每日科技新闻到LinkedIn发帖流水线

原文要点

原模板为免费n8n工作流：每日定时触发，按星期几分配选题；调用NewsData.io最新新闻API按国家与类别拉美国科技新闻；Google Gemini从结果中选一篇并先写带原文链接的短摘要；经Jina AI Reader抓全文后，Gemini据此写250-350词LinkedIn帖；再由Gemini生成配图提示词并调用其图像接口产出16:9图；草稿经Slack发送并等待人工批准或拒绝，超时也会结束等待；批准则带图发布到个人LinkedIn，拒绝则直接终止。需在NewsData查询参数、Gemini文本与图像模型、Jina授权头、Slack与LinkedIn凭据处做配置。

这次做成什么

在n8n里搭一条"每日选题→拉新闻→AI选文写帖→AI配图→Slack审批→发LinkedIn"的流水线，并用本站设计的合成新闻数据离线演练一遍选文与写帖提示词，再接入真实凭据。

准备什么

• n8n Cloud或自托管n8n环境，可创建定时触发工作流
• NewsData.io账号及API key，用于Latest News接口查询参数
• Google Gemini API凭据，文本生成与图像生成模型均可用
• Jina AI Reader API key，放在抓取全文的Authorization头里
• Slack工作区OAuth凭据，且send-and-wait交互审批可用
• LinkedIn OAuth2凭据及要发布到的个人账号ID
• 一份本站提供的三篇合成新闻JSON，用于先离线跑通提示词

具体怎么做

1. 配置每日触发与按星期选题

   在工作流开头放Schedule Trigger设为每天运行；后接一个按当前星期几输出选题关键词的节点（本站练习用Code节点：new Date().getDay()映射到一张周一AI、周三网络安全、周五开发者工具之类的表）。输出字段topic供下一步拼查询。

2. 拉取NewsData.io新闻

   添加HTTP Request节点请求NewsData.io最新新闻接口，查询参数填apikey（你的key）、country=us、category=technology，关键词参数引用上一步的topic。先用手动执行确认返回的文章数组字段结构。

3. Gemini选一篇并写摘要

   在Gemini文本节点里粘贴材料一的选文提示词，把上一步的文章标题+描述数组拼进{{articles}}占位处。提示词要求只回JSON：选中的序号、一句理由、150字内中文要点摘要和原文URL。解析JSON后得到selected。

4. Jina抓全文并写LinkedIn帖

   HTTP Request节点用Jina AI Reader抓取selected.url，Authorization头填Bearer加你的Jina key。把返回正文截到合理长度后送入第二个Gemini节点，套用材料二的写帖提示词，生成250-350词英文LinkedIn帖并在结尾保留原文链接。

5. 生成16:9配图

   第三个Gemini文本节点用材料三提示词，从成稿提炼一句英文配图描述；再调Gemini图像生成接口，画面比例设16:9，把返回的图片二进制存到后续节点可引用的字段。

6. Slack送审并等待人工决定

   Slack节点用发送并等待（send-and-wait）模式，把帖子全文、图片和原文链接发给指定审批人，设置等待上限；审批人点批准或拒绝后流程继续，超时视同结束。

7. 按审批结果分支发布

   IF节点判断审批结果：批准则LinkedIn节点用OAuth2凭据把帖子文本与图片发布到你的个人账号（目标person ID按Setup要求替换）；拒绝或超时则流程直接终止不发任何内容。

可直接复制的材料

你是科技内容编辑。下面是今天从新闻API取回的美国科技文章列表（JSON数组，含title/description/url）。\n{{articles}}\n请完成：\n1. 只挑选一篇最适合LinkedIn专业读者、信息增量最高的文章；\n2. 严格只输出如下JSON，不要输出其他任何文字：\n{\"index\": 序号从0开始, \"reason\": \"一句话选择理由\", \"summary\": \"150字以内中文要点摘要\", \"url\": \"所选文章原文链接\"}

你是B2B科技领域的LinkedIn写手。基于下面这篇文章全文，写一篇250-350词的英文LinkedIn帖子：\n- 开头一句钩子，点明这条新闻为什么重要；\n- 中间2-3个短段落讲清事实与影响，避免堆砌形容词；\n- 结尾抛一个开放问题引导评论，并在最后一行附上原文链接 {{url}}；\n- 不使用表情符号堆砌，最多3个相关hashtag。\n文章全文：\n{{content}}

根据下面这篇LinkedIn帖子，生成一句英文AI配图描述，要求：16:9横版构图、扁平插画风格、体现帖子核心主题、不出现任何真实人物面孔和品牌logo、不出现文字。只输出这一句描述本身。\n帖子：\n{{post}}

[{"title":"Acme Cloud launches managed vector database for enterprise search","description":"Acme Cloud announced a fully managed vector database aimed at retrieval-augmented generation workloads, with per-query pricing.","url":"https://example.com/news/acme-vector-db"},{"title":"Open source framework TinyFlow hits 1.0 for local LLM pipelines","description":"TinyFlow 1.0 adds deterministic replay and a plugin API for chaining small language models on laptops.","url":"https://example.com/news/tinyflow-1-0"},{"title":"Chipmaker Noral unveils 2nm AI accelerator sampling in Q3","description":"Noral says its 2nm inference chip doubles tokens per watt versus its previous generation and will sample to partners in Q3.","url":"https://example.com/news/noral-2nm"}]

输入与输出示例

本站虚构演示，提示词输出为示意，未实际调用模型。

输入

把上面三篇合成新闻JSON作为{{articles}}输入材料一提示词，假设当天topic为"AI infrastructure"。

对应输出

{"index":0,"reason":"托管向量数据库直接服务RAG落地，对LinkedIn企业读者信息增量最高","summary":"Acme Cloud发布全托管向量数据库，面向检索增强生成场景，按查询计费，降低企业自建向量检索的运维门槛。","url":"https://example.com/news/acme-vector-db"}\n随后材料二基于该文写出的帖子节选："Enterprise RAG just got cheaper to operate. Acme Cloud's new managed vector database removes the need to run your own vector index, and per-query pricing means costs scale with actual usage rather than idle capacity..."（全篇250-350词，末行附原文链接）

做完检查这些

• Schedule Trigger手动执行后，选题节点能输出当天对应的topic字符串
• NewsData请求返回数组，且Gemini选文节点输出的是可解析的JSON并含url字段
• Jina节点对所选url返回正文文本，写帖节点产出词数在250-350之间并含原文链接
• Slack收到带帖子与图片的审批消息，点批准后LinkedIn测试账号出现带图帖子，点拒绝则不发布

容易卡住的地方

• NewsData免费额度与请求频率有限，topic关键词太窄时可能返回空数组，需给空结果加分支
• Gemini文本模型与图像模型是两套能力，凭据配好不代表图像接口已开通，需分别验证
• Jina Reader对需登录或有强反爬的页面可能抓不到正文，写帖节点要兜底处理空正文
• Slack send-and-wait在等待上限内无人响应会按超时结束，不要把超时误判为批准
• LinkedIn发帖权限依赖OAuth2授权范围，个人账号与组织账号的person ID不能混用