打造智能写作工作流：n8n + 蓝耘MaaS平台完整实战指南

优质文章学习记录

— 11 min read
打造智能写作工作流：n8n + 蓝耘MaaS平台完整实战指南

文章目录

一、前言

随着AI技术的快速发展，越来越多的开发者和内容创作者开始探索如何将AI能力集成到自己的工作流中。今天，我们将通过蓝耘平台的MaaS模型服务，结合强大的工作流自动化工具n8n，打造一个智能写文工作流。更令人兴奋的是，蓝耘平台正在推出"送千万Token资源包"福利活动，让更多用户能够免费体验AI的强大能力！

二、环境准备

2.1 注册蓝耘平台并获取API凭证

2.1.1 注册蓝耘MaaS平台

首先访问蓝耘MaaS平台官网进行注册。平台为新用户提供大量免费token，可以充分测试各种模型。

蓝耘注册页面

2.1.2 获取API密钥

登录后，进入MaaS平台选项卡，您将看到多种可调用的AI模型：

在左侧菜单中找到"API KEY管理"，点击"创建API KEY"，系统会生成API密钥。请妥善保存这个密钥，它是连接AI模型的关键。

创建新的API KEY

2.1.3 获取模型信息和接口地址

在MaaS模型广场中，选择您想使用的模型。点击查看详情后，您可以看到模型路径/maas/deepseek-ai/DeepSeek-V3.1，所有AI模型获取模型路径的方式一致。

模型详情页面

蓝耘提供了OpenAI兼容接口，可在MaaS平台文档中找到。

OpenAI兼容接口
💡 福利提醒：现在注册即可获得千万Token资源包，足够支撑大量的AI创作任务！

2.2 安装Docker环境

2.2.1 下载并安装Docker Desktop

首先进入Docker官网下载Docker桌面版：Docker官网

进入到Docker官网后点击Download Docker Desktop去下载Docker桌面版

Docker官网

找到适合我们的版本去下载，这里选择Windows-AMD64。

下载Windows-AMD64的Docker

2.2.2 配置Docker环境

运行Docker的安装程序后，点击OK

Docker安装Configuration


Docker Desktop安装完成

启动Docker Desktop后使用谷歌账号或者Github账号进行登录。

登录Docker Desktop

2.2.3 配置国内镜像源

需要配置Docker的国内镜像源，在Settings中配置Docker Engine，配置完毕后点击Apply&restart应用并重启：

{"builder":{"gc":{"defaultKeepStorage":"20GB","enabled":true}},"experimental":false,"registry-mirrors":["https://registry.cn-hangzhou.aliyuncs.com","https://docker.mirrors.ustc.edu.cn","https://registry.docker-cn.com","http://hub-mirror.c.163.com"]}
配置Docker国内镜像源

2.3 部署n8n工作流平台

2.3.1 拉取n8n镜像

在Images中点击Search images to run搜索镜像并运行。

搜索镜像

在Docker Hub中搜索n8n，然后找到n8nio/n8n点击Pull

搜索n8n镜像


点击Pull拉取n8n

2.3.2 创建并运行n8n容器

拉取成功后点击运行n8n镜像

运行n8n镜像

创建n8n容器配置：

配置项值
Container namen8n
Host port5678
Host pathn8n_data
Container path/home/node/.n8n
创建一个n8n容器

看到打印http://localhost:5678说明运行成功

运行容器

2.3.3 初始化n8n账户

在浏览器中访问http://localhost:5678进入n8n创建账户页面

创建n8n账户

登录后进入到n8n的主页面。至此，我们已经成功部署n8n了。

n8n主页面

三、构建智能写文工作流

现在让我们在n8n中构建一个智能写文工作流，该工作流将能够：

  • 接收写作主题和要求
  • 调用蓝耘平台MaaS模型生成内容
  • 对生成的内容进行优化和格式化
  • 输出最终的文章

3.1 创建工作流基础架构

3.1.1 创建新工作流

在n8n界面中点击 Create Workflow

在n8n中创建工作流

为工作流命名：智能写文助手

给工作流命名为智能写文助手

3.1.2 添加触发器节点

添加Manual Trigger节点作为工作流的起点

添加Manual Trigger节点作为工作流的起点

双击Manual Trigger节点进行配置

双击Manual Trigger节点

点击编辑按钮，配置输入参数：

  • topic： 文章主题
  • style： 写作风格（如：正式、轻松、技术性等）
  • length： 文章长度要求
  • keywords： 关键词（可选）
[{"topic":"请输入文章主题","style":"通用","length":"1000-2000字","keywords":"请输入关键词，用逗号分隔"}]
配置输入参数

3.2 配置AI模型调用

3.2.1 添加HTTP请求节点

添加HTTP Request节点用于调用蓝耘MaaS API

添加Http Request节点

3.2.2 配置请求参数

双击HTTP Request节点进行配置：

基础配置：

  • 请求方式（Method）：POST
  • 请求地址URL：https://maas-api.lanyun.net/v1/chat/completions
配置请求方式和URL

