博客 / 詳情

返回

n8n工作流實戰：讓DeepSeek一鍵拆解100篇公眾號爆文，扒得底褲都不剩（建議收藏）

大家好，我是湯師爺，分享1000個行業智能體案例，致力於幫助100W人用智能體創富~

之前我們搭建了一個n8n工作流，能夠一鍵抓取公眾號爆款文章，自動存入飛書表格。

但問題來了，100多篇文章擺在面前，哪篇值得借鑑？哪篇有爆款潛力？

一篇篇人工分析？太累了。

今天分享一個n8n工作流，讓AI幫你逐篇分析每篇文章，自動給出爆款評分、用户畫像、核心關鍵詞。

分析完成後，結果直接寫入飛書表格。

1.工作流的整體流程

image.png

簡單來説，工作流分三步：

  1. 從飛書表格讀取所有文章
  2. 將每篇文章交給AI分析爆款潛力
  3. 將AI的分析結果自動更新回飛書表格

整個過程全自動，你只需點擊一次運行按鈕。

2.準備工作

開始之前，你需要準備兩樣東西：

2.1 獲取DeepSeek的API密鑰

訪問DeepSeek官網的開放平台管理後台，創建並獲取API密鑰（API key）。

訪問地址：https://platform.deepseek.com/api_keys

按照頁面提示生成你的API密鑰，用於後續的身份驗證和服務調用。

image.png

2.2 創建飛書多維表格並綁定應用

1、新建多維表格

image.png

2、獲取表格token與表格id

image.png

3、點右上角“...”，選擇“更多”->“添加文檔應用”。

image.png

4、選擇“n8n助手”，權限是可編輯。

image.png

3.工作流節點拆解

3.1 Edit Fields節點：配置中心

這個節點存放所有配置參數，方便後續節點調用。

添加一個Edit Fields節點，配置以下3個參數：

  • 表格Token：粘貼你的飛書表格Token
  • 表格ID：粘貼你的飛書表格ID

配置完成後，點擊"Execute step"測試一下。

image.png

3.2 Feishu Lite節點：讀取所有文章

這一步，從飛書表格中讀取所有文章。

添加Feishu Node節點，按以下步驟配置：

  • Credentials：選擇你的飛書機器人
  • Resource：多維表格
  • Operation：查詢記錄
  • 多維表格Token：用表達式引用 $json['表格token']
  • 多維表格ID：用表達式引用 $json['表格id']
  • 請求體JSON：切換到表達式模式，填入：
{
  "page_size": 100
}

運行一下，OUTPUT顯示飛書表格的原始數據。

image.png

3.3 Code節點：提取文章列表數組

這一步的作用是：把飛書返回的數據中，提取出文章列表部分，轉成數組格式，方便後續循環處理。

添加一個Code節點，語言選JavaScript，粘貼以下代碼：

return $input.first().json.data.items;

image.png

3.3 Loop Over Items節點：啓動循環

為了逐篇分析文章，需要使用循環節點。

添加Loop Over Items節點，無需配置，直接關閉窗口即可。

image.png

3.4 Code節點：合併公眾號文章數據

這一步的作用是：把循環中當前這篇文章的所有信息（標題、鏈接、閲讀數等等），整理成一個完整的字符串，方便後面交給AI分析。

簡單來説，就是把分散的數據字段整合在一起，讓AI能夠完整地讀取和分析。

在循環內部，提取當前文章的信息並打包成字符串。

添加Code節點，語言選擇JavaScript，粘貼以下代碼：

const items = $input.all(); 
// 假設目標數組在 items[0].json.data.items 或者 items[0].json.fieldsArray
const arr = items[0].json?.data?.items ?? items[0].json?.fields ?? items.map(i => i.json);

// 將其序列化為字符串（漂亮格式，便於調試）
const str = JSON.stringify(arr, null, 2);

// 返回一個字段 stringified 供下游引用
return [{ json: { stringifiedArray: str } }];

運行一下，OUTPUT為合併後的公眾號文章數據。

image.png

3.5 Basic LLM Chain節點：調用AI分析

這是核心步驟，把文章數據"喂"給AI。

添加Basic LLM Chain節點，配置如下：

  • Source for Prompt (User Message)：define below
  • Prompt (User Message)：粘貼以下內容：
你現在的任務是：
給定一組數據包含 ID、標題、正文、發佈時間、分類、點贊數等信息，分析爆款潛力、用户畫像、文章目標、關鍵詞。

你的輸出要求：
為每條文章打一個 爆款評分（0–100，越高越容易成為爆款）。
給出一句話的 爆款理由。 
給出用户畫像和文章目標。
提取文章的核心關鍵詞。

輸出格式：
必須是一個 JSON ，字段為：{ 爆款指數: 0~100數字 , 爆款理由:'XXXXX', 用户畫像:'XXXX',文章目標:'XXXX',關鍵詞:'XX XX XX' } 

