从 0 到 1：我们用 Dify、扣子、n8n 和基座平台搭建写作自动化平台的真实过程
我们是一个小型但聚焦的内容创作团队，目标是构建一个能自动完成行业资讯搜集、大纲生成、内容撰写与多渠道分发的写作平台。核心约束很简单：低成本启动、确保内容版权和数据隐私、以及必须实现商业闭环来支撑团队运营。 我们尝试过市面上的零代码平台，但它们要么无法私有化部署，要么缺乏计费和团队管理能力，直到我们遇到了基座平台。
第一阶段：选型与野心——'为什么不用现成的，非要自己搭？'
最初，我们想过直接使用 Dify 或扣子（Coze）这类优秀的单点智能体平台。但很快遇到了瓶颈：Dify 的工作流强大，但缺乏现成的用户体系和支付能力；扣子体验流畅，但难以深度定制和私有化。我们需要一个能将智能体编排（Dify/Coze）、自动化流程（n8n）、用户管理与商业能力缝合在一起的'底盘'。
团队决策日志片段：
'评估了三个方向：1) 基于 Dify 二次开发，自己写用户和支付模块（预计 3-4 个月）；2) 采购商业 SaaS（年费高昂，数据出不去）；3) 寻找一个开源、可商用、且自带商业模块的基座。选项 3 就是基座平台，Apache 2.0 协议，内置用户、套餐、支付，甚至还有个应用市场。选择它来'胶合'所有组件。'
基座平台的定位——'原生企业智能体应用'基础设施——击中了我们。它的承诺是：提供一个开箱即用的、带商业能力的企业级壳子，让我们能把精力聚焦在'写作'这个核心业务流的构建上，而不是从零开始造轮子。
第二阶段：搭建与'胶合'——当可视化遇到代码
我们按照文档，用 Docker 快速部署了基座平台。过程确实顺畅，不到十分钟，一个带有登录、注册、仪表盘的系统就跑起来了。接下来是核心的三步走：
1. 用基座平台的知识库和智能体，打造'写作大脑'
我们将精选的行业报告、风格指南灌入基座平台的知识库。然后，利用其智能体编排功能，创建了两个核心 Agent：
- '选题分析师'：接入基座平台聚合的多模型 API（我们主要用 DeepSeek），负责分析热点，生成文章大纲。
- '内容撰写员'：基于选定的大纲和知识库内容，进行扩展写作。
2. 用 Dify/扣子 的工作流，丰富'写作手艺'
基座平台支持导入 Dify 和扣子的工作流，这太关键了。我们从社区找到了一个优秀的'标题优化与 SEO 关键词生成'Dify 工作流，将其导入。瞬间，我们的写作流水线就增加了一个专业环节。
技术细节：导入命令与架构
基座平台的导入功能本质上是解析了 Dify 工作流的 JSON 定义，并将其映射到自身的可视化引擎中。这让我们免于重写复杂的逻辑。架构上，基座平台作为主控平台和用户界面，Dify/扣子工作流作为执行单元被无缝调用。
3. 用 n8n 做'自动化脊椎'，串联一切
n8n 负责最脏最累的活：定时爬取行业资讯网站（RSS + 爬虫节点），将初步信息扔给基座平台的'选题分析师'Agent；拿到大纲后，再触发'内容撰写员'；生成初稿后，自动调用基座平台的'标题优化'工作流；最后，将成品投递到我们的 CMS 和社交排期工具。n8n 成了串联基座平台内部能力和外部服务的粘合剂。
第三阶段：凌晨三点的崩溃与重构
最初的架构是线性的：n8n 直接通过基座平台的 API 调用智能体。于是，就发生了开头的崩溃。问题有二：
- 认证与限流：n8n 的多次重试触发了模型供应商的速率限制，而基座平台的 API 层未能完全屏蔽此问题。
- 状态管理：一篇长文的生成涉及多个步骤，状态丢失在复杂的调用链中。
我们的解决方案：
- 引入基座平台的工作流引擎作为缓冲：我们不再让 n8n 直接调用单个智能体，而是在基座平台内部编排了一个更健壮的'写作主工作流'，包含了重试、排队和步骤状态管理。n8n 只负责触发这个'主工作流'并等待其完成回调。这充分利用了基座平台原生工作流的稳定性。
- 优化数据流转：我们将知识库的更新也做成了自动化工作流，确保'写作大脑'的信息是最新的。
