n8n+Gemini自动早报：零成本搭建AI新闻摘要工作流

每天早晨手动刷新闻、筛选AI资讯、整理摘要，这套流程消耗的时间远超阅读本身。海外博主分享了一套基于n8n和Google Gemini的自动化方案，核心思路是用RSS抓取新闻源、用Gemini生成摘要、用Gmail定时投递，全程零代码、零成本。本文拆解这套工作流的搭建逻辑，并补充几个实操中容易被忽略的细节。

工作流整体架构

整套自动化由六个节点串联：定时触发器（Schedule Trigger）→ RSS读取（RSS Read）→ 数量限制（Limit）→ AI Agent（挂载Gemini聊天模型）→ 聚合（Aggregate）→ Markdown转HTML → Gmail发送。

博主在视频中强调，这个顺序不能随意调整。尤其是聚合节点必须放在AI Agent之后、Markdown转换之前，否则邮件会被拆成五封独立发送，而不是一份完整早报。

第一步：获取两个关键凭证

搭建之前需要准备两样东西。一是RSS源地址——以TechCrunch的AI频道为例，在分类页URL末尾加上/feed/即可获得标准RSS链接。这个技巧适用于大多数主流新闻站点，但并非所有网站都开放RSS，部分媒体已逐步弃用该协议，搭建前需先验证链接是否返回有效XML。

二是Gemini API Key。访问Google AI Studio（aistudio.google.com），用Google账号登录后点击创建API密钥，复制生成的字符串并妥善保存。博主特别提醒，这个密钥相当于账户密码，不要直接硬编码在公开的工作流分享中。

据视频演示，Gemini的免费额度足以支撑每天5条新闻的摘要任务，但Google对免费层有每分钟请求数限制，这也是后续必须加Limit节点的原因之一。

n8n 与工作流自动化：n8n 是一款开源的工作流自动化工具，采用可视化节点编排方式，用户通过拖拽节点并连接成管道，即可让不同服务按预设逻辑依次执行。每个节点代表一个操作（如定时触发、HTTP 请求、AI 调用、发送邮件），节点之间传递的数据项（item）构成工作流的状态。n8n 支持自托管，社区版免费，这是本方案实现“零成本”的基础。与 Zapier 等 SaaS 工具不同，n8n 的数据留在自己的服务器上，适合处理包含 API 密钥的自动化任务，但也要求用户自行维护实例的时区、网络和稳定性。

RSS 与 Feed 协议：RSS（Really Simple Syndication）是一种基于 XML 的内容聚合格式，网站将最新文章以标准化结构输出，阅读器或自动化工具按固定地址拉取即可获得标题、链接、发布时间和摘要。它无需登录、不依赖页面结构，因此常被用作新闻抓取的稳定入口。但 RSS 是站点主动提供的功能，近年来不少媒体因商业考量关停或弱化 Feed 输出，所以文中强调搭建前需验证链接是否返回有效 XML。对于不提供 RSS 的站点，通常需要改用网页抓取或第三方 API，复杂度和维护成本都会上升。

第二步：定时触发与新闻抓取

在n8n画布中添加Schedule Trigger节点，将触发间隔设为每天，时间定为早上8点整。这里有个容易踩的坑：n8n默认使用实例所在时区，如果服务器部署在海外，实际触发时间会与预期偏差数小时，需要在设置中手动确认时区。

紧接着添加RSS Read节点，粘贴之前复制的Feed链接。点击Execute Step后，右侧输出面板会立刻显示抓取到的文章列表，包括标题、链接、发布时间和正文摘要。

一个RSS源通常返回20条以上文章。博主指出，全部丢给Gemini会触发速率限制错误，因此需要插入Limit节点，将最大条目数设为5，只处理最新的五条。这个数字可以根据个人阅读习惯调整，但建议不超过10条，否则单次摘要的token消耗和等待时间都会明显上升。

第三步：让Gemini只输出摘要

AI Agent节点是整套流程的核心。博主在Prompt中写入了一段强约束指令，要求模型只输出格式化摘要，不添加开场白、道歉、日期或元评论，直接从第一条标题开始。

这个细节值得展开。大语言模型默认倾向于输出"好的，以下是您要的新闻摘要"之类的客套话，在聊天场景中无伤大雅，但嵌入自动化管道后会污染下游的HTML渲染结果。通过显式禁止元评论，可以显著提升输出的一致性。

在模型插槽中选择Google Gemini Chat Model，绑定之前创建的API Key凭证。

大语言模型的指令遵循与元评论：LLM 在对话式交互中被训练得倾向于先回应请求、再给出内容，因此常输出“好的，以下是摘要”之类的开场白。这类文本在聊天中无害，但在自动化管道里会成为下游渲染的噪声，甚至破坏 Markdown/HTML 的结构。通过在 Prompt 中显式约束输出格式（如“只输出摘要正文，不加任何说明”），可以显著提高输出的可解析性。这一做法属于提示工程中的“格式约束”，在需要机器消费模型输出的场景中，其重要性往往高于内容本身的质量调优。

API 速率限制与免费额度：Gemini API 的免费层按每分钟请求数（RPM）和每日请求数设有配额，超出后请求会被拒绝并返回错误。自动化工作流若一次性向模型提交大量条目，容易在短时间内触发限制，导致部分条目处理失败。Limit 节点的作用正是在进入 AI 环节前削减输入规模，既规避速率限制，也控制 token 消耗与等待时间。理解配额的单位（请求数而非条目数）有助于合理设置并发与批量大小，尤其是在扩展为多 RSS 源时更需提前估算。

第四步：聚合、格式转换与邮件投递

默认情况下，n8n会对每个输入项分别执行下游节点，五篇文章意味着五封独立邮件。Aggregate节点的作用是把五个AI输出合并成一个列表，选择"将所有项聚合为单个列表"即可。

Gemini返回的是Markdown格式文本，直接塞进邮件会显示裸露的星号和井号。Markdown节点切换到"Markdown转HTML"模式，把聚合后的文本字段拖入输入框，粗体和标题就会被转换为标准HTML标签。

最后添加Gmail节点，动作选择发送邮件，发件人和收件人都填自己的地址，邮件类型改为HTML，把转换后的HTML字段拖入正文区域，主题设为"Daily AI News Summary"。点击Test Step，一封排版干净的早报就会出现在收件箱。

测试通过后，点击右上角的Public按钮发布工作流，此后每天早8点自动运行。

几个值得注意的实操细节

RSS源的稳定性是这套方案最大的外部依赖。新闻网站改版、Feed地址迁移、反爬策略升级都可能导致抓取失败，建议在工作流中加入错误处理分支，或在RSS节点后接一个条件判断，当条目数为零时发送告警而非空邮件。

Prompt的鲁棒性同样关键。博主给出的指令针对TechCrunch的英文内容调校，若换成中文新闻源，模型可能仍会输出英文摘要，需要在Prompt中明确指定输出语言。

Gmail的发送限制：免费Gmail账号每日发送量有上限，个人早报场景远不会触及，但如果想把这份摘要分发给团队，就需要换用SMTP服务或专业邮件API。

成本边界：n8n自托管版本免费，Gemini免费层有配额限制。博主方案中每天5条的请求量在免费额度内运行良好，但若扩展到多源、多条目的场景，需要提前估算token消耗。

这套工作流的价值不在于技术复杂度，而在于把"信息获取—筛选—摘要—投递"四个环节压缩成一次配置、长期运行。对于需要跟踪特定领域动态的从业者，稍作改造即可复用到竞品监控、论文追踪、行业政策简报等场景。