約束條件：
只輸出純 JSON，不要解釋文字。
缺失信息時用合理缺省值（比如分數為 0，理由留空）。

文章如下：
{{ $json.stringifiedArray }}

image.png

3.6 DeepSeek Chat Model節點：使用大模型

在這個節點裏，我們需要告訴n8n使用DeepSeek的AI模型。配置很簡單，主要就兩步：

第一步，選擇模型。在Basic LLM Chain添加DeepSeek Chat Model模型。

image.png

第二步，點擊DeepSeek accout，填入你的API密鑰。還記得前面讓你準備的DeepSeek API Key嗎？在這裏粘貼進去就行。

配置完成後，AI就能讀取文章內容，按照我們給的提示詞進行分析了。

image.png

3.6 Code節點：清理AI返回的數據，讓飛書表格能正常讀取

這一步很關鍵，但經常被忽略。

AI返回的分析結果是JSON格式的文本，裏面可能包含換行符、引號、反斜槓等特殊字符。

如果直接把這些數據寫入飛書表格，大概率會報錯。

所以我們需要先清洗一下數據：把特殊字符轉義成飛書能識別的格式，把數組轉成用頓號分隔的字符串，確保每個字段都符合飛書表格的數據規範。

簡單來説，就是把AI的原始輸出整理成飛書友好格式。

添加Code節點，粘貼代碼：

function escapeJSON(str) {
  if (typeof str !== 'string' || str === null) return str;
  return str.replace(/\\/g, '\\\\').replace(/"/g, '\\"').replace(/\n/g, '\\n').replace(/\r/g, '\\r').replace(/\t/g, '\\t');
}

function safeJoin(data) {
  if (Array.isArray(data)) return data.join('、');
  if (typeof data === 'string') return data;
  return "";
}

const aiResponseString = $json.choices[0].message.content;
const aiData = JSON.parse(aiResponseString);

const fieldsToUpdate = {
  "核心關鍵詞": escapeJSON(safeJoin(aiData.關鍵詞)),
  "爆款指數": aiData.爆款指數 || 0,
  "爆款理由": escapeJSON(aiData.爆款理由 || ""),
  "用户畫像": escapeJSON(safeJoin(aiData.用户畫像)),
  "文章目標": escapeJSON(safeJoin(aiData.文章目標))
};

return { json: fieldsToUpdate }

image.png

3.7 Feishu Node節點：更新表格

最後，將AI分析結果寫回飛書表格。

添加Feishu Node節點，按以下步驟配置：

  • Credentials：選擇你的飛書機器人
  • Operation：更新記錄
  • 多維表格Token：表達式引用{{$('Edit Fields').item.json['表格token']}}
  • 多維表格ID：表達式引用{{$('Edit Fields').item.json['表格id']}}
  • 記錄ID：表達式引用${{$('Loop Over Items').item.json.fields.ID.value[0].text}}$
  • 請求體JSON：切換到表達式模式，粘貼以下內容：
{
  "fields": {
    "AI爆款指數":{{ $json["爆款指數"]}},
    "AI爆款理由":"{{ $json["爆款理由"]}}",
    "用户畫像":"{{ $json["用户畫像"] }}",
    "文章目標":"{{ $json["文章目標"] }}",
    "關鍵詞":"{{ $json["核心關鍵詞"] }}"
  }
}

image.png

3.8 閉合循環

最後一步：從Feishu Node節點拉一根線，連回Loop Over Items節點，形成完整循環。

保存工作流，點擊右上角的"Execute workflow"按鈕運行。

稍等片刻，工作流就會開始執行。你可以在頁面上看到每個節點逐一被激活，數據在各個節點之間流轉。

當所有節點都顯示綠色對勾時，説明執行成功了。這時候打開你的飛書表格，就能看到AI分析的結果已經自動填充到對應的列裏了，爆款指數、爆款理由、用户畫像、關鍵詞，一應俱全。

image.png

4.小結

這套工作流跑通後，選題效率直接翻倍。

以前要手動看100多篇文章，腦瓜子疼。

現在AI幫你分析，打開表格按爆款指數排序，高分文章一目瞭然。

如果你也在做公眾號，強烈建議搭一個，選題再也不用發愁。

本文已收錄於，我的技術博客：tangshiye.cn 裏面有，AI 學習資料，Coze 工作流，n8n 工作流，算法 Leetcode 詳解，BAT 面試真題，架構設計，等乾貨分享。
教程 , 知識 , 人工智能
user avatar
0 位用戶收藏了這個故事！

發佈 評論

Some HTML is okay.