。这个分支可以用来记录错误日志（比如写到某个文件或发送错误通知邮件），甚至可以设置重试逻辑。

例如，当AI API调用失败（可能因为网络或额度问题），错误分支可以触发一个 Wait 节点等待5分钟，然后再通过 Function 节点重新执行原任务。或者，更简单一点，配置一个 Email 节点，当任何环节出错时，立即给你发送一封报警邮件，附上错误信息，让你能及时介入处理。

5. 将AI能力接入常用客户端：ChatBox与Cherry Studio

除了在自动化工作流里“后台”调用AI，我们当然也希望能在日常聊天窗口里方便地使用AiOnly集成的各种模型。这就需要在一些好用的AI客户端里配置AiOnly。这里我以两个流行的跨平台客户端为例：ChatBox和Cherry Studio。

5.1 在ChatBox中接入Claude 3.5 Haiku

ChatBox是一个设计简洁、支持多模型的桌面客户端。让它连接AiOnly，你就能在漂亮的界面里直接和Claude Haiku等模型对话了。

首先，去ChatBox官网下载并安装客户端。打开后，进入设置（Settings），找到模型提供商（Model Provider）部分。点击“添加”，提供商名称可以填“AiOnly”，类型选择“OpenAI API Compatible”（因为AiOnly兼容OpenAI接口）。

关键配置有两项：

1. API密钥（API Key）：填入你在AiOnly平台获取的API Key。
2. API地址（API Endpoint）：填入AiOnly的统一地址 https://api.aiionly.com/v1。（注意，ChatBox这里只需要到/v1，后面的路径/chat/completions客户端会自动补全）。

配置好后，点击“新建模型”。这里需要填入具体的模型ID，比如Claude 3.5 Haiku的ID是 claude-3-5-haiku-latest（记得先在AiOnly控制台开通这个模型）。给它起个显示名，比如“AiOnly-Claude-Haiku”。保存后，点击“检查连接”，如果显示成功，就说明配置对了。

现在，你就可以在ChatBox里新建一个对话，选择刚刚添加的“AiOnly-Claude-Haiku”模型，开始畅聊了。Claude Haiku的特点是响应速度极快，在代码和逻辑推理上表现均衡，成本还低，非常适合日常高频次的问答。

5.2 在Cherry Studio中接入Gemini 2.5 Flash

Cherry Studio是另一个功能全面的AI助手平台，界面美观，支持知识库等高级功能。接入AiOnly的步骤类似。

安装并打开Cherry Studio后，点击右上角的设置图标。在“模型服务”里，找到“唯一AI”（这通常就是AiOnly的选项）。同样，填入API Key，在API地址栏填写 https://api.aiionly.com（Cherry Studio的配置格式可能略有不同，只需域名部分）。

然后点击“添加模型”。我们这次试试谷歌的Gemini 2.5 Flash，它的模型ID是 gemini-2.5-flash。这个模型在长上下文、多模态理解和性价比方面有独特优势。填写好ID和名称后，点击“检测”。连接成功后，你就可以在对话界面选择这个模型进行测试了。

通过这种方式，你相当于用AiOnly这一个后台，为多个前端客户端提供了统一的模型供应。管理起来非常方便，不用在每个模型的官方平台来回切换了。

6. 避坑指南与效能优化

在实际搭建和运行过程中，我踩过不少坑，也总结出一些让系统跑得更稳、更省钱的技巧。

第一坑：API调用超时与频率限制。 AiOnly的API和所有云服务一样，有调用频率限制。如果你一次性循环处理几十上百条资讯，短时间内密集请求，可能会被限流。解决办法是在循环处理（Split In Batches）节点后，增加一个“Wait”节点，设置每次循环后暂停1-2秒。虽然总时间变长了一点，但稳定性大大提升。N8N也内置了重试机制，可以在HTTP Request节点的设置里配置“失败后重试次数”。

第二坑：AI总结的“废话”太多。 有时候AI生成的总结不够精炼，还是像原文一样啰嗦。这通常可以通过优化“系统提示词（System Prompt）”来解决。不要简单地说“总结一下”，试试更明确的指令，比如：“请用不超过20个中文词总结该资讯的核心事件、技术或产品名称，以及可能的影响。避免描述性语言和背景介绍，直接输出事实要点。”多调整几次提示词，效果立竿见影。

第三坑：HTML邮件在某些客户端显示错乱。 不同邮箱客户端对CSS的支持差异很大。为了最大兼容性，建议邮件HTML使用内联样式（Inline Styles），避免使用复杂的Flexbox或Grid布局。我上面提供的示例用的是最基础的<div>和<style>块，在绝大多数客户端都能正常显示。如果追求更精美的排版，可以考虑使用像MJML这样的邮件专用模板语言，但复杂度会高一些。

关于成本优化： AiOnly采用动态计费，用多少算多少。为了控制成本，你可以：

1. 精选资讯源：只抓取真正高价值的几个源，避免信息垃圾。
2. 控制总结长度：max_tokens参数不要设得太大，150-200通常足够。
3. 选择性价比模型：对于摘要这种任务，不一定非要用最顶级的模型。像Claude Haiku、DeepSeek-V3.2-Exp、Gemini Flash这些模型，在保持不错效果的同时，成本要低很多。可以在AiOnly模型广场对比一下各模型的定价。
4. 设置备用方案：在调用AI的Code节点里，可以加入简单的逻辑，如果新闻内容非常短（比如少于50字），或许可以直接用原文摘要，不必再调用AI，进一步节省token。

最后，别忘了定期“保养”你的工作流。偶尔打开N8N，看看“执行历史”里有没有失败的记录。检查一下你订阅的RSS源是否还有效。根据你阅读日报的实际感受，微调一下AI的提示词。这个系统就像你养的一个数字员工，花一点点时间优化它，它能给你带来的回报是持续而巨大的。当每天早上的咖啡时间，都能收到一份为你量身定制的AI资讯简报时，你会觉得这一切的搭建都无比值得。