综合实战：搭建个人 AI 工作站

学习目标：把前面模块学的 AI 搜索、RAG、No-Code Agent、自动化工作流全部串联——搭建一条完整的"信息获取 → AI 处理 → 内容生成 → 自动分发"流水线——拥有一个 7×24 小时运转的个人 AI 工作站
预计时间：50 分钟
难度等级：⭐⭐⭐☆☆

一、什么是"个人 AI 工作站"

先说结论：个人 AI 工作站不是一台电脑，而是一条流水线——它每天自动获取信息、用 AI 处理、生成内容、推送到你需要的地方。

想象你有这样一个系统：

早 8:00 → AI 已经帮你读完 100 篇文章，摘要写好了
早 8:30 → AI 根据摘要生成了一篇推文草稿
早 9:00 → 推文发到你手机上，你花 2 分钟看一眼→发出一篇推文
中 12:00 → AI 自动追踪的竞品动态推送到飞书
晚 20:00 → 当天的学习笔记自动整理归档

你什么都没做，但它每天在为你工作。这就是个人 AI 工作站的意义——让你的知识工作自动化。

1.1 跟之前的区别

之前的学习笔记：

模块 17 → 你学会了用 AI 搜索获取信息
模块 18 → 你学会了用 Coze 搭 Agent
模块 21 → 你学会了用 n8n/Zapier 搭自动化

这个实战课把这些全部串联——不是单独用每个工具，而是让它们协同工作。

1.2 本案例用到的技术栈

工具	在这个案例中干什么	备选方案
n8n	工作流编排核心（自部署）	Zapier / Make
AI 搜索	获取外部信息	Web Scraper / RSS
OpenAI / Claude	AI 处理核心（总结、生成、分类）	DeepSeek、本地模型
Notion / 飞书	内容存储和分发	Slack、语雀、Obsidian
Coze Agent（可选）	高级 AI 处理步骤	Dify Agent

二、整体架构

2.1 四阶段流程图

┌────────────────────────────────────────────────────────┐
│              个人 AI 工作站 整体架构                      │
├────────────────────────────────────────────────────────┤
│                                                        │
│ ┌─────────────────────────────────────────────────────┐│
│ │  阶段一：信息获取                                    ││
│ │                                                     ││
│ │  [定时触发器] → [RSS 抓取] → [AI 搜索]                ││
│ │  每天 8:00      HN/36Kr/博客   补充搜索热点           ││
│ └─────────────────────┬───────────────────────────────┘│
│                       │                                │
│                       ▼                                │
│ ┌─────────────────────────────────────────────────────┐│
│ │  阶段二：AI 处理                                     ││
│ │                                                     ││
│ │  [去重/过滤] → [AI 总结] → [AI 分类] → [AI 打分]     ││
│ │  已处理的跳过   每篇 100 字  按主题分   按质量排序     ││
│ └─────────────────────┬───────────────────────────────┘│
│                       │                                │
│                       ▼                                │
│ ┌─────────────────────────────────────────────────────┐│
│ │  阶段三：内容生成                                    ││
│ │                                                     ││
│ │  [选择最佳内容] → [AI 生成推文] → [AI 生成日报]       ││
│ │  从处理结果中选    多版本草稿    当日要闻汇总          ││
│ └─────────────────────┬───────────────────────────────┘│
│                       │                                │
│                       ▼                                │
│ ┌─────────────────────────────────────────────────────┐│
│ │  阶段四：分发推送                                    ││
│ │                                                     ││
│ │  [保存到 Notion] → [推送到飞书] → [API 供调用]        ││
│ │  知识库存档      团队 / 个人通知   对外接口           ││
│ └─────────────────────────────────────────────────────┘│
└────────────────────────────────────────────────────────┘

2.2 数据流详解

输入 → 原始文章列表（标题 + URL + 摘要）
  ↓
阶段一输出 → 去重后的文章列表 + AI 搜索补充内容
  ↓
阶段二输出 → 结构化知识条目（标题 + 中文总结 + 分类 + 质量分）
  ↓
阶段三输出 → 推文草稿（3 个版本）+ 日报摘要
  ↓
阶段四输出 → 存 Notion + 推送到飞书/Slack

