用n8n把大模型接进自动化流程

之前我有过一个模糊的念头，每天早上让我订阅的十几个信息源自动过一遍，有值得看的内容发我一条消息。想法很简单，做起来发现要写爬虫、要接模型、要定时任务、要发通知，自己写全得撸代码，我不想为一个日常小工具开一个项目。

后来用 n8n 把这事搭出来了，前后一个晚上。这篇记录一下过程和踩的坑。

n8n 是个什么东西

一句话，开源的工作流自动化工具，定位类似 Zapier，但可以自己部署，节点之间用连线串起来。它去年加入了大模型节点，接 OpenAI 或者任意一个 OpenAI 兼容接口都行，国内模型走自定义接口也能连。

我部署在阿里云一台最低配的服务器上，docker 一条命令起服务，内存占用两三百兆，跟其他小服务搁一个机器上没冲突。

那个信息过滤流程拆开看

整个流程五个节点。

定时触发，每天早上七点半。一个 RSS 读取节点，把我订阅源的链接填进去，一次拉全部新文章。一个合并节点，把标题和摘要拼成纯文本。然后是大模型节点，提示词让它给每篇文章打分，一到十分，七分以上算值得看，同时用一句话说明为什么。最后是飞书机器人节点，把筛选结果推给我。

跑了两周，每天推给我的条目在三条到八条之间，基本没有漏过真正值得读的，也几乎没有推过垃圾。

踩的三个坑

第一个坑是输出不稳定。大模型节点默认返回自然语言，有时候分数后面带解释，有时候不带，我写解析逻辑就崩了。解决办法是在模型请求里强制 JSON 格式，n8n 有个开关，打开后输出结构就固定了。

第二个坑是长文。有些 RSS 摘要特别长，几个源加起来超了模型的上下文，节点直接报错。我加了一个文本截断节点，每篇只留前八百字，判断一篇文值不值得读，八百字够了。

第三个坑是限流。订阅源多的时候一分钟打几十次模型接口，撞了限流。n8n 节点里可以设批处理间隔，我设成一秒一条，问题消失。

顺手扩展的玩法

这个骨架搭好之后，加东西变得很便宜。我把服务器磁盘告警接进来，告警信息先过大模型翻译成人话再发飞书，现在收到的告警从一条日志变成了一句这机器的日志目录快满了，建议清理，我妈都能看懂。

还做了个客户消息的初步分类，分类结果路由到不同的处理分支。

体会是这类工具的价值不在于单个节点多强，而在于把模型当成流程里一个普通的螺丝钉。以前觉得用 AI 要写个应用，现在发现大部分需求只是在一个既有的流程中间插一脚，n8n 干的就是这个插一脚的活。