用 n8n 搭建 RSS → AI 摘要 → 人工审核工作流

这条工作流真正解决的不是“自动写文章”，而是把重复的收集、去重和初步整理交给机器，把判断、核对和表达留给人。这样既节省时间，也能避免模型把错误摘要直接推向读者。

一、先固定输入和输出字段

输入至少保留来源名称、原文标题、原文链接、发布时间和原始摘要。输出建议固定为候选标题、三条事实要点、适合读者、内容分类、风险提醒和原文链接。不要只输出一大段自由文本，否则后续很难筛选和审计。

二、节点顺序

1. Schedule Trigger：每天固定时间运行一次，初期不要设置得过于频繁。
2. RSS Read：逐个读取来源，只保留最近一段时间的新条目。
3. 去重：用规范化后的 URL 或“来源 + 标题”生成唯一键，已存在的条目直接跳过。
4. 规则筛选：先用关键词和来源白名单排除招聘、营销活动、重复发布等低价值条目。
5. AI 整理：要求模型返回严格 JSON，并明确“不确定时标记 unknown，不得猜测”。
6. 写入审核表：保存原文、模型输出、运行时间和审核状态，默认状态必须是待审核。
7. 人工复核：编辑确认事实、补充背景、重写表达后，才进入站点发布流程。

三、提示词应约束什么

提示词应明确任务边界：只根据输入材料提取；不补充输入中不存在的价格、日期和性能数据；区分事实与判断；遇到信息冲突时列出冲突；输出指定字段。相比“帮我写一篇精彩摘要”，这种约束更容易得到稳定结果。

四、失败处理

RSS 超时、模型限流、JSON 解析失败和表格写入失败要分别记录。对网络错误可以有限重试，对内容错误不要无限重试。连续失败的来源应进入人工复查列表，而不是让整条流程停止。

五、上线前测试

• 准备正常文章、重复文章、空摘要、旧文章和明显营销内容各一条。
• 确认重复条目不会再次写入，未知信息不会被模型补全。
• 确认任何异常都不会触发自动发布。
• 抽查至少一周输出，观察来源偏差和误分类，再逐步增加来源。

一条可靠的自动化流程，价值不在于完全无人值守，而在于让人工只处理真正需要判断的部分。