前言：從情報員到分析師，讓 AI 為你閱讀

在過去幾天的旅程中，我們已經將 n8n 從一個單純的通知工具，訓練成了一個能夠監控服務、抓取情報的 24 小時情報員。但很快地，我們就會面臨一個新的問題：資訊過載。

即使 n8n 每天為我們抓取了數十篇最新的技術文章，我們真的有時間一篇篇全部讀完嗎？如果錯過了其中的關鍵資訊怎麼辦？

今天，我們就要為我們的 n8n 工作流裝上「大腦」，引入強大的人工智慧 (AI)。我們將教 n8n 如何在抓取到新文章後，自動爬取全文，將其餵給 AI 模型，產生精簡的摘要，最後才將這份「智慧結晶」推播給我們。

我們的目標： 建立一個 n8n 工作流，自動監控 ITHOME 鐵人賽的文章，在有新文章發布時，自動爬取全文，利用 OpenAI 產生三點式摘要，並將摘要與原文連結一同發送到 Discord。

一、核心工作流架構：爬、抓、讀、送

這個流程整合了我們前面學到的多項技能，並引入了全新的 AI 處理環節。

A[RSS Read: 監控鐵人賽新文章] --> B[HTTP Request: 抓取文章網頁];
B --> C[HTML Extract: 提取文章主要內文];
C --> D{IF: 是否成功提取到內文?};
D -- 是 --> E[OpenAI: 產生文章摘要];
E --> F[Discord: 發送摘要與連結];
D -- 否 --> G[結束];`

二、實作步驟詳解 (AI 整合實戰)

步驟 1：RSS Read 節點 (監控資訊源)

這是我們情報的來源，與 Day 23 的設定完全相同。

• 節點類型: RSS Read
• URL: https://ithelp.ithome.com.tw/rss/group/ironman/all
• Update Every: 30 Minutes (由於後續有 AI 處理成本，建議不要設定得太頻繁)

步驟 2：HTTP Request 節點 (爬取文章全文)

RSS Feed 通常只包含摘要 (snippet)。為了讓 AI 能夠理解整篇文章，我們需要回到原文頁面，抓取完整的 HTML。

• 節點類型: HTTP Request
• URL: {{$json.link}} (使用上一個 RSS Read 節點輸出的文章連結)

步驟 3：HTML Extract 節點 (提取關鍵內文)

網頁中充滿了廣告、選單等雜訊，我們需要精準地只提取出「文章本文」這個區塊。

• 節點類型: HTML Extract
• Source Data: HTML
• Extraction Values:

  • Key: articleText

  • CSS Selector: .qa-markdown > .markdown-body

    CSS 選擇器小技巧：這個選擇器是針對 ITHOME 文章頁面結構設計的。.qa-markdown 是包圍整個問答內容的區塊，而 .markdown-body 則是文章內文的精確位置。找到正確的選擇器是網頁爬蟲的關鍵，需要善用瀏覽器的開發者工具 (F12) 來觀察與測試。

  • Return Value: Text (我們只需要純文字內容)

步驟 4：IF 節點 (錯誤處理)

爬蟲並非總是成功。如果 CSS 選擇器失效，上一步的輸出可能會是空的。我們需要一個 IF 節點來處理這種情況，避免將空內容發送給 AI 浪費錢。

• 節點類型: IF
• 條件:
  • Value 1: {{$json.articleText}}
  • Operation: Is Not Empty

只有當 articleText 欄位不是空的時候，流程才會繼續往下走到 AI 節點。

步驟 5：OpenAI 節點 (AI 大腦核心)

這是今天最 exciting 的部分！我們將把文章內文交給 AI 進行總結。

• 節點類型: OpenAI
• Credential: 點擊 Create New，並填入你的 OpenAI API Key。
• Resource: Chat
• Operation: Completion
• Model: 選擇一個高效且成本較低的型號，例如 gpt-3.5-turbo。
• Messages:

  • Role: User

  • Content (Prompt): 在這裡貼上我們給 AI 的指令。一個好的 Prompt 是產生好結果的關鍵。

    `text請你扮演一位資深的技術媒體編輯。請根據我提供的以下文章內容，為我產生一份條列式的繁體中文摘要，包含 3 個最重要的核心重點，並確保總字數在 200 字以內。請直接輸出重點摘要，不要包含任何開頭或結尾的問候語。

    文章內容如下：
    {{$json.articleText}}`

步驟 6：Discord 節點 (發送智慧結晶)

最後，我們將 AI 產生的摘要，連同原文標題與連結，一起發送到 Discord。

• 節點類型: Discord (連接到 OpenAI 節點之後)
• 使用 Embeds:

  • Title: {{$items(0).json.title}}

    表達式注意：由於資料流經多個節點，我們需要用 $items('節點名稱') 或 $items(索引) 的方式，明確指定我們要引用的是第一個節點 (RSS Read) 輸出的標題。

  • URL: {{$items(0).json.link}} (同樣，引用第一個節點的文章連結)

  • Description: {{$json.choices[0].message.content}}

    這是 OpenAI 節點輸出的標準路徑，指向 AI 生成的內容。

  • Color: 選擇一個代表「智慧」的顏色，例如 #3498DB (藍色)。

四、總結：從「資訊收集」到「知識萃取」

恭喜你！你已經成功地將 n8n 從一個只會搬運資料的「工人」，升級為一個能夠理解、分析、並總結資訊的「知識工作者」。

今天，我們不僅複習了資訊監控、網頁爬蟲和資料處理，更掌握了在自動化流程中整合 AI 服務的關鍵能力。這個「AI 摘要產生器」的應用框架，擁有無限的擴充潛力：

• 會議記錄摘要：將會議的逐字稿自動餵給 AI，產生待辦事項。
• 客服郵件分類：讓 AI 判斷客戶來信的意圖（抱怨、詢問、感謝），並自動打上標籤。
• 程式碼註解生成：將一段程式碼交給 AI，自動產生說明文件。

Day 25 的挑戰，為你的自動化技能樹點亮了最閃耀的「AI」天賦點。從今天起，任何重複性的「閱讀」與「總結」工作，都將成為你的 n8n 機器人最擅長的表演舞台。