配置Headers（请求头）：

  • 请求头1：Name（Content-Type），Value（application/json）
  • 请求头2：Name（Authorization），Value（Bearer 蓝耘MaaS平台的APIKEY）
启动并配置请求头

配置Body（请求体）：
点击"Send Body"开关后，选择JSON格式，然后输入：

注意：/maas/deepseek-ai/DeepSeek-V3.1这个是蓝耘MaaS平台的模型名称，可以切换成蓝耘MaaS平台中的任意模型。
{"model":"/maas/deepseek-ai/DeepSeek-V3.1","messages":[{"role":"system","content":"你是一个专业的内容创作助手，擅长根据用户需求创作高质量文章。"},{"role":"user","content":"请根据以下要求创作文章：\n主题：{{ $json.topic }}\n写作风格：{{ $json.style }}\n文章长度：{{ $json.length }}\n关键词：{{ $json.keywords }}\n\n请创作一篇结构清晰、内容丰富的文章。"}],"max_tokens":2000,"temperature":0.7}
启动并配置请求体

3.2.3 测试API连接

配置完成后，点击Execute step测试是否能够调通蓝耘MaaS平台的模型

测试是否能够调用蓝耘MaaS平台的模型

3.3 内容处理与优化

3.3.1 添加内容处理节点

添加Code节点进行内容处理

添加Code节点进行内容处理

3.3.2 配置内容处理逻辑

双击Code节点进行配置，语言选择JavaScript：

// 提取AI生成的内容const aiResponse = items[0].json.choices[0].message.content;// 基本的内容格式化let formattedContent = aiResponse .replace(/\n\n/g,'\n\n')// 规范化段落间距.replace(/^\s+|\s+$/g,'')// 去除首尾空白.trim();// 添加文章元信息const metadata ={title: items[0].json.topic ||'未命名文章',createdAt:newDate().toISOString(),wordCount: formattedContent.length,style: items[0].json.style ||'通用'};return[{json:{content: formattedContent,metadata: metadata,originalResponse: aiResponse }}];

点击Execute step测试是否配置成功。

测试Code节点是否有效

3.4 生成Markdown文档

3.4.1 添加文档生成节点

在内容处理节点后，添加一个 Code 节点用于生成 Markdown 格式并下载

添加一个Code节点用于生成Markdown格式并下载

3.4.2 配置Markdown生成逻辑

配置Code节点，实现Markdown文档生成：

// 获取处理后的数据const items = $input.all();const processedData = items[0].json;// 生成 Markdown 内容const markdownContent =`# ${processedData.metadata.title} --- **创建时间：** ${newDate(processedData.metadata.createdAt).toLocaleString('zh-CN')} **字数统计：** ${processedData.metadata.wordCount} 字符 **文章风格：** ${processedData.metadata.style} --- ## 正文内容 ${processedData.content} --- ## 文档信息 - **生成时间：** ${newDate().toLocaleString('zh-CN')} - **文件格式：** Markdown (.md) - **处理状态：** 已完成内容格式化和优化 --- *本文档由 n8n 工作流自动生成* `;// 生成文件名（使用时间戳避免重复）const timestamp =newDate().toISOString().replace(/[:.]/g,'-').slice(0,19);const fileName =`${processedData.metadata.title.replace(/[^\w\u4e00-\u9fa5]/g,'_')}_${timestamp}.md`;// 打印下载信息 console.log(`📁 Markdown 文件已准备完成`); console.log(`📄 文件名：${fileName}`); console.log(`📊 文件大小：${markdownContent.length} 字符`);// 返回可下载的文件数据return[{json:{...processedData,markdown:{content: markdownContent,fileName: fileName,mimeType:'text/markdown',size: markdownContent.length }},binary:{data:{data: Buffer.from(markdownContent,'utf8').toString('base64'),mimeType:'text/markdown',fileName: fileName,fileExtension:'md'}}}];

