打造智能写作工作流：n8n + 蓝耘MaaS平台完整实战指南

优质文章学习记录

— 11 min read
打造智能写作工作流：n8n + 蓝耘MaaS平台完整实战指南

文章目录

一、前言

随着AI技术的快速发展，越来越多的开发者和内容创作者开始探索如何将AI能力集成到自己的工作流中。今天，我们将通过蓝耘平台的MaaS模型服务，结合强大的工作流自动化工具n8n，打造一个智能写文工作流。更令人兴奋的是，蓝耘平台正在推出"送千万Token资源包"福利活动，让更多用户能够免费体验AI的强大能力！

二、环境准备

2.1 注册蓝耘平台并获取API凭证

2.1.1 注册蓝耘MaaS平台

首先访问蓝耘MaaS平台官网进行注册。平台为新用户提供大量免费token，可以充分测试各种模型。

蓝耘注册页面

2.1.2 获取API密钥

登录后，进入MaaS平台选项卡，您将看到多种可调用的AI模型：

在左侧菜单中找到"API KEY管理"，点击"创建API KEY"，系统会生成API密钥。请妥善保存这个密钥，它是连接AI模型的关键。

创建新的API KEY

2.1.3 获取模型信息和接口地址

在MaaS模型广场中，选择您想使用的模型。点击查看详情后，您可以看到模型路径/maas/deepseek-ai/DeepSeek-V3.1，所有AI模型获取模型路径的方式一致。

模型详情页面

蓝耘提供了OpenAI兼容接口，可在MaaS平台文档中找到。

OpenAI兼容接口
💡 福利提醒：现在注册即可获得千万Token资源包，足够支撑大量的AI创作任务！

2.2 安装Docker环境

2.2.1 下载并安装Docker Desktop

首先进入Docker官网下载Docker桌面版：Docker官网

进入到Docker官网后点击Download Docker Desktop去下载Docker桌面版

Docker官网

找到适合我们的版本去下载，这里选择Windows-AMD64。

下载Windows-AMD64的Docker

2.2.2 配置Docker环境

运行Docker的安装程序后，点击OK

Docker安装Configuration


Docker Desktop安装完成

启动Docker Desktop后使用谷歌账号或者Github账号进行登录。

登录Docker Desktop

2.2.3 配置国内镜像源

需要配置Docker的国内镜像源，在Settings中配置Docker Engine，配置完毕后点击Apply&restart应用并重启：

{"builder":{"gc":{"defaultKeepStorage":"20GB","enabled":true}},"experimental":false,"registry-mirrors":["https://registry.cn-hangzhou.aliyuncs.com","https://docker.mirrors.ustc.edu.cn","https://registry.docker-cn.com","http://hub-mirror.c.163.com"]}
配置Docker国内镜像源

2.3 部署n8n工作流平台

2.3.1 拉取n8n镜像

在Images中点击Search images to run搜索镜像并运行。

搜索镜像

在Docker Hub中搜索n8n，然后找到n8nio/n8n点击Pull

搜索n8n镜像


点击Pull拉取n8n

2.3.2 创建并运行n8n容器

拉取成功后点击运行n8n镜像

运行n8n镜像

创建n8n容器配置：

配置项值
Container namen8n
Host port5678
Host pathn8n_data
Container path/home/node/.n8n
创建一个n8n容器

看到打印http://localhost:5678说明运行成功

运行容器

2.3.3 初始化n8n账户

在浏览器中访问http://localhost:5678进入n8n创建账户页面

创建n8n账户

登录后进入到n8n的主页面。至此，我们已经成功部署n8n了。

n8n主页面

三、构建智能写文工作流

现在让我们在n8n中构建一个智能写文工作流，该工作流将能够：

  • 接收写作主题和要求
  • 调用蓝耘平台MaaS模型生成内容
  • 对生成的内容进行优化和格式化
  • 输出最终的文章

3.1 创建工作流基础架构

3.1.1 创建新工作流

在n8n界面中点击 Create Workflow

在n8n中创建工作流

为工作流命名：智能写文助手

给工作流命名为智能写文助手

3.1.2 添加触发器节点

添加Manual Trigger节点作为工作流的起点

添加Manual Trigger节点作为工作流的起点

双击Manual Trigger节点进行配置

双击Manual Trigger节点

点击编辑按钮，配置输入参数：

  • topic： 文章主题
  • style： 写作风格（如：正式、轻松、技术性等）
  • length： 文章长度要求
  • keywords： 关键词（可选）
[{"topic":"请输入文章主题","style":"通用","length":"1000-2000字","keywords":"请输入关键词，用逗号分隔"}]
配置输入参数

3.2 配置AI模型调用

3.2.1 添加HTTP请求节点

添加HTTP Request节点用于调用蓝耘MaaS API

添加Http Request节点

3.2.2 配置请求参数

双击HTTP Request节点进行配置：

基础配置：

  • 请求方式（Method）：POST
  • 请求地址URL：https://maas-api.lanyun.net/v1/chat/completions
配置请求方式和URL

配置Headers（请求头）：

  • 请求头1：Name（Content-Type），Value（application/json）
  • 请求头2：Name（Authorization），Value（Bearer 蓝耘MaaS平台的APIKEY）
启动并配置请求头

