用 n8n 打造每日 AI 新闻简报助手实操指南

为什么需要一个新闻简报 Agent

每天打开十几个网站追踪 AI 行业动态，既耗时又容易遗漏重点。用自动化工作流把这件事交给一个「Agent」，让它自动抓取最新资讯、调用大模型做摘要、再推送给你，是目前最务实的 AI 应用场景之一。

这篇文章基于一则 n8n 实操教程，拆解如何用零代码的方式搭建一个每日新闻简报助手。整个流程的核心是三件事：找到可靠的新闻源、接入免费的大模型做摘要、把它们在 n8n 里串成一条自动化流水线。

第一步：在 n8n 里创建工作流

n8n 是一个开源的工作流自动化工具，可以把不同的服务像搭积木一样连接起来。打开浏览器访问 n8n.io 并登录账户，进入主面板后，点击右上角橙色的 Create Workflow 按钮即可新建一条工作流。

为了让面板保持整洁，建议双击左上角默认的 "My Workflow" 标题，给工作流起一个能直接看出用途的名字，比如「每日 AI 新闻简报」。看似是小细节，但当你后续建立多条工作流时，清晰的命名会省下大量翻找的时间。

n8n（发音类似"n-eight-n"）采用节点式可视化编辑界面，每个「节点」代表一个具体操作——读取 RSS、调用 API、发送邮件等——节点之间用连线传递数据。它既提供云托管的 SaaS 版本，也支持通过 Docker 或 npm 自部署，数据和工作流逻辑都可以完全掌控在自己手中。与 Zapier、Make（原 Integromat）等同类工具相比，n8n 的开源属性使其对调用频率的限制更宽松，更适合需要频繁触发的个人自动化场景。其内置的「AI Agent」节点从 2023 年起逐步完善，可以直接将 OpenAI、Google Gemini 等大模型接入工作流，无需手写 API 调用代码。

第二步：配置 RSS 新闻源

在搭建自动化之前，需要先确定一个稳定的新闻来源。RSS feed 本质上是一条「实时链接」，网站用它来自动发布新文章——这正是自动化抓取的理想入口，因为它结构化、更新及时，不需要爬虫去解析复杂的网页。

具体操作很简单：打开一个新标签页，进入你常看的新闻站点（教程里以 TechCrunch 为例），导航到它的 Artificial Intelligence 分类页面，复制地址栏中的链接。对于 TechCrunch 的 AI 分类，只需在分类页链接末尾加上 /feed/，就能得到该分类的专属 RSS 地址。

这个「在分类 URL 后追加 /feed/」的技巧对大多数基于 WordPress 的媒体站点都适用，是快速找到垂直领域 RSS 源的通用方法。拿到这条链接后，就可以在 n8n 里用 RSS 节点定时拉取最新文章。

RSS（Really Simple Syndication）是一种基于 XML 的标准化数据格式，诞生于 1990 年代末，最初正是为了解决「用户需要主动访问多个网站才能获取更新」的问题。网站发布新内容时，RSS Feed 会自动更新一份结构化清单，包含文章标题、链接、发布时间和摘要。读者只需订阅这条 Feed 地址，就能通过 RSS 阅读器统一接收来自数十个站点的更新，无需逐一打开网页。

对于自动化工作流而言，RSS 比直接爬取网页有明显优势：数据结构固定、无需处理反爬机制、不依赖页面 HTML 结构变动。大多数主流媒体和博客平台（WordPress、Substack、Medium 等）原生支持 RSS，部分平台还为不同分类或标签提供独立的 Feed 地址，方便按垂直领域订阅。

第三步：获取 Google Gemini 的 API Key

抓到原始新闻后，下一步是让大模型帮我们把长文压缩成简报。教程选择了 Google Gemini，因为它提供了免费的使用额度，适合这类个人自动化场景。

打开新标签页访问 aistudio.google.com，用 Google 账户登录后，点击蓝色的 Create API Key 按钮。页面会生成一长串文本，这就是你的 API Key——把它复制下来妥善保存。这串密钥相当于连接 Google Gemini 的安全密码，一旦泄露他人就能用你的额度调用模型，因此不要直接写在公开的工作流或代码里。

拿到 Key 之后，回到 n8n，在对应的 Gemini 节点里导入并绑定这串密钥，就完成了大模型的接入。此后工作流就能把 RSS 抓来的文章正文传给 Gemini，让它输出精炼的摘要。

把三块拼成一条自动化流水线

当新闻源、大模型和 n8n 这三个部件都准备好后，剩下的工作就是把它们串联起来：

• 触发节点：设置一个定时触发器（比如每天早上 8 点），让工作流按时自动运行
• RSS 节点：读取上一步配置的 feed 链接，拉取最新文章
• AI 节点：把文章内容送入 Google Gemini，生成摘要
• 推送节点：将汇总后的简报发送到邮箱、Telegram 或其他你习惯的渠道

这条流水线一旦跑通，就实现了真正意义上的「无人值守」——你不再需要主动去各个网站刷新闻，系统会在固定时间把当天最重要的 AI 动态整理好送到面前。

这类 Agent 的价值与局限

从更大的视角看，这个新闻简报助手是「agentic AI」理念的一个轻量级样本：用自动化工具编排数据流，让大模型在流程中承担它最擅长的一环（理解与总结）。它的门槛极低，全程零代码，普通人用一个下午就能搭完。

当然也要清楚它的边界。RSS 摘要的质量取决于原文和模型的理解力，Gemini 免费额度对调用频率有限制，摘要偶尔也会丢失关键细节。但作为个人信息过滤的第一道关卡，它已经足够实用。更进一步，你还可以把多个新闻源合并、让模型按主题聚类，甚至加上「只保留我关心的关键词」这样的过滤逻辑，把它逐步打磨成一个真正贴合自己需求的信息助手。

提示：原始教程部分语音转写存在明显错误（例如涉及 API Key 步骤的描述有混乱），本文已按照合理的实际操作流程进行了梳理和修正。

「Agentic AI」与传统自动化脚本的核心区别在于：传统脚本按固定规则执行，遇到意外输入就会出错；而引入大模型的 Agent 能在一定程度上「理解」非结构化内容，比如从长度不一、格式各异的新闻全文中提炼出关键信息。这使它能处理那些规则难以穷举的任务。但这也带来新的不确定性——模型的输出是概率性的，同一篇文章的摘要每次运行可能略有差异，且模型可能将不重要的细节放大、或省略专业读者认为关键的数据。因此对于高精度要求的场景（如财经数据监控），通常还需要在 AI 节点之后加入人工审核或规则校验步骤，而非完全依赖模型判断。