AI Agent 内容工作流：选题、写作、审核、配图和发布自动化

内容生产是个苦力活，每天想选题、写文章、找配图、排版发布，这些重复性劳动完全可以用 AI Agent 自动化。在主机选的实战经验中，利用 VPS 部署 n8n 搭建自动化工作流，能大幅提升产出效率。这里不谈空泛理论，直接上干货，教你如何把这套流程跑起来，实现从选题到发布的无人值守。

VPS 环境准备与 Docker 基础

这套工作流的核心是 n8n，它对资源的要求不算太高，但为了保证稳定性，建议至少准备 2GB 内存、1 核 CPU 的 VPS。系统推荐使用 Ubuntu 22.04 或 Debian 12，因为 Docker 兼容性最好。千万别用 Windows VPS 跑这个，坑太多。

先确保 Docker 和 Docker Compose 已安装。没装的，执行下面这行一键脚本，省得一个个依赖去装：

curl -fsSL https://get.docker.com | sh -s docker –mirror Aliyun
systemctl start docker
systemctl enable docker

Docker 部署 n8n 自动化平台

直接用 Docker 跑 n8n 最省心，数据持久化是必须的，不然重启容器工作流就没了。新建一个目录存放配置文件：

mkdir -p ~/n8n_data
cd ~/n8n_data

创建 `docker-compose.yml` 文件，内容如下。这里推荐使用 PostgreSQL 作为后端数据库，SQLite 只适合测试，生产环境跑几天就会锁死。

yaml
version: "3.8"
services:
n8n:
image: n8nio/n8n
restart: always
ports:
– "5678:5678"
environment:
– N8N_BASIC_AUTH_ACTIVE=true
– N8N_BASIC_AUTH_USER=admin # 建议修改默认用户名
– N8N_BASIC_AUTH_PASSWORD=your_strong_password # 务必设置强密码
– N8N_HOST=0.0.0.0
– N8N_PORT=5678
– WEBHOOK_URL=https://your-domain.com/ # 如果用 Webhook，填域名
– EXECUTIONS_MODE=queue # 生产模式必须开队列
– QUEUE_BULL_REDIS_HOST=redis
volumes:
– ./n8n_home:/home/node/.n8n
depends_on:
– redis
– postgres

postgres:
image: postgres:15
restart: always
environment:
– POSTGRES_USER=n8n
– POSTGRES_PASSWORD=n8n_password
– POSTGRES_DB=n8n
volumes:
– ./postgres_data:/var/lib/postgresql/data

redis:
image: redis:alpine
restart: always

启动服务：

docker-compose up -d

访问 `http://你的VPS IP:5678`，输入账号密码就能进后台。注意，默认端口 5678 暴露在公网很危险，建议配置 Nginx 反向代理并套上 SSL 证书，或者用防火墙只允许本地访问，通过 SSH 隧道管理。

构建 AI Agent 内容生产工作流

n8n 的强大之处在于它的 AI Agent 节点，能让大模型根据任务自主调用工具。我们要搭建的工作流包含四个核心环节：选题挖掘、内容生成、人工审核、自动配图发布。

选题 Agent 与数据源接入

选题不能瞎编，得有数据源。可以用 RSS Feed、Google Trends API 或者爬虫抓取竞品热点。

1. 添加Cron节点，设置每天早上 8 点触发。
2. 添加HTTP Request节点，抓取目标站点的 RSS 源或热门榜单。
3. 接入AI Agent节点。模型选择 GPT-4o 或 Claude 3.5 Sonnet，DeepSeek V3 性价比也高。
4. Prompt 大致这样写：“你是一名资深编辑，分析以下热点列表，结合 SEO 关键词，选出 3 个最具爆款潜力的选题，并输出标题和核心论点。”
5. Agent 输出是 JSON 格式，用Edit Fields (Set)节点把数据清洗出来，传给下一个环节。

