n8n实战：10分钟搞定AI新闻聚合+飞书多维表格自动化归档

1. 为什么你需要这个自动化工作流？

每天上班第一件事，是不是就是打开十几个新闻网站、科技博客和行业资讯App，手动复制粘贴最新的消息，然后吭哧吭哧地整理到表格里？我太懂这种痛苦了，以前我也是这么干的，每天花一两个小时，眼睛都看花了，效率还低得可怜。关键是，这种重复劳动毫无价值，纯粹是“人肉搬运工”。

后来我发现了 n8n，一个开源的自动化工具，它彻底改变了我的工作方式。简单来说，n8n就像一个超级能干的“数字员工”，你可以用可视化的方式，像搭积木一样，把“定时抓取新闻”、“用AI分析总结”、“自动存入表格”这些任务串联起来。一旦设置好，它就能7x24小时不间断地为你工作。

今天我要分享的，就是如何用n8n在10分钟内，搭建一个“AI新闻聚合+飞书多维表格自动归档”的完整流水线。这个工作流能帮你自动抓取指定领域的新闻（比如“AI大模型”、“智能硬件”），用AI模型提炼核心要点，并自动整理到飞书多维表格里，形成结构清晰、随时可查的行业日报。无论你是运营、市场分析还是产品经理，这个自动化方案都能让你每天至少省下1小时，把精力真正花在分析和决策上。

2. 零基础部署n8n：5分钟搞定

别被“部署”这个词吓到，现在用Docker安装软件，比在手机上下载App还简单。我保证，就算你从来没接触过命令行，也能跟着我的步骤一次成功。

2.1 安装Docker Desktop：你的自动化“发动机”

Docker可以理解为一个“软件集装箱”系统。n8n以及它运行所需的所有环境，都被打包在一个标准的“集装箱”里。我们只需要把这个“集装箱”拉下来、运行起来，就完成了安装，完全不用操心复杂的依赖和环境配置问题。

第一步，打开你的浏览器，访问 Docker 官网。找到“Docker Desktop”的下载页面，根据你的电脑系统（Windows、macOS 或 Linux）选择对应的版本。这里有个小坑要提醒用苹果电脑的朋友：一定要看清楚你的芯片是 Intel 还是 Apple Silicon（M1/M2/M3），下载错了版本可是跑不起来的。下载完成后，就像安装普通软件一样，双击安装包，一路点击“下一步”即可。安装完成后，你会在任务栏（Windows）或菜单栏（macOS）看到一个小鲸鱼图标，这就代表 Docker 已经在后台运行了。

2.2 拉取并运行n8n镜像：一键启动

打开 Docker Desktop 应用，你会看到一个搜索框。直接在搜索框里输入“n8n”，第一个结果通常就是官方镜像，认准“n8nio/n8n”这个名字。点击旁边的“Pull”按钮，Docker 就会开始从仓库下载这个“软件集装箱”。这个过程需要一点时间，取决于你的网速，喝杯咖啡等一下就好。

下载完成后，切换到“Images”标签页，你就能看到刚刚拉取的 n8n 镜像了。点击镜像右边的“Run”按钮。这里别急着点第二次“Run”，先点击“Run”按钮旁边的小箭头，展开高级选项。我们需要设置两个关键的东西：容器名称和端口映射。名称你可以随便取，比如“my-n8n”。重点是端口映射，我们需要把容器内部的5678端口映射到电脑的某个端口。在“Host port”里填上“5678”，“Container port”保持“5678”不变。这样设置后，我们就能通过电脑的5678端口访问n8n了。

最后，点击“Run”按钮。回到 Docker Desktop 的“Containers”标签页，看到你的容器状态显示为“Running”，就大功告成了！现在，打开你的浏览器，输入 http://localhost:5678，就能看到 n8n 的注册界面了。注册一个账号，邮箱可以填真实的，方便接收激活邮件。注册完登录进去，你会看到一个非常清爽的可视化工作台，这就是我们接下来大展身手的舞台。

3. 配置飞书应用：获取自动化“通行证”

要让 n8n 能够操作你的飞书多维表格，必须先在飞书开放平台创建一个“应用”，并给这个应用授权。这一步是重中之重，很多朋友卡在这里，就是因为用错了飞书账号或者权限没给够。听我的，严格按照下面的步骤来，绝对一次过。

