基于 n8n 与 AI 模型的智能写作工作流实战指南

2.3.1 拉取 n8n 镜像

在 Docker Hub 中搜索 n8n，然后找到 n8nio/n8n 点击 Pull。

2.3.2 创建并运行 n8n 容器

拉取成功后点击运行 n8n 镜像。创建 n8n 容器配置如下：

看到打印 http://localhost:5678 说明运行成功。

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。登录后进入到 n8n 的主页面。至此，我们已经成功部署 n8n 了。

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 AI 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。为工作流命名：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。双击 Manual Trigger 节点进行配置。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"}]

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 AI API。

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://api.example.com/v1/chat/completions

配置 Headers（请求头）：

• 请求头 1：Name（Content-Type），Value（application/json）
• 请求头 2：Name（Authorization），Value（Bearer 您的 APIKEY）

配置 Body（请求体）：

点击"Send Body"开关后，选择 JSON 格式，然后输入：

注意：模型名称可以根据实际使用的 AI 平台进行调整。

{"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}

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 AI 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。

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')
.replace(/^\s+|\s+$/g,'')
.trim();
// 添加文章元信息
const metadata = {
    title: items[0].json.topic || '未命名文章',
    createdAt: new Date().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。

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。

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：** ${new Date(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：** ${new Date().toLocaleString('zh-CN')} - **文件格式：** Markdown (.md) - **处理状态：** 已完成内容格式化和优化 --- *本文档由 n8n 工作流自动生成* `;
// 生成文件名（使用时间戳避免重复）
const timestamp = new Date().toISOString().replace(/[:.]/g,'-').slice(0,19);
const fileName = `${processedData.metadata.title.replace(/[^一-龥]/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。查看 Markdown 文档内容验证结果。

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。

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。

五、总结

通过本教程，我们成功构建了一个基于 AI 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

• 利用平台提供的免费资源包，可以进行大量 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