AI Agent 自动生成文章描述：SEO 描述、关键词和摘要优化流程

主机选经常收到开发者反馈，手动撰写每篇文章的 SEO 描述和关键词太消耗精力，尤其是面对高频更新的内容站。利用 AI Agent 自动生成文章描述，不仅能提升效率，还能保证元数据的标准化和长尾词覆盖率。本文将分享一套基于 VPS 部署的自动化工作流，结合 n8n 和大模型 API，实现文章发布时的元数据自动填充与优化，解决内容生产环节中的“最后一步”痛点。

构建 AI Agent 自动生成文章描述的实战方案

很多人尝试直接调用 OpenAI 或 DeepSeek 的 API 生成摘要，但往往发现输出格式不稳定，或者生成的描述不够“SEO 友好”。核心问题在于缺乏结构化的提示词工程和闭环的工作流。我们需要搭建一个 AI Agent，它能够接收文章正文，分析核心意图，并严格按照 JSON 格式输出标题、描述和关键词。

本地模型与 API 服务的选型考量

在 VPS 上部署此类 Agent，首先要算清账。如果只是处理文本摘要，不需要太强的推理能力，直接调用 API（如 OpenAI、Claude 或 DeepSeek）性价比最高，速度快且不占用本地算力。如果你对数据隐私要求极高，或者有闲置的 GPU 资源，可以考虑通过 Ollama 部署本地模型（如 Llama 3 或 Qwen），但这需要至少 8GB 以上的显存才能跑得流畅。对于大多数站长和开发者，API 调用模式是首选，省去了维护模型版本的麻烦。

Docker 部署 n8n 自动化环境

n8n 是一个极佳的流程编排工具，非常适合作为 AI Agent 的“骨架”。它能轻松对接 Webhook、HTTP 请求和 AI 节点。使用 Docker 部署 n8n 可以避免复杂的环境依赖，且便于迁移。

执行以下命令快速启动 n8n：

docker run -it –rm \
–name n8n \
-p 5678:5678 \
-v ~/.n8n:/home/node/.n8n \
n8nio/n8n \

启动后，访问 `http://你的服务器IP:5678` 即可进入可视化编辑界面。切记在生产环境中不要直接暴露 5678 端口，建议配合 Nginx 做反向代理，并配置 Basic Auth 或 IP 白名单，防止工作流被恶意触发。

SEO 提示词工程与数据流转

工作流的逻辑并不复杂，但细节决定成败。我们需要设计三个核心步骤：获取文章内容 -> AI 分析处理 -> 回写 CMS 或数据库。

编写高转化率的 Prompt 模板

在 n8n 的 AI Agent 节点中，System Prompt（系统提示词）是关键。不要只写“请帮我写个摘要”，这种指令生成的结果往往千篇一律。我们需要明确角色、任务和输出格式。

参考 Prompt 模板：

text
你是一位资深的 SEO 专家。请阅读提供的文章正文，完成以下任务：
1. 提取 3-5 个核心关键词，关键词之间用英文逗号分隔。
2. 撰写一段 120 字左右的 SEO 描述，描述必须包含核心关键词，语句通顺，能吸引点击，不要出现“本文将介绍”等废话。
3. 输出必须是严格的 JSON 格式，包含 "keywords", "description", "title" 三个字段。

这种强约束的 Prompt 能大幅减少后期清洗数据的工作量。如果你的 CMS 支持标签自动关联，还可以要求 AI 同时输出推荐标签。

处理 JSON 格式输出与异常

AI 模型偶尔会“发疯”，在 JSON 前后加一段解释性文字，导致程序解析报错。在 n8n 中，AI 节点后必须紧跟一个 Code（代码）节点，使用 JavaScript 对返回结果进行清洗和校验。

简单的校验逻辑示例：

javascript
// 尝试解析 JSON，失败则返回默认值
let json;
try {
// 清理可能存在的 Markdown 代码块标记
const cleanText = $json.text.replace(/json/g, '').replace(//g, '').trim();
json = JSON.parse(cleanText);
} catch (e) {
json = {
description: "自动生成失败，请手动检查",
title: $input.item.json.title
};
}
return { json };

加上这道保险，即使大模型输出格式有误，你的工作流也不会中断，保证了系统的鲁棒性。

老鸟叮嘱

部署这套流程时，有几个坑是新手常踩的。第一，不要用 root 账号运行 Docker 容器，创建一个普通用户并加入 docker 组，安全系数更高。第二，API Key 千万别硬编码在工作流里，n8n 支持 Credentials（凭据）管理，把 Key 存在那里，并设置加密。第三，注意 Token 消耗，长文章直接丢给大模型很费钱，建议先加一个文本截断节点，只取前 2000 字作为上下文，对于生成摘要来说完全够用。

FAQ

1. 本地部署 Ollama 生成描述速度够快吗？

如果是 7B 参数量的模型，在 CPU 服务器上生成可能需要几秒到十几秒，能接受即可；如果追求秒级响应，建议使用 API 服务。

2. 生成的关键词准确率如何？

这取决于 Prompt 的调优程度和模型能力。建议初期由人工审核，积累足够的优质样本后，可以进一步微调模型或优化 Prompt。

3. n8n 占用内存大吗？

n8n 基础运行大约需要 500MB 内存，加上 Node.js 运行时，建议 VPS 至少预留 1GB 内存，低配机器建议开启 Swap 分区。

4. 能否直接对接 WordPress 发布？

可以，n8n 有专门的 WordPress 节点，也可以通过 HTTP Request 节点调用 WordPress REST API，实现获取草稿、生成元数据、回写并发布的一键自动化。

通过这套基于 AI Agent 的自动化方案，我们可以将繁琐的 SEO 优化工作交给代码和模型，不仅释放了人力，还能确保元数据风格统一。对于内容量大的站点，这不仅仅是提效，更是运营标准化的必经之路。