点击Execute step进行执行，执行完成后，点击Download下载Markdown文件

测试markdown文件是否成功下载

查看Markdown文档内容

正确下载

四、工作流测试与验证

4.1 完整流程测试

首先编辑起点节点，topic主题设置为如何制作排骨当归汤？，点击Save保存

点击Execute workflow执行工作流

执行工作流

4.2 验证输出结果

执行完毕后，下载并查看Markdown文件，验证生成的内容质量

查看markdown

五、总结

通过本教程，我们成功构建了一个基于蓝耘MaaS平台和n8n的智能写文工作流。这个工作流具有以下优势：

部署便捷

  • 使用Docker可以快速在本地搭建n8n环境，无需复杂配置
  • 一键式容器部署，环境隔离性好

高度自定义

  • 可以根据需要调整模型参数、输出格式和处理逻辑
  • 支持多种写作风格和内容类型定制

可扩展性强

  • n8n的节点化设计使工作流可以轻松扩展
  • 可添加更多功能如文本翻译、图片生成、内容审核等

成本效益高

  • 利用蓝耘平台提供的千万Token资源包，可以免费进行大量AI创作实验
  • 相比其他AI服务，性价比更高

自动化程度高

  • 从输入主题到生成格式化文档，整个过程完全自动化
  • 大幅提高内容创作效率，释放创作者时间

Read more

高性能计算综述：AI融合、能效优化与量子计算的挑战

高性能计算综述：AI融合、能效优化与量子计算的挑战

高性能计算文献综述：AI融合、能效优化与量子计算的挑战 摘要 本文对2023-2026年间高性能计算(High-Performance Computing, HPC)领域的英文文献进行系统综述，重点分析三大核心主题：AI与HPC的深度融合、能效优化技术的快速发展以及量子计算与HPC的协同探索。研究发现，HPC正经历从"算得快"到"算得准、算得省、算得绿"的范式转变，异构计算架构（CPU+GPU/FPGA）成为主流，液冷技术渗透率超过40%，而量子计算在短期内难以完全取代经典HPC，但混合架构在特定场景（如量子化学模拟）展现出潜力。同时，容器化技术在解决软件环境隔离问题的同时带来了性能开销，边缘HPC面临实时性与资源调度的挑战。本文指出未来研究空白在于：边缘HPC的动态调度与容错机制、量子-HPC的边界场景界定、以及绿色计算标准的统一制定。这些发现为HPC领域的研究者和从业者提供了系统性参考，有助于把握技术发展趋势并识别潜在研究机会。 关键词：高性能计算；AI融合；液冷技术；量子-HPC混合架构；边缘计算；能效优化

OpenClaw Scanner：开源利器出鞘，筑牢自主AI Agent安全防线——技术解析、实操指南与前瞻展望

随着生成式AI技术的飞速迭代，自主AI Agent（智能代理）已从实验室走向企业实际应用，成为提升工作效率、自动化复杂任务的重要工具。但与此同时，未授权、高权限自主AI Agent的无序部署，正逐渐成为企业网络安全的“隐形炸弹”。 在此背景下，Astrix Security于2026年2月正式推出OpenClaw Scanner——一款免费开源、零侵入的安全检测工具，专为精准识别企业环境中OpenClaw（曾用名MoltBot、ClawdBot）自主AI Agent的运行轨迹与潜在风险而生，其核心优势聚焦于“只读接入、本地运行、无端点执行、数据不出内网”，既兼顾检测效率，又最大限度保障企业数据安全，为企业应对自主AI Agent带来的安全挑战提供了轻量化、可落地的解决方案。 一、行业背景：自主AI Agent的崛起与OpenClaw的安全隐患凸显 近年来，自主AI Agent凭借“自主决策、跨场景交互、可扩展能力”三大核心特性，在企业办公自动化、代码开发、跨系统协同等场景中快速普及。这类智能代理能够自主理解任务需求、调用相关工具、
OpenClaw保姆级教程：打造你的24小时AI全能助理

OpenClaw保姆级教程：打造你的24小时AI全能助理

OpenClaw保姆级教程：打造你的24小时AI全能助理 最近AI圈被一个叫OpenClaw的工具刷爆了，圈内人都喊它**“小龙虾”**。 有人靠它卧床14天搭建8个AI智能体替自己办公，除夕夜自动给611人发个性化拜年文案，还产出6篇公众号内容、做了播放量30万+的短视频；有人用它处理工作邮件，每天直接省出25分钟，效率翻了20倍。 这哪里是简单的AI工具——分明是能24小时替你干活、越用越懂你的全能个人助理！ 关键是它开源免费，最低7.9元就能起步体验。不管你是职场打工人想提升效率，还是创业者想打造“一人公司”，甚至是纯新手不懂技术，看完这篇保姆级教程，都能轻松拿捏“养龙虾”的秘诀，让AI成为你的生产力杠杆！ 官网地址：https://github.com/openclaw/openclaw 官网文档：https://docs.openclaw.ai/zh-CN/gateway 一、先搞懂：OpenClaw到底牛在哪？为什么全网都在养“龙虾”？ 提起AI个人助理，很多人都踩过坑——看似功能多，实际笨手笨脚，

从零部署 Ollama + Qwen 3.5 + OpenClawbot：在本地跑起来你的免费 AI 助手

这篇文章只干一件事： 帮你在一台机器上，把 Ollama + Qwen 3.5 + OpenClaw(OpenClawbot) 整套环境部署起来，并验证能正常聊天。 不讲太多概念，更多是命令 + 配置 + 排错，适合你边看边敲。 一、整体架构先说清楚 这一套技术栈里，各组件的分工是： * Ollama：本地大模型运行引擎，相当于“模型服务端” * Qwen 3.5：具体的大模型（如 qwen3.5-0.8b），在 Ollama 里跑 * OpenClaw / OpenClawbot：在上面封一层“智能代理 + 多通道机器人”（终端、Telegram、后面你也可以接微信等） 简单理解为： 你/用户  →  OpenClawbot  →  Ollama API(http: