【EP-18】用 n8n 打造科技資訊自動推送服務，順便聊聊如何學習

用 n8n 做自動化流程，每天早上 6 點，獲取指定關鍵字的英文新聞內容，再用 AI 翻譯成繁體中文，寄信到個人信箱。

Raven

Mar 18, 2025

我做了在 n8n 上做了自動化流程，每天早上6點，從NewsAPI獲取前一日的科技新聞，使用大型語言模型翻譯後，再寄信到個人信箱。

因為我是菜雞，所以我摸索了快要6小時，含整理內容、寫文章，大約就要8小時。

可見 n8n 上手難度不易。

n8n 相比其他自動化平台，算是經濟又實惠了。n8n 本身開源，不用錢，而我部署在 Zeabur 上，每月基本費只要美金 5 元。假設你部署在家裡的電腦上，甚至可以免費。

但是就是難度頗高，令人生畏。

所以今天除了要介紹怎麼打造科技資訊自動推送服務，還要聊聊我是怎麼摸索學習 n8n 的。

1. 設定每日早上 6 點啟動流程

第一個節點，使用 Schedule Trigger。設定如下：

Trigger Interval：選擇 Days。
Days：1，因為每天都要做。
Trigger at Hour：選擇 6am。
Trigger at Minute：不用動。

這裡要注意系統時間，如果你是在你自己的電腦上架設的，可能還不需要調整系統時間。

但是我是在 Zeabur 上設定，系統預設時間是 UTC 時區，我身處台灣，必須使用 UTC + 8。

新增環境變數

進入「環境變數（Environment Variables）」設定
新增一個環境變數
- Key: TZ
- Value: Asia/Taipei
保存設定，然後重新啟動 n8n

2. 在 NewsAPI 取得最新新聞

為什麼要選擇 NewsAPI ，答案很簡單，身為免費仔，NewsAPI 可以讓我每天請求 100 次，不用花錢。

然後它也有名，所以資安方面稍微有一點保障。

第一步請先到 NewsAPI 註冊，網址：

https://newsapi.org/

註冊後就會馬上給你 API Key 。

接著在 Schedule Trigger 節點後面，加上 HTTP Request 節點，設定如下：

Method：Get
URL：NewsAPI 提供兩種選擇，一個是 everything ，一個是 top-headlines ，視自己的需求去設定，這部分可以閱讀 https://newsapi.org/docs/ 。看不懂英文可在瀏覽器上裝沉浸式翻譯。
- 我選擇 https://newsapi.org/v2/everything ，底下參數設定是基於此連結的，如果用top-headlines ，設定應該不太一樣，要查文件。
Send Query Parameters：打開。
Specify Query Parameters：選擇「Using Fields Below」，裡頭有 Name與 Value 的參數設定：
- 第 1 個參數（name:value），要設定前一天的日期。
  - from:{{new Date(Date.now() - 86400000).toISOString().slice(0, 10)}}
- 第 2 個參數，目的同上。
  - to:{{new Date(Date.now() - 86400000).toISOString().slice(0, 10)}}
- 第 3 個參數，設定關鍵字，我要找 AI、大型語言模型、SpaceX、機器人相關的新聞。
  - q:("AI" OR LLMs) OR "SpaceX" OR Robot
- 第 4 個參數，設定文章排序方式，我設定成先以日期為主。
  - sortBy:publishedAt
- 第 5 個參數，語言設定，我只搜尋英文新聞。
  - language:en
- 第 6 個參數，就是你剛剛註冊拿到的 API Key。
  - apiKey:你的 API Key

3. Split Out 節點

現在 NewsAPI 會回傳一個JSON物件，包含了 articles 陣列，格式像是這樣：

{
	"status": "ok",
	"totalResults": 778,
	"articles": [ {新聞內容}, {新聞內容}, {新聞內容} ]
}

現在我們希望逐條處理這些資料，因此必須使用 Split Out 節點，設定如下：

Fields To Split Out：articles
Include：No Other Fields

現在我們就得到了一個純粹的陣列。

4. 使用 Edit Fields(Set) 節點整理資料

因為回傳的內容其實有一些我根本用不到，此時可以先用Edit Fields(Set) 節點初步整理，這裡我在節點上，特別把此節點取名為 cleandata 。設定如下：

Mode：Manual Mapping
Fields to Set：這裡可以用拖拉的方式，從左側的 Input 拉過來，我選擇了，
- author
- title
- description
- url

5. 使用 OpenAI 節點翻譯

這部分必須先到 OpenAI 取得 API Key ，不想用 OpenAI ，也可以用其他節點，如 Basic LLM Chain 或 AI Agent ，然後使用其他家的語言模型。

節點設定如下：

Resource：Text，當然是選文本
Operation：Message a Model
Model：GPT-3.5-TURBO，我覺得翻譯的話，這模型就夠用了，也比較便宜。
Messages：我使用兩個提示詞
- System：給系統的提示詞如下，
  - 你是一名專業的新聞翻譯助手，負責將英文新聞翻譯為繁體中文（台灣用語）。請確保翻譯：使用「手機」而不是「移動電話」使用「軟體」而不是「軟件」使用「影片」而不是「視頻」保持翻譯流暢自然，適合台灣讀者忠實於原文，不要擅自加字或刪減
- User：當作使用者的提示詞，
  - 請將以下新聞內容翻譯為繁體中文（台灣用語），保持專業新聞風格：原文標題: {{$json["title"]}} 原文簡介: {{$json["description"]}}
    如果你發現 {{$json["description"]}} 內容寫了類似 "Add your description here" ，就跳過此新聞內容。
    你必須提供翻譯結果，格式如下，標題：摘要：
Output Content as JSON：打開，其實不打開也可以，但是我還是打開了，希望用 JSON 格式來做後續處理。
Options：這裡是指對於模型的進階設定，
- Number of Completions：1，讓模型產生一個版本翻譯就好，避免浪費我的錢。
- Output Randomness (Temperature)FixedExpression：0.4，要怎麼設定都可以，我是設定0.4，避免讓語言模型過度發揮創意。