3.1 创建企业自建应用

首先，强烈建议你使用个人的飞书账号，或者你自己拥有完全管理权限的团队飞书。千万不要用公司的工作账号，因为你很可能不是管理员，无法完成后续的权限申请和发布。用浏览器打开飞书开放平台，登录你的个人飞书账号。

在开放平台首页，点击右上角的“开发者后台”。进入后，点击“创建企业自建应用”。应用名称可以起得直白一点，比如“AI新闻自动归档机器人”，描述也写清楚用途。创建成功后，系统会生成 App ID 和 App Secret，这两串字符就是你这个应用的“身份证”和“密码”，务必立即复制保存到本地一个安全的地方（比如记事本），页面关闭后就看不到了。

3.2 添加机器人能力与申请关键权限

创建好应用后，进入应用详情页，找到左侧的“应用能力”菜单，点击“机器人”，然后“启用机器人能力”。仅仅启用还不够，必须发布一个版本，机器人能力才会真正生效。不过我们先不急发布，因为权限还没申请。

接下来是核心步骤：申请权限。我们的机器人需要能创建群聊（如果需要通知）、操作多维表格。在左侧找到“权限管理”，我们需要添加以下这些权限。注意，飞书权限分为“用户权限”和“应用权限”，我们主要关注“应用权限”：

• im:chat：读取群聊信息（基础权限）。
• im:chat:create：创建群聊的权限。
• im:chat:operate_as_owner：以群主身份操作群聊（比如拉人、解散）。
• base:app:create：创建多维表格。这是关键！
• base:app:read：读取多维表格信息。
• base:app:update：更新多维表格内容。
• bitable:app：查看、评论、编辑和管理多维表格（一个比较全的表格权限）。
• im:message 与 im:message:send_as_bot：发送消息的权限（如果你希望机器人把每日摘要推送到群聊）。
• contact:user.id:readonly：获取用户基本信息。

勾选这些权限后，点击“申请权限”。飞书可能会要求你填写申请理由，如实填写“用于自动化工作流，将AI处理的新闻内容自动归档到多维表格”即可。提交后，这些权限通常需要管理员审核。由于你是自己团队的管理员，自己批准自己就行了。批准后，回到“版本管理与发布”，创建一个新版本（比如1.0.0），勾选上刚才申请通过的权限，然后直接点击“发布”。发布成功后，你的机器人就正式上线了。

4. 搭建核心工作流：从抓取到归档

现在，我们进入最激动人心的部分：在 n8n 里搭建自动化流水线。整个过程就像画流程图，我们把不同的功能“节点”拖到画布上，用线连起来，告诉 n8n 先做什么、后做什么。

4.1 安装飞书社区节点

n8n 自带了很多常用节点（比如 HTTP 请求、日期判断等），但飞书相关的节点属于社区贡献的。我们需要手动安装一下。在 n8n 工作台左下角，点击你的头像，选择“Settings”（设置）。然后找到“Community Nodes”（社区节点）菜单，点击“Install”（安装）。在弹出的输入框里，粘贴这个包名：n8n-nodes-feishu-lite，然后点击安装。安装成功后，你在节点列表里搜索“feishu”或“飞书”，就能看到新出现的节点了，它们会带有一个黑色的小立方体图标，以区别于官方节点。

4.2 设计工作流逻辑与配置触发器

我们的工作流逻辑非常清晰，从左到右一共四个核心步骤：定时触发 -> 抓取新闻 -> AI整理格式 -> 写入飞书表格。首先，从左侧节点面板搜索“Schedule Trigger”（定时触发器），把它拖到画布上。这个节点决定了工作流什么时候自动运行。你可以设置为每天上午9点触发，这样每天一上班，新鲜的行业日报就已经躺在表格里等你了。配置很简单，选择“Cron”模式，表达式填 0 9 * * * 就代表每天9点整运行。

4.3 配置新闻数据源（HTTP Request节点）

接下来，我们需要一个获取新闻的源头。这里我推荐使用 NewsAPI，它聚合了全球上万个新闻源，支持关键词搜索，对开发者非常友好。首先，去 NewsAPI 官网注册一个免费账号，获取你的 API Key。免费套餐足够个人日常使用。

