需要提前说明的是，本人不会使用本工作流用来写小说并投稿只是用于研究目的，因为写小说这个工作流感觉不简单也不算太复杂，适合用来深入n8n的使用。

会点进这篇文章的人应该都知道n8n是一个开源的工作流自动化平台吧？总的来说，它是一个可以通过配置工作流来实现自动化任务的平台，比如自动化发送邮件、自动化回复邮件等各种可以使用电脑完成的事情， 这些其实通过写程序脚本也能完成， 但是自己写脚本稍微比较烦人的一点是需要去研究各种接口和服务， 而n8n比较突出的一点是集成了各种节点(插件), 这样使用起来就比较方便，不用自己去看各种接口怎么配置，可以从已有的节点中挑选顺手的工具， 而且还有庞大的社区插件可以使用， 这也是我选择n8n而不是dify的原因。

安装n8n

安装有两种办法，这个参考官方文档就行，这里简单概括一下

使用npm安装

使用docker安装

一定要创建一个volume呀， 不然n8n的数据就没办法持久化了

docker volume create n8n_data

docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n

创建工作流

在创建工作流之前，我们首先需要规划一下整个工作流的逻辑。 众所周知的大多数模型都是有输出限制的，比如DeepSeek一般是4096个Token, 差不多3000个汉字左右(似乎实际使用中， 只有2000个汉字左右)， 所以我们需要把小说内容生成分成若干个章节， 然后根据大纲和每章的章节安排来生成每章的小说内容，最后将这些内容组合在一起就可以了。

当然啦，还有号称可以输出超级长文本和有超级上下文的AI模型，这里就不考虑了， 因为我也没有测试过，而且本文的目的也主要是研究怎么使用n8n，而不是真的为了来产生垃圾小说和污染互联网。

我的规划如下

1. 根据用户输入，使用DeepSeek生成标题，大纲，章节安排等
2. 将生成的章节安排通过Loop over items节点来循环生成每章的小说内容
3. 将生成的小说内容组合在一起， 并发送到用户的邮箱中

n8n支持很多的AI模型， 比如DeepSeek, GPT, Gemini(有免费调用额度， 国内使用需要绕一下)等， 这里我使用的是DeepSeek， 因为DeepSeek的输出比较符合我的预期

配置完成后的效果图如下

整个工作流可以分为上下两个部分

• 生成内容
• 发送内容

生成内容的部分, 依次使用了以下节点

• 手动出发节点
• Set节点，用来设置小说主题
• AI Agent节点，用来生成标题，大纲，章节安排等
• Split Out节点，选择对应的章节列表字段，转换成一个列表给后面的Loop over items节点使用
• Loop over items节点，用来循环生成每章的小说安排
• AI Agent节点，用来生成每章的小说内容

发送内容的部分， 依次使用了以下节点

• Code节点，用来将生成的小说内容组合在一起
• Email节点，用来发送邮件

其实可以使用chat trigger

配置AI Agent

第一个Agent的主要注意点是我们需要让ai输出对应的输出格式，这样我们后续才方便遍历章节安排。 点击下图的"required specific output format"按钮，激活之后，agent节点下面就会过一个"+“号

点击”+“号，就可以配置输出格式了， 这里我配置的输出格式如下

{
	"大纲": "California",
	"章节列表": [{
      "index": 0,
      "description": ""
    }],
    "标题":""
}

效果如下

使用中文作为字段名也挺好的。

第二个Ai Agent就不需要指定输出格式了，因为输出就一个文本

DeepSeek的模型配置并不复杂，要配置的选项就一个api key，所以找到deepseek官网充值点钱然后创建一个api key就行。

配置邮箱

不同的邮箱使用可能会有一些差异，我这里使用的是qq邮箱。 要注意的是，在邮箱凭证中填写的邮箱密码不是qq密码，而是qq邮箱生成的一个授权码，我们需要开通对应邮箱的"POP3/IMAP/SMTP/Exchange/CardDAV 服务”, 开通这个服务还需要手机验证，具体的操作方法可以问问百度或者AI，这里就不赘述了。

使用代码聚合内容

我比较习惯使用Python, 所以使用以下代码来聚合最终的内容

# Loop over input items and add a new field called 'myNewField' to the JSON of each one
data = ""
length = len(_input.all())

for index, item in enumerate(_input.all()):
  if index == length - 1:
    data += item.json.output
  else:
    data += (item.json.output + "\n" + "------")
  
return {"data": data}

测试小技巧

测试工作流很简单，点一下"test workflow"就行，但是调用AI Agent可能需要钱或者很慢，所以我们可以在点击"Test App"之后将结果Pin一下，这样后面的节点就可以使用前面Pin住的节点的数据，会快很多。

邮件效果

公网访问

公网访问有很多种方式的啦，比如搞一台有公网ip的服务器，或者使用ngrok或者frp之类的工具内网穿透一下， 这里就不赘述了， 有兴趣的可以自己去了解一下。

这里主要介绍cloudflare的tunnel的使用， 前提是你要有一个域名哈，域名你可以买一个最便宜的或者申请一个免费的域名，我就是用的免费的域名，自己用的话完全够用。

设置tunnel

假设你已经有了cloudflare的账户及域名。 那么你可以到"Zero Trust" -> “网络” -> “Tunnels"创建一个tunnel(隧道) 点击创建隧道之后，根据提示一步步操作就行，我使用的是Cloudflared命令连接隧道。

最后就是配置公网域名映射，我的配置如下

通过这个域名就能访问你内网的服务啦，而且还是https协议的。

使用免费的Gemini接口

如果你有一个代理，并且通过这个代理能拿到Gemini的API Key的话，那么你可以在上一部公网访问的基础上，使用nginx或者caddy之类的web服务器在本地来代理Gemini的API，再通过cloudflare的tunnel转接一下，这样就可以使用免费的Gemini接口了。

我使用的caddy，配置如下

https://你的域名 {
    log {
        output file /var/log/caddy.gemini.log {
                roll_size 100mb
                roll_keep 5
                roll_keep_for 720h
        }
    }
    reverse_proxy https://generativelanguage.googleapis.com {
        header_up Host generativelanguage.googleapis.com
        header_up X-Forwarded-Proto {scheme}
        header_up X-Forwarded-For {remote}
    }
}

工作流文件

本文的n8n的工作流文件内容放在 https://github.com/youerning/blog/blob/master/n8n/novel-workflow.json 了，有兴趣可以自己下载下来看看

总结

个人认为，使用诸如n8n这样的工作流平台要要比自己维护脚本要方便一些，特别是n8n集成了超级多的插件或者说节点之后就用起来很爽，跟代码比起来肯定不够灵活，但是作为工作流平台我觉得已经超级方便了，而且使用大模型也非常的方便