n8n 35. AI 全自动写作系统：深度研究、排版、配图 n8n 工作流一键搞定

引言

写一篇深度文章要花多长时间？如果从选题开始算——确定方向、搜集资料、撰写初稿、配图排版——一篇万字长文至少需要一整天。如果你运营一个博客或公众号，要持续产出，这个时间成本是吃不消的。

我是翔宇。翔宇在内容生产实践中验证过这套系统——从选题到成品文章的质量已经能满足直接发布的标准。

我设计了一套 n8n 自动化写作系统，它能做到这样一件事：你给它一个关键词，比如"跨境电商如何选品"，它会先通过访谈式对话帮你拆解出 40 个核心问题，引导你选择研究方向，逐轮深化提示词，最终自动生成一篇图文并茂、排版精良的万字深度文章。

这不是简单的"让 AI 帮你写篇文章"。整个系统的设计理念是：提示词决定独特性，自动化释放效率。AI 写出的内容是否有价值，完全取决于你喂给它的提示词质量——而这套工作流的前半段，就是帮你打磨出一个高质量的、带有个人世界观和方法论的提示词。

你将学到

• 构建 AI 研究代理：通过多轮访谈机制，将模糊想法转化为清晰的研究框架
• 元提示词工程：让 AI 生成"大师级"提示词集，驱动大模型产出深度长文
• n8n 迭代遍历机制：不依赖外部数据库，原生实现多轮对话的历史保存与轮询
• AI 智能配图的核心突破：从"单图打分"到"多图编辑式筛选"的方法革新
• 80% 自动化甜点区理论：为什么追求 100% 自动化反而效益最低
• 主工作流 + 子工作流的协作架构设计
• 文章 Markdown 标准化处理与分段配图的完整实现

视频教程

本教程配套视频已发布在 YouTube，建议搭配视频一起学习效果更佳。

详细教程

工作流整体架构

整个系统分为主工作流和子工作流两部分。

主工作流负责研究启动：用户在表单中输入关键词、知识水平、学习目的和研究深度。工作流先用 Gemini 生成 40 个核心问题（覆盖"是什么""有什么""如何做""怎么用"四个认知层次），用户选择一个方向后，进入多轮访谈——每一轮大模型都会提出更深层次的问题，你的回答和之前的对话历史一起传入下一轮，逐步深化研究框架。访谈结束后，系统自动生成一个完整的深度研究提示词。

子工作流负责内容生产：接收提示词后，通过 302 AI 的 Deep Research 或手动输入的研究报告，进行文章标准化处理（格式化为 Markdown）、自动配图（关键词生成 -> Google Image 搜索 -> PDF 组合 -> Gemini 多模态筛选）、最终输出完整的图文混排文章。

访谈式提示词生成的灵感

这个多轮对话的设计灵感来源于马斯克的访谈。我发现在深度访谈中，主持人和受访者之间的问答碰撞，往往能激发出比单向输出更有价值的思考。

我把这个过程搬到了 AI 工作流中：第一步输入关键词生成 40 个选择题（不是填空题），用户选一个方向；第二步进入多轮访谈，大模型问你问题、你回答、它根据回答继续追问——每一轮都把之前所有的问答历史传入上下文。轮数越多，研究框架越精细。

这种方式的好处是：输入极简（一个关键词即可）、启发性强（针对垂直领域自动生成问题框架）、千人千面（每个人的回答不同，产出的提示词也不同）。

n8n 迭代遍历机制

多轮对话的实现是这套工作流的一个技术创新。以前做对话历史保存，需要先存到 Notion 数据库再读取。现在我直接利用 n8n 原生的节点实现——通过 Loop 节点控制轮数，每一轮把旧问题和新回答一起传入 Edit Fields，大模型基于完整历史生成下一轮问题。

这个机制非常简洁，你可以设置 3 轮、10 轮甚至 30 轮。它不仅用在这套写作工作流中，后续的工作流也会复用这个模式——轮询修改、表单调研、心理辅导，都能用。

80% 自动化甜点区

在开发过程中我总结出一个原则：对于大多数业务，追求 80% 左右的自动化效率是最佳性价比的甜点区。

从 0 到 80% 的自动化，效益持续上升。但从 80% 到 100%，每提升 1%，成本都在急剧上升。因为你要处理各种边缘情况——大模型偶尔不回答、格式偶尔出错、网络偶尔超时——为这些小概率事件设计完善的容错机制，投入产出比极低。

所以我的工作流不追求 100% 无故障运行，而是保证 80% 的场景下达到最高效益。机器做 80% 的苦力，人做 20% 的决策。这是我所有工作流设计的底层逻辑。

AI 配图的核心突破

配图是这套工作流中最有技术含量的模块。

以前的方案是把图片逐张发给 AI 打分，选最高分的。但这就像让一个没有刻度的尺子量长度——AI 缺乏参照物，分数不稳定，而且一张图的小瑕疵可能导致低分但主题其实很贴合。

新方案完全不同：让 AI 从一堆图片里选出最好的那一个。具体做法是——根据文章内容在每个配图位置生成关键词，用 Google Image API 搜索出几十张候选图，按尺寸和质量初筛后打包成一个 PDF，发给 Gemini 多模态模型。模型看到 30 张图一起对比，选出和当前文章段落最匹配的那一张。

这就像我自己配图的过程：搜索关键词，浏览一屏图片，凭直觉选最合适的那张。AI 有了参照系，选择质量大幅提升。

子工作流搭建要点

子工作流的核心流程：

1. 文章接收与分段：因为长文可能上万字，超出大模型单次输出限制，所以用迭代遍历机制把文章按段落切割，每段单独处理 Markdown 格式标准化。

2. 配图关键词生成：Gemini 通读全文后，在需要配图的位置插入占位符，并为每个位置生成精准的英文搜索关键词。

3. Google Image 搜索与筛选：通过 SerpApi 搜索图片，按宽度（800-1200px）和格式筛选，过滤掉无法访问的链接。

4. PDF 组合与多模态筛选：将筛选后的图片通过 Cloudinary 上传到图床，用 PDF.co 组合成一份 PDF，发送给 Gemini 选择最佳配图。

5. 最终汇总：所有段落和配图合并，输出完整的 Markdown 文章，可通过表单直接展示或导出。

成本分析

这套工作流的运行成本相当低：Gemini 有 300 美元免费额度，SerpApi 每月 100 次免费搜索（够 20 篇文章），PDF.co 新用户 1 万积分（够 200 篇以上），Cloudinary 免费套餐足够使用。唯一固定成本是 n8n 云端部署的 5 美元/月。如果使用全自动模式调用 302 AI 的 Deep Research API，每篇报告约十几块钱。

常见问题

Q：提示词能不能直接用在其他平台？
完全可以。我公开的所有提示词都不绑定特定工具——你可以直接复制到 ChatGPT、Kimi、DeepSeek、Claude 的网页端使用。n8n 工作流只是把这套方法固化下来的载体。

Q：分步骤模式和全自动模式怎么选？
如果你注重提示词的个性化调教，选分步骤模式——手动参与访谈、调整方向。如果追求批量产出，选全自动模式，但每篇报告的 API 成本约十几块。我个人更推荐分步骤，花半小时生成 100 个提示词，再手动触发子工作流批量生成文章。

Q：配图有版权风险吗？
Google Image 搜索的图片可能涉及版权。如果用于商业场景，建议使用无版权图库或自行生成 AI 图片。未来的工作流会加入 AI 图片生成功能来替代。

总结

这套工作流的本质不是一个"写作工具"，而是一套"开放的、可复用的 AI 方法"。提示词是公开的，方法论是通用的，n8n 只是盛放这道菜的盘子。

我真正想分享的，是如何通过结构化的访谈机制打磨出独特的提示词，以及如何用 80% 的自动化 + 20% 的人工决策实现最高效率。学会了这种思路，你可以在任何平台、任何工具上复用。

下一期我们将回到视频领域——爆款短视频工作流的全面升级版。

资源下载

• AI 编程实操课：国内版-FlowUS | 国际版-BMC
• n8n 官网：n8n.io
• YouTube 频道：翔宇工作流