然后，在 n8n 画布上添加一个“HTTP Request”节点，把它和定时触发器连接起来。我们需要将这个节点配置为一个 GET 请求：

• URL: https://newsapi.org/v2/everything
• Method: GET
• Query Parameters (查询参数):
  • q: 搜索关键词，比如 artificial intelligence 或 AI
  • from: 新闻发布日期，我们可以用 n8n 的表达式动态获取，比如 {{$now.format('YYYY-MM-DD')}} 表示今天
  • sortBy: 排序方式，填 popularity（按热度）
  • apiKey: 填入你从 NewsAPI 获取的那串密钥

配置好后，你可以先点击这个节点右上角的“Execute Node”单独测试一下。如果一切正常，在输出面板你会看到一串 JSON 数据，里面包含了新闻标题、描述、来源、链接等信息。这就意味着数据成功抓取到了。

4.4 用AI节点清洗与提炼新闻

原始新闻数据是杂乱的，我们需要提取关键信息，并让 AI 帮我们生成一段简短的摘要。这里我们用 n8n 自带的 Code Node（代码节点）和 AI 节点（比如 OpenAI）来配合完成。

首先，拖入一个“Code”节点。它的作用是从上一节点返回的一大堆新闻里，筛选出我们需要的字段，并整理成干净的数组。在代码编辑区（语言选择 JavaScript），你可以写类似下面的代码：

const items = $input.all();
const newsItems = [];

for (const item of items) {
  // 假设NewsAPI返回的数据在item.json.articles里
  const articles = item.json.articles;
  for (const article of articles) {
    newsItems.push({
      title: article.title,
      description: article.description,
      url: article.url,
      source: article.source.name,
      publishedAt: article.publishedAt
    });
  }
}

// 只取前5条最新的
return newsItems.slice(0, 5);

这段代码会把每条新闻的标题、描述、链接、来源和发布时间提取出来，打包成一个新的数组传递给下一个节点。

然后，我们拖入一个 OpenAI 节点（你需要先在 n8n 的 Credentials 里配置好你的 OpenAI API 密钥）。将这个节点连接到 Code 节点之后。在 OpenAI 节点的配置中：

• Model: 选择 gpt-3.5-turbo 就够用了，速度快成本低。
• Prompt (指令): 这里就是发挥AI能力的地方。你可以这样写：

你是一个专业的行业资讯分析师。请根据用户提供的新闻条目，完成以下任务：
1. 为每条新闻生成一个不超过100字的核心内容摘要。
2. 根据新闻主题，为其打上1-3个标签，标签用中文，例如“人工智能”、“投融资”、“政策法规”。
3. 以JSON格式输出，包含字段：title（原标题），summary（摘要），tags（标签数组），url（原文链接）。
新闻条目如下：
{{ $json }}

通过这样的指令，AI 就会自动为我们完成信息提炼和打标的工作，输出结构非常规整的数据，完美适配下一步写入表格的需求。

5. 连接飞书多维表格：完成最后一公里

数据经过AI加工后，已经变得规整、有洞察力了。最后一步，就是把它存入飞书多维表格，形成我们可随时查阅、筛选和分享的知识库。

5.1 创建并配置多维表格

首先，在你的飞书里手动创建一个多维表格。表头的设计决定了我们如何存储信息。我建议你创建如下几个字段，注意字段类型全部选择“文本”，包括日期，这样可以避免很多格式错误：

• 新闻标题 (文本)
• 内容摘要 (文本)
• 来源 (文本)
• 原文链接 (文本) -> 可以勾选“作为超链接显示”
• 发布时间 (文本)
• AI标签 (文本) -> 或者使用“多选”类型，如果你希望更美观
• 入库时间 (文本) -> 用于记录这条新闻是何时被自动收录的

表格创建好后，最关键的一步：点击表格右上角的“...”，选择“添加协作者/群组/部门”，在搜索框里输入你之前在飞书开放平台创建的那个应用名称，找到后将其添加为“可编辑”的协作者。这样，n8n 里的机器人才能有权限向这个表格写入数据。