三、具体配置步骤

3.1 前置准备

n8n 已部署运行（参考第 3 章）
OpenAI 或类似 API Key
Notion 账号 + API Token（可选）
飞书/钉钉/Slack 的 Webhook URL（可选）

如果 n8n 还没部署，现在先跑一下 Docker 部署命令：

bash

mkdir ~/n8n-workstation && cd ~/n8n-workstation
cat > docker-compose.yml << 'EOF'
version: '3.8'
services:
  n8n:
    image: n8nio/n8n:latest
    ports:
      - "5678:5678"
    environment:
      - N8N_BASIC_AUTH_ACTIVE=true
      - N8N_BASIC_AUTH_USER=admin
      - N8N_BASIC_AUTH_PASSWORD=your_secure_password
    volumes:
      - ./n8n_data:/home/node/.n8n
    restart: unless-stopped
EOF
docker compose up -d

3.2 阶段一：配置信息获取

目标：每天早上 8 点自动获取多个来源的信息。

在 n8n 中搭建：

步骤 1.1：定时触发器

添加 Schedule Trigger 节点：

Trigger:
  - Rule: Every Day
  - Time: 08:00

步骤 1.2：RSS 抓取

添加 RSS Feed Read 节点（或 HTTP Request 节点）：

当然也可以直接用 HTTP Request 来抓 RSS：

URL: https://hn.algolia.com/api/v1/search?query=AI&tags=story
Method: GET
Options:
  Response Format: JSON

继续添加 RSS 源。如果有多个 RSS 源，可以克隆这个节点。

推荐 RSS 源：
├─ Hacker News: https://hn.algolia.com/api/v1/search?query=AI&tags=story
├─ 少数派: https://sspai.com/feed
├─ 36Kr: https://36kr.com/feed
└─ 你自己的 Feedly / Inoreader 订阅

把多个 RSS 源的数据合并成统一的格式（用 Merge 节点或 Code 节点）：

javascript

// Code 节点：统一数据格式
const items = $input.all().map(item => ({
  title: item.json.title || item.json.name,
  url: item.json.url || item.json.link,
  summary: item.json.summary || item.json.description || '',
  source: item.json.source || 'unknown',
  published: item.json.pubDate || item.json.published || new Date().toISOString()
}));
return items;

3.3 阶段二：AI 处理流程

目标：对获取到的所有信息进行去重、总结、分类、打分。

步骤 2.1：去重

用 Code 节点实现简单的去重（基于数据库记录判断是否已处理）：

javascript

// Code 节点：去重逻辑
const items = $input.all();
const processedUrls = new Set();

// 存储历史 URL（从某个数据源获取）
// 这里简化处理，实际可以从数据库/文件读取
const history = global.get('processed_urls') || [];

return items.filter(item => {
  if (processedUrls.has(item.json.url)) return false;
  if (history.includes(item.json.url)) return false;
  processedUrls.add(item.json.url);
  return true;
});

步骤 2.2：AI 总结

添加 OpenAI 节点：

Operation: Create Message
Model: gpt-4o-mini  ← 总结任务用 mini 就够了，省 Token

System Prompt:
你是一个技术文章摘要助手。用中文给每篇文章写一个 100 字以内的摘要。
要求：
1. 第一句说清楚"讲了什么"（核心结论）
2. 第二句补充"为什么重要"（价值判断）
3. 不要写"本文介绍了"这种废话

User Message:
---
标题：{{ $json.title }}
原文：{{ $json.summary }}
---

输出格式（JSON）：
{"summary": "摘要内容"}

javascript

// 后续的 Code 节点：解析 AI 输出
const items = $input.all();
return items.map(item => {
  let aiOutput = item.json.ai_output;
  // 尝试解析 JSON
  try {
    const parsed = JSON.parse(aiOutput);
    item.json.ai_summary = parsed.summary;
  } catch(e) {
    item.json.ai_summary = aiOutput;  // 非 JSON 格式就直接用
  }
  return item;
});