這部分送出後，語言模型會逐條翻譯，最後送回翻譯結果，需要一點時間等待。

6. Merge 節點合併來自 cleandata 節點與 OpenAI 節點的資料

我現在把 cleandata 的部分資料送給語言模型翻譯了，但是某些資料我沒有送給它，例如 author 以及 url ，因此現在我們必須把兩份資料合併處理。

cleandata 節點的資料，我設定從 Input 1 進入。

OpenAI 節點的資料，我設定從 Input 2 進入。

不過從哪一個 Input 進入都沒關係，其餘設定如下：

Mode：Combine
Combine By：Position
Number of Inputs：2

7. 將資料轉成 HTML

現在我準備要寄信給我自己，但是在此之前，得先把資料轉成 HTML 格式，比較容易閱讀。

這裡用 Code 節點，寫一個簡單的 JavaScript 程式來轉換資料。

程式如下：

// 取得輸入的 JSON 資料
const items = $input.all();

let htmlContent = `
  <html>
  <head>
    <style>
      body { font-family: Arial, sans-serif; line-height: 1.6; }
      .article { border-bottom: 1px solid #ddd; padding: 10px 0; }
      .title { font-size: 18px; font-weight: bold; }
      .translated-title { font-size: 16px; color: #007bff; }
      .description, .translated-description { margin-top: 5px; }
      .url { margin-top: 10px; font-size: 14px; }
    </style>
  </head>
  <body>
    <h2>昨日新聞</h2>
`;

items.forEach(item => { // 這裡要讓資料依序丟進去
  const data = item.json;
  const translated = data.message.content; // 翻譯後的內容

  htmlContent += `
    <div class="article">
      <div class="translated-title">標題: ${translated["標題"]}</div>
      <div class="title">Title: ${data.title}</div>
      <div class="translated-description">摘要: ${translated["摘要"]}</div>
      <div class="description">Description: ${data.description}</div>
      
      <div class="url"><a href="${data.url}" target="_blank">閱讀更多</a></div>
    </div>
  `;
});

htmlContent += `
  </body>
  </html>
`;

// 傳回 HTML 內容
return [{ json: { html: htmlContent } }];

8. 寄信

終於可以寄信了，請搜尋 Send Email 節點。

首先必須設定 SMTP account ，我是用 Gmail ，所以必須先取得應用程式密碼，不知道怎麼取得的人可以先讀這一篇文章：https://www.raven.tw/p/ep-17-zeabur-n8n

Gmail SMTP 設定

其餘設定：

Operation：Send
From Email：我的 Gmail 地址
To Email：我的 Gmail 地址
Subject：標題我是這樣寫，希望它帶入昨天的日期
- From n8n: 昨日新聞摘要（{{new Date(Date.now() - 86400000).toISOString().slice(0, 10)}}）
Email Format：HTML
HTML：從左側 Input 拖曳過來，可能會是{{ $json.html }}

最後測試看看，成功之後，就可以在工作流上方按下 Active ，讓工作流每日寄信。

JSON 檔我放在 Google Drive ，有需要可以直接取用。

到底要怎樣學習 n8n

n8n 雖然是免費的，但是學習成本也比較高，我最常發生兩大問題：

不知道怎麼處理 JSON 格式資料
不知道 n8n 支援什麼 JavaScript 函式

遇到這類問題，我的方法就是直接問 ChatGPT ，例如在 Windows 環境下，按下 Shift + Windows + s 鍵，擷取特定區塊的圖片。再把圖片貼到 ChatGPT ，詢問 AI 如何設定。

這個方法很好用，解決了許多困難。

可是這麼做還是有個問題，畢竟 n8n 是會改版的，而 ChatGPT 不知道哪一個版本的知識才是正確的。

遇到這個情況，我會點擊節點設定頁面上的「Docs」，會直接連結到該節點的說明文件。你可以透過人工閱讀，也可以直接把連結丟給 ChatGPT 請他確認資訊。

不過我不建議在一開始就丟官方文件連結：https://docs.n8n.io/ ，給語言模型閱讀，因為它不會去讀底下的資料夾。

其實我認為更好的學習方式，應該是把最新版的 n8n 文件資料，做成 RAG 這種知識庫，讓 ChatGPT 回答時能夠依據知識庫的最新資料來回答。另外模型最好也是要採用最新版的，才能確保知識是最新的。

事實上，n8n 官方的確有一份最新資料在 Github 上可供下載，網址：https://github.com/n8n-io/n8n-docs

所以我之後應該會想辦法作一個 RAG ，才能夠加快製作工作流的時間。

你怎麼學習 n8n 的，有什麼好方法嗎？請留言讓我知道。

Discussion about this post

Ready for more?