我算是个半路出家的运营吧，平时工作需要紧盯着AI圈的各种新工具和新动向，什么新模型发布了，哪个平台又更新了，都得第一时间知道。之前一直用一些现成的资讯聚合，但总觉得不够及时，而且信息太杂了。后来听一个做开发的朋友提了一嘴，说可以用 n8n工作流收集ai最新信息，自动化抓取论坛、博客甚至社交媒体上的消息，我一听就觉得这简直是我梦寐以求的方案！
说实话，我之前对n8n的了解仅限于知道它是个自动化工具，类似更可视化、更亲民版的Zapier。为了搞定这个，我硬着头皮开始研究 n8n本地部署教程。为啥选本地部署？主要是觉得数据在自己手里更放心，而且想着可能自由度更高一些。教程找了不少，Docker拉镜像、改环境变量那套流程走下来，磕磕绊绊总算是把服务跑起来了，登录界面出来的那一刻还挺有成就感。
可问题就出在搭建工作流这一步，真是把我难住了。n8n里面那些节点，什么HTTP Request、RSS Feed、爬虫组件，看着每个都认识，连起来就不知道该怎么让它们听话了。我的构想其实不复杂：定期去抓几个固定的AI资讯网站、一些开发者的推特列表（当然是通过公开API），还有像Hugging Face的模型更新页面，然后把抓到的信息去重、简单过滤一下关键词，最后整理成一个简报，要么发到我的邮箱，要么存到数据库里。
但我卡在了好几个地方。比如，怎么设置定时触发？怎么处理不同来源返回的完全不同格式的数据（有的JSON，有的就是网页HTML）？怎么做一个简单的去重判断？我感觉这每一步都需要一个现成的、被验证过的“套路”或者模板。我自己东拼西凑的流程，不是报错就是漏信息。
另外，在翻社区找解决方案的时候，老是看到别人提 langflow组件介绍，好像能和n8n结合搞更智能的过滤？还有那个 nanobanana2ps插件，名字太怪了，完全不知道是干嘛用的，但好像也在AI工作流圈子里出现过。最让我困惑的是，经常看到讨论里说用到了“Skills”，这个 skills是什么时候出来的？是n8n的新功能吗？还是一个外部工具包？我用的版本里好像没直接看到这个选项。
所以想在这里请教一下有实战经验的各位：
有没有人真的用n8n搭建过类似的AI资讯监控工作流？能不能分享一个大概的框架或者思路，特别是处理多源异构数据和去重这部分？那些听起来很酷的插件和所谓的“Skills”，在实际搭建里是必需品吗，还是“锦上添花”的东西？对于我这种非深度开发者，想实现这个目标，是继续死磕n8n更划算，还是说其实有更现成的工具组合（比如搭配一些低代码平台）？
搞了快一个周末，进度缓慢，感觉头发都掉了几根。真心希望有过来人能点拨一下，救救我这个渴望自动化又困在技术细节里的运营吧！
终于有人说这个了！我搞n8n工作流也差点被那些节点逼疯，特别是HTTP Request返回一堆乱七八糟的HTML，解析起来简直噩梦。后来发现用RSS节点其实更稳，大部分技术博客都有这个。去重的话，我是用“Merge”节点+时间戳+标题关键词hash来做的，虽然土但管用。
那个nanobanana2ps插件好像是社区里一个大佬写的，专门用来解析推特推文里的特定格式（比如AI论文摘要），但依赖的API变动太频繁，早就不维护了。Skills我记得是n8n 1.0版本之后引入的概念，其实就是把一组常用节点打包成可复用的模块，你在节点面板搜一下“Function”或者“Code”看看有没有自带案例。不过说实话，新手不一定马上用得上。
笑死，看到“头发掉了几根”真实共鸣了。我当初也是这么过来的。
作为做数据采集开发的，从技术角度说下多源异构数据的问题。n8n的HTTP Request节点拿到响应后，关键是用“JSON”、“HTML”或者“Binary”这几个转换节点先做初步处理。如果是HTML，强烈建议搭配一个叫“Cheerio”的节点（本质是jQuery服务端版），写选择器比用正则稳多了。JSON就简单了，用“Set”节点直接映射字段。定时触发用“Schedule Trigger”节点，cron表达式网上有生成器。去重的核心思路是生成一个唯一标识符（比如把标题+发布时间md5一下），然后存到n8n自带的“SQLite”里（本地部署默认就有），下次执行时先查库，有就跳过。这个流程需要用到“Function”节点写点js代码，但不超过20行。n8n的优势是可视化，但复杂逻辑还是得碰代码，没办法。
同运营岗，非技术背景。我的经验是别硬刚n8n了……真的，时间成本太高。我现在用的是当贝 Molili + 飞书多维表格。Molili可以当成一个中文版的OpenClaw用，我主要用它来监控几个固定的AI公众号、知乎专栏和少数几个技术论坛（它内置了解析模板）。最开始我也怀疑这玩意儿是不是吹的，毕竟这类工具一大堆。实测了三个月，信息抓取准确率大概有七八成吧，最主要是词元消耗确实低，官方说降低50%，我没细算，但同样的抓取任务，比直接用某些API便宜不少。当然缺点也很明显，自定义源支持有限，太冷门的网站还是得自己写爬虫，而且它输出的结构化数据格式比较固定，你需要自己对接飞书或者别的工具做二次整理。但对于“及时知道大模型动态”这个核心需求，它帮我节省了起码60%的折腾时间。你可以把它当成一个前置的信息聚合器，后面再接自动化工具。
Langflow是另一个东西啦，主要是拖拉拽构建LLM应用链的，和n8n定位不太一样。但确实有人把两者结合，比如用n8n抓取信息，然后把文本扔给通过Langflow构建的AI过滤链（比如用LLM判断相关性）。这对运营来说有点超纲了，除非你们公司有现成的AI中台。你目前的需求，我觉得在n8n里用关键词过滤节点就足够了，先跑起来再说，别追求一步到位。
看了下楼主的描述，感觉是对n8n的核心概念还没理清。节点之间是靠数据流连接的，上一个节点的输出会成为下一个节点的输入。你卡住的“完全不同格式的数据”，需要在中间插入转换节点，把它们变成统一的格式（比如都提取出标题、链接、发布时间这三个字段）。这是构建任何工作流的基本功。建议先别搞太复杂的源，就从一个RSS开始，把“抓取-转换-存储”这个最小链路跑通，然后再加第二个源，考虑合并和去重。网上有挺多“n8n RSS to Email”的模板，可以搜来参考一下结构。
不是，这帖子底下怎么都在认真教学啊？就没人吐槽n8n的文档吗？那玩意儿写得跟没写一样，很多节点说明就一句话，全凭猜和试错。社区模板也是一堆过时的，拉下来十个有八个报错。还有那个UI，节点连多了线都缠在一起，找都找不到。可视化是降低了门槛，但调试复杂度一点没少啊。感觉这工具就适合那种有点技术基础、又爱折腾的人，纯运营想搞这个，得有个愿意随时救火的技术朋友才行吧。
弱弱问一下，所以Skills到底在哪里打开啊？我界面上也没找到……