5.2 配置“飞书-新增记录”节点

回到 n8n 画布，从社区节点里找到“Feishu Lite”下的“Add Record”节点，拖到画布上，连接到 OpenAI 节点之后。

在这个节点的配置中，我们需要填写几个关键信息：

• Authentication: 选择“OAuth2”。点击“Create New”创建新的凭证。
• Credentials Name: 起个名字，如“我的飞书机器人”。
• App ID 和 App Secret: 粘贴你之前在飞书开放平台保存的那两串字符。
• 然后点击“Connect”，n8n 会引导你完成一次飞书账号授权。授权成功后，凭证就创建好了。
• Bitable ID (多维表格ID): 这个需要去飞书表格的URL里找。打开你的多维表格，浏览器地址栏的URL中有一长串字符，形如 https://your-domain.feishu.cn/base/Bascn1x2y3z4...?table=tblAbc...。其中 Bascn 开头的部分就是 Bitable ID，复制它填到这里。
• Table ID (表格ID): 同上，URL 中 table= 后面的部分，如 tblAbc...，就是 Table ID。

配置好这些，节点会自动获取表格的字段。你只需要将左侧“Fields to Set”下的字段（如“新闻标题”、“内容摘要”），通过表达式映射器，与前面 AI 节点输出的数据对应起来。例如：

• “新闻标题”字段，选择“Expression”，填入 {{ $json.title }}
• “内容摘要”字段，填入 {{ $json.summary }}
• “AI标签”字段，填入 {{ $json.tags.join(', ') }} (如果tags是数组)

至此，整个工作流就搭建完成了！点击画布右上角的“激活工作流”开关，它就会按照定时器的设置，每天自动运行。你可以立刻点击“执行工作流”来一次试运行。稍等片刻，刷新你的飞书多维表格，就会发现几条带着AI摘要和标签的新闻已经整整齐齐地躺在里面了。

6. 进阶优化与避坑指南

基础流程跑通后，我们可以让它变得更智能、更稳定。这里分享几个我踩过坑后总结的优化技巧。

6.1 错误处理与数据去重

自动化工作流最怕的就是中途出错导致整个流程中断。n8n 提供了强大的错误处理机制。你可以在关键的节点（尤其是 HTTP 请求和飞书写入节点）后，添加一个 “Error Trigger” 节点。当上游节点出错时，这个触发器会被激活，你可以把它连接到发送通知的节点（比如飞书机器人发消息给你），这样你就能第一时间知道哪个环节出了问题。

另一个常见问题是数据重复。如果定时任务每天运行，可能会抓到同一条新闻。解决方法是在写入飞书节点之前，加一个 “Filter” 节点。我们可以用新闻标题或原文链接作为唯一标识。配置过滤规则为“只允许通过之前不存在的记录”。更高级的做法是，在 Code 节点里维护一个简单的已处理链接列表（可以存在一个文本文件里），每次先检查，只处理新链接。

6.2 扩展数据源与丰富AI能力

不要局限于一个 NewsAPI。你可以并行添加多个 HTTP Request 节点，分别抓取不同来源，比如科技媒体的 RSS、特定论坛的 API，甚至是某个微信公众号的聚合服务（通过第三方RSS工具）。然后用 n8n 的 “Merge” 节点把多条数据流合并到一起，再交给 AI 处理。这样你的资讯日报覆盖面会更广。

AI 节点的玩法也很多。除了做摘要和打标，你还可以让它：

• 判断新闻情感倾向（正面/负面/中性）。
• 提取关键实体（公司名、人名、产品名）。
• 与历史新闻对比，判断是否是全新进展。 这些只需要你修改发给 AI 的 Prompt（指令）即可实现，无需更改工作流结构。

6.3 性能监控与成本控制

工作流运行久了，你需要知道它的健康状况。n8n 的“执行历史”页面可以查看每次运行的耗时、状态和数据。对于免费版的 NewsAPI 和 OpenAI API，要特别注意调用频率和用量限制。可以在定时触发器上设置更合理的间隔（比如每6小时一次，而不是每分钟），并在 Code 节点里限制每次处理的新闻条数（比如只处理前10条），有效控制 API 调用成本，避免意外超支。

这个自动化工作流就像你亲手搭建的一个数字助理，一旦运转起来，它就会默默无闻地为你收集、处理、归档信息。你可以把节省下来的时间，用于深度阅读那些真正重要的报告，或者思考更有价值的战略问题。技术的目的从来不是增加复杂度，而是化繁为简，把我们从重复劳动中解放出来。希望这个详细的指南能帮你成功搭建起第一个自动化流水线，感受一下“让机器打工”的快乐。如果在配置过程中遇到任何具体问题，不妨多利用 n8n 每个节点的“测试”功能，一步步排查，问题总能解决的。