AI 内容生产工作台搭建：写文章、配图、发布和复盘一体化

搭建一个从写作、配图到发布、复盘全自动的 AI 内容生产工作台，听起来很酷，但真正落地时坑不少。主机选之前分享过不少 VPS 部署 AI 工具的案例，这次直接讲怎么用 n8n 编排工作流，把 Claude、DALL‑E 和 WordPress 串起来，跑通一整套内容生产流水线。本文基于 Ubuntu 22.04 + Docker，你手头有一台 2 核 4G 以上的 VPS 就能跑起来。

为什么需要一体化工作台

写文章、找图、发布、看数据，每个环节单独操作效率极低。用 AI 生成内容后，手动复制粘贴、上传图片、填写发布表单，依然浪费时间。一体化工作台通过自动化工作流把这几步连起来：AI 写稿 -> 自动配图 -> 自动发布 -> 数据回传复盘。核心是 n8n 这个低代码编排工具，配合 API 调用和 Webhook 触发，整个过程无需人工介入。

工作台整体架构

整套系统跑在一台 VPS 上，依赖以下组件：

•n8n：工作流引擎，负责编排任务、调用 API、处理数据。

•AI 写作接口：推荐用 Claude API（稳定、长文表现好）或本地 Ollama 部署的模型（省钱但速度慢）。

•AI 配图接口：OpenAI DALL‑E 3 或本地 Stable Diffusion（需 GPU，普通 VPS 不推荐）。

•发布目标：WordPress 站点（通过 REST API）或静态博客（GitHub Pages + Webhook）。

•复盘模块：n8n 内置的数据库或外部日志服务（如 Grafana + Loki）。

第一步：VPS 环境准备

先装 Docker 和 docker-compose，这是最省心的方式。

apt update && apt upgrade -y
curl -fsSL https://get.docker.com -o get-docker.sh
sh get-docker.sh
apt install docker-compose-plugin -y

创建项目目录：

mkdir -p /opt/ai-workbench && cd /opt/ai-workbench

第二步：部署 n8n

用 docker-compose 起 n8n，挂载数据卷和配置文件。

yaml
version: '3.8'
services:
n8n:
image: n8nio/n8n:latest
container_name: n8n
restart: unless-stopped
ports:
– "5678:5678"
environment:
– N8N_BASIC_AUTH_ACTIVE=true
– N8N_BASIC_AUTH_USER=admin
– N8N_BASIC_AUTH_PASSWORD=your_strong_password
– WEBHOOK_URL=https://your-domain.com/
volumes:
– ./n8n_data:/home/node/.n8n

启动：

docker compose up -d

访问 `http://你的VPS公网IP:5678` 登录。注意：不要直接把端口暴露到公网，建议用 Nginx 反向代理加 HTTPS。

第三步：集成 AI 写作（Claude API）

在 n8n 中添加一个 HTTP Request 节点，调用 Claude API（你需要一个 Anthropic API Key）。

配置示例：

•Method: POST

•URL: `https://api.anthropic.com/v1/messages`

•Headers:

– `x-api-key`: 你的 API Key
– `anthropic-version`: `2023-06-01`
– `Content-Type`: `application/json`

•Body (JSON):

json
{
"model": "claude-sonnet-4-20250514",
"max_tokens": 4096,
"messages": [
{"role": "user", "content": "写一篇关于VPS部署AI工具的教程，500字左右，标题自拟"}
]
}

响应解析：从 `output.message.content[0].text` 中提取正文。

如果不想用云端 API，可以在同一台 VPS 上部署 Ollama + 本地模型（如 llama3），但生成速度会慢很多，且 4G 内存的 VPS 跑 7B 模型很吃力，建议至少 8G 内存。

第四步：自动配图（DALL‑E API）

同样用 HTTP Request 节点调用 OpenAI 的图片生成接口：

•URL: `https://api.openai.com/v1/images/generations`

•Headers: `Authorization: Bearer 你的OpenAI API Key`

•Body:

json
{
"model": "dall-e-3",
"prompt": "根据文章标题生成一张科技感插画，简约风格",
"n": 1,
"size": "1024×1024"
}