步骤 2.3：AI 分类

添加另一个 OpenAI 节点（用更便宜的模型）：

Model: gpt-4o-mini
Prompt:
判断这篇文章属于哪个类别：
- AI/技术
- 产品/商业
- 学术/研究
- 效率/工具
- 其他

标题：{{ $json.title }}
摘要：{{ $json.ai_summary }}

只输出一个类别名称。

步骤 2.4：AI 质量打分

再添加一个 OpenAI 节点：

Model: gpt-4o-mini
Prompt:
给这篇文章的质量打分（1-5 分），标准如下：
5分：颠覆性观点或有重大价值
4分：有实质性内容，值得一读
3分：一般性内容，普通价值
2分：标题党或内容浅薄
1分：无关或低质内容

标题：{{ $json.title }}
摘要：{{ $json.ai_summary }}

只输出数字（1-5）。

3.4 阶段三：内容生成

目标：从处理结果中筛选高质量内容，生成推文草稿和日报摘要。

步骤 3.1：筛选高质量内容

用 IF 节点：

Condition: {{ $json.quality_score }} >= 4 AND {{ $json.category }} != "其他"

只保留质量分 4 以上且分类明确的文章。

步骤 3.2：生成推文草稿

添加 OpenAI 节点（这次用好模型）：

Model: gpt-4o

System Prompt:
你是一个 AI 领域的社交媒体运营。基于以下文章生成 3 条推文草稿。
风格：简洁有力，适合中文社交媒体传播。

用户 Message:
文章标题：{{ $json.title }}
摘要：{{ $json.ai_summary }}

请输出 3 条推文草稿，每条不超过 140 字，用列表格式：
1. （版本一：直接传达核心结论）
2. （版本二：用提问引发好奇）
3. （版本三：加入个人观点和推荐）

步骤 3.3：生成日报摘要

用另一个 OpenAI 节点：

Model: gpt-4o

System Prompt:
以下是今天的文章汇总。请生成一份日报摘要，包含：
1. 今日核心主题（一句话概括）
2. 3-5 条重点内容（每条一句话 + 来源）
3. 推荐深度阅读（1-2 篇最值得读的）

格式：Markdown

3.5 阶段四：分发推送

步骤 4.1：保存到 Notion

添加 Notion 节点（需要提前配置 Notion Connection）：

Operation: Create Database Item
Database: 你的 Notion 数据库 ID

Properties:
  Title: {{ $json.title }}
  URL: {{ $json.url }}
  AI Summary: {{ $json.ai_summary }}
  Category: {{ $json.category }}
  Quality Score: {{ $json.quality_score }}
  Created: {{ $json.published || now }}

步骤 4.2：推送到飞书 / Slack

以飞书为例（Webhook 方式）：

添加 HTTP Request 节点：

Method: POST
URL: https://open.feishu.cn/open-apis/bot/v2/hook/你的Webhook地址
Headers:
  Content-Type: application/json

Body:
{
  "msg_type": "interactive",
  "card": {
    "header": {
      "title": {"tag": "plain_text", "content": "🤖 AI 早报已生成"}
    },
    "elements": [
      {"tag": "markdown", "content": "今日收录 {{items.length}} 篇文章\n精选 {{highQuality}} 篇\n日报：https://your-dashboard-url"}
    ]
  }
}

如果是 Slack：

Method: POST
URL: https://hooks.slack.com/services/你的Webhook
Body:
{
  "text": "🤖 AI 早报已生成\n今日收录 {{items.length}} 篇文章\n查看详情：https://your-dashboard-url"
}

步骤 4.3：存储当日运行状态

把当日执行摘要也存入本地（用于可观测性：

javascript

// Code 节点：记录执行状态
const items = $input.all();
const stats = {
  date: new Date().toISOString().split('T')[0],
  total_articles: items.length,
  high_quality: items.filter(i => i.json.quality_score >= 4).length,
  categories: {},
  status: 'completed'
};

items.forEach(item => {
  const cat = item.json.category;
  stats.categories[cat] = (stats.categories[cat] || 0) + 1;
});

// 存储到全局变量
const history = global.get('run_history') || [];
history.push(stats);
if (history.length > 30) history.shift();  // 只保留30天
global.set('run_history', history);

return [{ json: stats }];

3.6 完整工作流节点结构

以下是整个 n8n 工作流的节点结构总览：

1. [Schedule Trigger]   ─── 每天早上 8:00 触发
      │
2. [RSS Feed Read]      ─── 抓取 HN 文章（AI 相关）
      │
3. [HTTP Request]        ─── 抓取 36Kr 文章
      │
4. [HTTP Request]        ─── 抓取少数派文章
      │
5. [Merge]               ─── 合并所有数据源
      │
6. [Code: 去重]          ─── 过滤已处理过的 URL
      │
7. [OpenAI: 总结]        ─── 每篇文章写 100 字摘要
      │
8. [OpenAI: 分类]        ─── 判断文章类别
      │
9. [OpenAI: 质量打分]    ─── 1-5 分评分
      │
10. [IF: 质量筛选]       ─── 过滤 4 分以下的文章
      │            │
   [不达标]         │
      │             │
11. [End]            ▼
              12. [OpenAI: 生成推文]  ─── 3 个版本
                      │
              13. [OpenAI: 生成日报]  ─── 当日汇总
                      │
              14. [Notion: 保存]      ─── 存档到知识库
                      │
              15. [HTTP: 飞书通知]    ─── 推送通知
                      │
              16. [Code: 记录日志]    ─── 保存运行状态

四、让工作站持续运行

4.1 部署到服务器

如果 n8n 跑在你的个人电脑上，关机了就不会运行了。要让工作站 7×24 运行：

方案	费用	说明
云服务器（VPS）	$5-10/月	最推荐，一台最低配服务器就够了
NAS 自托管	已有设备	群晖等 NAS 上运行 Docker
Raspberry Pi	$50-80 一次	低功耗，但性能有限
Oracle Cloud 免费版	免费	有免费 ARM 服务器，但注册稍麻烦

最低配置要求：1 核 CPU、1GB 内存、20GB 磁盘——一台最低配的云服务器完全够用。

4.2 设置 SSL 和域名（可选）

如果你需要外部系统（如 Zapier）的 Webhook 访问 n8n：

使用 Caddy 或 Nginx 反代 n8n：
n8n.example.com → localhost:5678
自动 SSL（Caddy 自动搞定）

4.3 监控和维护

bash

# 查看 n8n 日志
docker logs n8n

# 重启 n8n
docker restart n8n

# 更新 n8n 版本
docker pull n8nio/n8n:latest
docker compose up -d

推荐设置：

每周检查一次运行日志
每月更新一次 n8n 版本
每天收到推送（成功的不必管，失败才需要看）

五、拓展和进阶

5.1 增加更多数据源

数据源	接入方式	价值
微信公众号	WeRSS / 公众号采集	中文内容补充
Twitter/LinkedIn	官方 API	行业动态
ArXiv / 论文	API 抓取	学术前沿
播客转文字	Whisper API	音频内容
Newsletter	邮件抓取	深度内容

5.2 增加更多 AI 处理

处理类型	作用
趋势分析	按周/月统计关键词频率，发现趋势变化
知识图谱	提取文章中的实体和关系，建知识图谱
多语言翻译	英文文章自动翻译为中文
情感分析	判断文章情感倾向（正面/负面/中性）
关联推荐	基于已有知识库，推荐相关文章

5.3 结合 Coze Agent

把 n8n 处理后的结果喂给 Coze Agent，让 Agent 做更复杂的处理：

n8n 处理结果 → Webhook → Coze Agent
  │                           │
  │                    [Agent 深度分析]
  │                           │
  │                    [生成更高质量的内容]
  │                           │
  └────────────────── Webhook 回调 → n8n 继续分发

这样 n8n 负责"跑腿调度"，Coze Agent 负责"深度思考"——两个模块串联起来了。

5.4 对团队扩展

如果这个工作站跑得不错，可以考虑扩展到团队场景：

每人一个"个人 AI 工作站"
          ↓
每天输出的内容汇总到"团队知识库"
          ↓
基于团队知识库生成"团队日报"
          ↓
AI 分析知识库中的内容关联 → 自动推荐协作