写作与审核链路配置

拿到选题后，直接扔给写作 Agent。

1. 新建AI Agent节点，配置 System Prompt：“你是一个科技博主，写作风格要犀利、实战，拒绝废话。根据标题和论点撰写一篇 1500 字的文章。”
2. 开启“Memory（记忆）”功能，让 Agent 记住之前的对话，保持上下文连贯。
3. 写作完成后，不要直接发，加一个审核环节。可以用另一个 AI Agent 扮演“毒舌主编”，对生成的文章进行打分和修改建议：“检查文章是否有事实错误，逻辑是否通顺，是否有 AI 味。如果不及格，指出问题并重写。”
4. 这里有个坑：AI 输出的 Markdown 格式有时候会乱，建议用Code节点做简单的正则替换，把多余的空格或特殊符号清理掉。

配图生成与 CMS 自动发布

图文并茂才有人看。

1. 利用文章标题，调用OpenAI (DALL-E 3)或Stable Diffusion API节点生成封面图。
2. 图片是二进制数据，需要用Read Binary Files和Move Binary Data节点处理，转成 Base64 或上传到你的图床（OSS/S3）。
3. 最后一步是发布。如果是 WordPress，用WordPress节点，填上 API 地址、用户名和应用密码。如果是 Ghost 或 Notion，也有对应的节点。
4. 把标题、内容、图片 URL 映射到 CMS 的字段里，状态设为“发布”或“草稿”（建议先发草稿，人工看一眼再推）。

常见故障排查与性能优化

Workflow 执行超时与内存溢出

大模型 API 响应慢是常态，n8n 默认执行超时时间是 5 分钟，生成长文很容易超时。去环境变量里加一行 `EXECUTIONS_TIMEOUT=3600`，把时间拉长到 1 小时。

如果 VPS 内存只有 1G，跑 n8n 加上 Redis、Postgres 会很吃力。检查日志：

docker-compose logs -f n8n

看到 `OOMKilled` 就是内存爆了。要么加内存，要么限制 Postgres 的缓存大小，或者干脆用外部托管数据库。

API 调用失败重试机制

网络波动会导致 API 调用失败，工作流直接报错停掉。在 HTTP Request 或 AI Agent 节点的设置里，一定要开启“Continue On Fail”，并在后面接一个Error Trigger或者判断逻辑，失败后自动重试 3 次，间隔 10 秒。

老鸟叮嘱

这套系统跑起来不难，难的是维护。别把 API Key 直接写在 Workflow 里，n8n 有 Credentials 管理，用那个。另外，Webhook 节点如果用来接收外部触发，一定要验证签名，不然被别人刷爆了 API 额算，哭都没地方哭。生产环境务必开启 `EXECUTIONS_MODE=queue`，用 Redis 管理任务队列，并发高的时候不会卡死。

FAQ

这套 AI Agent 工作流必须用高配 GPU 服务器吗？
不用，这里主要是调用 OpenAI、Claude 或 DeepSeek 的 API，VPS 只负责跑 n8n 流程控制和数据转发，对显卡没要求，CPU 和内存够用就行。

生成的文章质量能直接用吗？
取决于 Prompt 和模型。GPT-4o 和 Claude 3.5 Sonnet 写出的东西可用性较高，但建议保留“草稿发布”环节，人工最后润色一下，避免 AI 幻觉导致的错误。

n8n 和 Zapier 相比有什么优势？
n8n 可以自托管，数据在自己手里，隐私性好，而且 Workflow 节点没有数量限制，适合复杂的 AI Agent 场景。Zapier 更适合轻量级 SaaS 连接。

如果 VPS 重启了，数据会丢吗？
只要按照教程挂载了 `volumes` 目录，数据库和 n8n 的配置都会保存在本地磁盘，重启 VPS 或容器后，执行 `docker-compose up -d` 即恢复。

如何控制 AI 生成内容的成本？
可以在 Workflow 里加一个逻辑判断，先用便宜的小模型（如 GPT-3.5 Turbo）写大纲，确认没问题后再调用大模型（如 GPT-4o）生成正文。另外，注意监控 Token 使用量，n8n 后台能看到统计。

这套流程能自动发视频吗？
n8n 本身不负责渲染视频，但可以调用 Runway 或 Pika 的 API 生成视频片段，或者把脚本传给剪映云服务，逻辑是通用的，只是成本会高很多。

搭建 AI Agent 内容工作流不是为了完全替代人工，而是把人从繁琐的重复劳动中解放出来，去思考更有价值的选题和策略。这套 n8n 方案在 VPS 上运行稳定，扩展性强，是低成本实现自动化内容生产的最佳实践之一。