响应中拿到图片 URL，再用一个 HTTP Request 节点下载图片到本地或直接上传到 WordPress。

第五步：自动发布到 WordPress

需要先获取 WordPress 的 Application Password（在用户个人资料里生成）。然后用 n8n 的 WordPress 节点（或 HTTP Request）调用 REST API。

配置 WordPress 节点：

•Resource: Post

•Operation: Create

•Title: 从 AI 写作输出中提取

•Content: 文章正文

•Status: draft（先保存草稿，人工审核后再发布）

•Featured Media: 上传配图（需先上传图片到媒体库，得到 ID）

n8n 内置的 WordPress 节点会自动处理认证，但需要填站点 URL、用户名和 Application Password。

第六步：复盘数据收集

每次工作流运行后，把以下数据写入 n8n 的内置数据库或外部表格：

• 文章标题、字数、生成耗时

• 配图生成状态

• 发布状态（成功/失败）

• 错误信息

可以用 n8n 的 IF 节点判断成功与否，然后写到一个 Google Sheets 或本地 SQLite 中。后续再接入 Grafana 做可视化分析。

老鸟叮嘱

1.API Key 安全：永远不要硬编码在 n8n 的节点里。用 n8n 的 Credentials 功能存储，或者从环境变量读取。另外，n8n 的 Webhook 默认不加密，建议用 Nginx 反代加 HTTPS。
2.端口放行：n8n 默认 5678，WordPress 默认 80/443。如果 VPS 有防火墙，记得放行对应端口，但不要把 5678 直接暴露公网。
3.资源限制：2 核 4G 的 VPS 跑 n8n + 少量 API 调用没问题。如果要跑本地模型，内存至少 8G，且最好有 GPU。否则老老实实用云端 API。
4.不要用 root 跑所有服务：创建普通用户，用 docker 非 root 模式运行。
5.发布前人工审核：自动发布到生产环境风险极高。建议先存为草稿，或发到测试站点。AI 生成的内容可能有事实错误或版权风险。

FAQ

Q1：一定要用 n8n 吗？有没有其他替代？
A1：n8n 是最成熟的低代码工作流工具，社区版免费。替代品有 Node-RED、Make（原 Integromat），但 n8n 的自托管和 API 扩展性最好。

Q2：本地部署 Ollama 写文章，4G 内存 VPS 够用吗？
A2：勉强能跑 3B 参数的小模型，但生成速度极慢（一分钟几十个字），且容易 OOM。建议至少 8G 内存 + 关闭其他服务，或者直接用云端 API。

Q3：配图用 DALL‑E 太贵，有没有免费方案？
A3：可以用本地 Stable Diffusion，但需要 GPU（至少 4G 显存）。没有 GPU 的话，试试 Hugging Face 的免费推理 API，但速度慢且有限额。

Q4：WordPress 自动发布失败怎么办？
A4：先检查 Application Password 是否正确，再确认 WordPress 站点开启了 REST API（默认开启）。n8n 的 WordPress 节点会返回错误信息，排查日志是关键。

Q5：工作流跑一次要多久？
A5：主要看 AI 生成速度。Claude 写 500 字文章约 5-10 秒，DALL‑E 配图约 10-20 秒，发布 1-2 秒。整个流程 30 秒左右。如果换本地模型，可能几分钟。

Q6：复盘数据怎么展示？
A6：n8n 支持写数据到 InfluxDB 或 MySQL，然后接 Grafana 做图表。简单点可以用 n8n 内置的数据库 + 手动导出 CSV。

这套工作台搭建完成后，你可以把精力放在选题和审核上，重复性劳动交给自动化。记得定期检查 API 费用和 VPS 资源占用，别让后台服务把服务器撑爆。