六、常见问题排查

问题	原因	解决
早上没收到日报	n8n 服务器可能宕机了	检查服务器状态、docker ps
AI 总结全是空的	OpenAI API Key 过期或额度用尽	检查 API 余额
文章全是重复的	去重逻辑没跑通	检查 Code 节点中的 URL 去重逻辑
Notion 没写入	Notion Integration 权限配置不对	重新授权
飞书没收到通知	Webhook URL 配置错误或地址变了	测试 Webhook URL
处理速度太慢	文章太多或 AI 模型响应慢	改用更快的模型（GPT-4o-mini）、分批处理

检验标准

完成本实战后，你应该能做到以下 7 件事：

检验清单

[ ] 能用 n8n 搭建一条完整的"信息获取 → AI 处理 → 内容生成 → 分发推送"流水线
[ ] 能配置 3 个以上不同的数据源（RSS/API/Webhook），并统一数据格式
[ ] 能使用 AI 对内容进行总结、分类、质量打分
[ ] 能实现去重机制，防止同一条内容被重复处理
[ ] 能将处理结果同时保存到知识库（Notion）和推送到通知渠道（飞书/Slack）
[ ] 能配置工作流的错误处理和日志记录，出现问题能快速定位
[ ] 能在云服务器上部署 n8n 并让流水线 7×24 稳定运行

本节小结

回顾要点

✅ 个人 AI 工作站 = 信息获取 + AI 处理 + 内容生成 + 分发推送四阶段

✅ 本案例串起了模块 17（AI 搜索）、模块 18（Coze Agent）、模块 21（n8n 自动化）的全部知识

✅ 具体配置：用 n8n 的 Schedule Trigger → RSS/API 抓取 → OpenAI 总结/分类/打分 → IF 筛选 → 再生成推文和日报 → Notion 存档 + 飞书推送

✅ 部署到 VPS 实现 7×24 运行，最低 $5/月的服务器就够了

✅ 这不是终点——可以继续扩展数据源、增加 AI 处理类型、结合 Coze Agent 深度分析

✅ 从'用工具'到'造流水线'——这才是基础模块的毕业课

← 返回章节目录 | ← 返回 Agent 生态目录

综合实战：搭建个人 AI 工作站 ​

一、什么是"个人 AI 工作站" ​

1.1 跟之前的区别 ​

1.2 本案例用到的技术栈 ​

二、整体架构 ​

2.1 四阶段流程图 ​

2.2 数据流详解 ​

三、具体配置步骤 ​

3.1 前置准备 ​

3.2 阶段一：配置信息获取 ​

3.3 阶段二：AI 处理流程 ​

3.4 阶段三：内容生成 ​

3.5 阶段四：分发推送 ​

3.6 完整工作流节点结构 ​

四、让工作站持续运行 ​

4.1 部署到服务器 ​

4.2 设置 SSL 和域名（可选） ​

4.3 监控和维护 ​

五、拓展和进阶 ​

5.1 增加更多数据源 ​

5.2 增加更多 AI 处理 ​

5.3 结合 Coze Agent ​

5.4 对团队扩展 ​

六、常见问题排查 ​

检验标准 ​

本节小结 ​

综合实战：搭建个人 AI 工作站

一、什么是"个人 AI 工作站"

1.1 跟之前的区别

1.2 本案例用到的技术栈

二、整体架构

2.1 四阶段流程图

2.2 数据流详解

三、具体配置步骤

3.1 前置准备

3.2 阶段一：配置信息获取

3.3 阶段二：AI 处理流程

3.4 阶段三：内容生成

3.5 阶段四：分发推送

3.6 完整工作流节点结构

四、让工作站持续运行

4.1 部署到服务器

4.2 设置 SSL 和域名（可选）

4.3 监控和维护

五、拓展和进阶

5.1 增加更多数据源

5.2 增加更多 AI 处理

5.3 结合 Coze Agent

5.4 对团队扩展

六、常见问题排查

检验标准

本节小结