打造全自动 AI 情报官：n8n 联动 Miniflux 与大模型实现全网竞品与热点智能监控

第一步：设置周期巡检触发器 (Schedule Trigger)#

• 添加 Schedule Trigger 节点，设置运行频率为 每 30 分钟 (Every 30 Minutes) 触发一次。
• 经验之谈：不要设置成每秒轮询，既避免被目标 RSS 服务器屏蔽，又保护本地算力。

第二步：从 Miniflux API 获取最新未读条目 (HTTP Request)#

添加 HTTP Request 节点：

• Method: GET
• URL: http://你的Miniflux内网IP:8080/v1/entries?status=unread&limit=20
• Authentication: Generic Credential Type -> Header Auth
  • Header Name: X-Auth-Token
  • Header Value: 你的 Miniflux 专属 API Token
• 该节点会自动拉出过去 30 分钟内入库的所有未读文章原始 JSON 数据（包含标题、正文、作者、链接）。

第三步：大模型轻量初筛与战略研判 (两段式 Prompt 设计)#

在画布中接入 AI Agent 或 OpenAI / Ollama Model 节点。为了极致控制 Token 成本并提升分析质量，我们采用经过长效实测打磨的**“专家情报分析系统指令”**：

1
你是一位服务于顶级投资机构与科技企业的战略情报分析官。
2
请阅读以下输入的文章标题与内容摘要，执行以下严苛任务：
3

4
【输入文章】
5
标题: {{ $json.title }}
6
正文: {{ $json.content }}
7

8
【输出格式规范 (严格 JSON 格式)】
9
{
10
  "score": <打分 1-10>,
11
  "reason": "<1 句话说明打分理由>",
12
  "category": "<技术突破 | 竞品发布 | 商业融资 | 营销水文>",
13
  "takeaways": [
14
    "<核心干货点 1>",
15
    "<核心干货点 2>"
16
  ],
17
  "impact": "<该事件对独立开发者或出海创业者的潜在影响或可借鉴机会>"
18
}

• 模型选型策略 (Experience)：
  • 初筛阶段：优先选用本地搭建的 Ollama 离线模型（如 qwen2.5:7b 或 deepseek-v2.5），速度快、零成本；
  • 深度分析阶段：当评分判定大于 8 分时，子工作流调用 顶尖 AI 模型对比 中推荐的 Claude 3.5 Sonnet，生成高瞻远瞩的商业级分析报告。

第四步：分支路由与自动化下发 (Switch 节点)#

添加一个 Switch (条件分支) 节点，读取大模型返回的 score：

• 规则 A (大于等于 9 分 - 重磅紧急)：
  • 连接 HTTP Request (Bark 推送) 节点：
    • URL: https://api.day.app/你的Key/🚨【战略预警】{{ $json.title }}/{{ $json.takeaways[0] }}?url={{ $json.url }}
    • 实战效果：手机立刻震动并弹出带有跳转链接的红色高优先级卡片，点击即可直达第一现场！
• 规则 B (6 到 8 分 - 优质参考)：
  • 连接 Append to Obsidian / Notion 节点：直接在你的 Obsidian 第二大脑 的 Inbox/2026-10-每日情报.md 文件末尾自动追加格式化要点，无需打扰日常生活。
• 规则 C (小于等于 5 分 - 噪音水文)：
  • 连接 HTTP Request (Miniflux Update) 节点：静默将该条目在 Miniflux 中置为“已读”，全流程彻底无感过滤！

1. 规避大模型幻觉与乱序 JSON#

• 痛点：有时大模型会输出多余的解释文字，导致后续 n8n 节点在解析 JSON 时抛出语法异常（JSON Parse Error）。
• 解法：在 n8n 的大模型节点中勾选 Output as JSON，或者在之后串联一个微型 Code 节点，使用正则表达式提取 { 与 } 之间的纯净内容：

  1
  const text = $input.first().json.output;
  2
  const match = text.match(/\{[\s\S]*\}/);
  3
  if (match) {
  4
      return JSON.parse(match[0]);
  5
  }
  6
  return { score: 1, reason: "Parse failed" };
  

2. 避免并发风暴打满 VPS 内存#

• 如果某个订阅源一口气更新了 50 篇历史文章，n8n 会并发拉起 50 个大模型请求，瞬间将 VPS 的 CPU 与内存吃满。
• 解法：在 n8n 的流程中引入 Split In Batches (分批处理) 节点，设置 Batch Size: 3，让任务以 3 篇为一组流水线式有序推进。

3. 多信源交叉验证 (联动自建搜索)#

对于评分为满分的突发事件，Agent 可以自主调用我们在 2026 SearXNG 私有搜索指南 中搭建的接口，检索全网其他媒体是否有交叉报道，彻底防范个别网站假新闻误导决策。