配置Body（请求体）：
点击"Send Body"开关后，选择JSON格式，然后输入：

注意：/maas/deepseek-ai/DeepSeek-V3.1这个是蓝耘MaaS平台的模型名称，可以切换成蓝耘MaaS平台中的任意模型。
{"model":"/maas/deepseek-ai/DeepSeek-V3.1","messages":[{"role":"system","content":"你是一个专业的内容创作助手，擅长根据用户需求创作高质量文章。"},{"role":"user","content":"请根据以下要求创作文章：\n主题：{{ $json.topic }}\n写作风格：{{ $json.style }}\n文章长度：{{ $json.length }}\n关键词：{{ $json.keywords }}\n\n请创作一篇结构清晰、内容丰富的文章。"}],"max_tokens":2000,"temperature":0.7}
启动并配置请求体

3.2.3 测试API连接

配置完成后，点击Execute step测试是否能够调通蓝耘MaaS平台的模型

测试是否能够调用蓝耘MaaS平台的模型

3.3 内容处理与优化

3.3.1 添加内容处理节点

添加Code节点进行内容处理

添加Code节点进行内容处理

3.3.2 配置内容处理逻辑

双击Code节点进行配置，语言选择JavaScript：

// 提取AI生成的内容const aiResponse = items[0].json.choices[0].message.content;// 基本的内容格式化let formattedContent = aiResponse .replace(/\n\n/g,'\n\n')// 规范化段落间距.replace(/^\s+|\s+$/g,'')// 去除首尾空白.trim();// 添加文章元信息const metadata ={title: items[0].json.topic ||'未命名文章',createdAt:newDate().toISOString(),wordCount: formattedContent.length,style: items[0].json.style ||'通用'};return[{json:{content: formattedContent,metadata: metadata,originalResponse: aiResponse }}];

点击Execute step测试是否配置成功。

测试Code节点是否有效

3.4 生成Markdown文档

3.4.1 添加文档生成节点

在内容处理节点后，添加一个 Code 节点用于生成 Markdown 格式并下载

添加一个Code节点用于生成Markdown格式并下载

3.4.2 配置Markdown生成逻辑

配置Code节点，实现Markdown文档生成：

// 获取处理后的数据const items = $input.all();const processedData = items[0].json;// 生成 Markdown 内容const markdownContent =`# ${processedData.metadata.title} --- **创建时间：** ${newDate(processedData.metadata.createdAt).toLocaleString('zh-CN')} **字数统计：** ${processedData.metadata.wordCount} 字符 **文章风格：** ${processedData.metadata.style} --- ## 正文内容 ${processedData.content} --- ## 文档信息 - **生成时间：** ${newDate().toLocaleString('zh-CN')} - **文件格式：** Markdown (.md) - **处理状态：** 已完成内容格式化和优化 --- *本文档由 n8n 工作流自动生成* `;// 生成文件名（使用时间戳避免重复）const timestamp =newDate().toISOString().replace(/[:.]/g,'-').slice(0,19);const fileName =`${processedData.metadata.title.replace(/[^\w\u4e00-\u9fa5]/g,'_')}_${timestamp}.md`;// 打印下载信息 console.log(`📁 Markdown 文件已准备完成`); console.log(`📄 文件名：${fileName}`); console.log(`📊 文件大小：${markdownContent.length} 字符`);// 返回可下载的文件数据return[{json:{...processedData,markdown:{content: markdownContent,fileName: fileName,mimeType:'text/markdown',size: markdownContent.length }},binary:{data:{data: Buffer.from(markdownContent,'utf8').toString('base64'),mimeType:'text/markdown',fileName: fileName,fileExtension:'md'}}}];

点击Execute step进行执行，执行完成后，点击Download下载Markdown文件

测试markdown文件是否成功下载

查看Markdown文档内容

正确下载

四、工作流测试与验证

4.1 完整流程测试

首先编辑起点节点，topic主题设置为如何制作排骨当归汤？，点击Save保存

点击Execute workflow执行工作流

执行工作流

4.2 验证输出结果

执行完毕后，下载并查看Markdown文件，验证生成的内容质量

查看markdown

五、总结

通过本教程，我们成功构建了一个基于蓝耘MaaS平台和n8n的智能写文工作流。这个工作流具有以下优势：

部署便捷

  • 使用Docker可以快速在本地搭建n8n环境，无需复杂配置
  • 一键式容器部署，环境隔离性好

高度自定义

  • 可以根据需要调整模型参数、输出格式和处理逻辑
  • 支持多种写作风格和内容类型定制

可扩展性强

  • n8n的节点化设计使工作流可以轻松扩展
  • 可添加更多功能如文本翻译、图片生成、内容审核等

成本效益高

  • 利用蓝耘平台提供的千万Token资源包，可以免费进行大量AI创作实验
  • 相比其他AI服务，性价比更高

自动化程度高

  • 从输入主题到生成格式化文档，整个过程完全自动化
  • 大幅提高内容创作效率，释放创作者时间

Read more

智能家居物联网平台

智能家居物联网平台

智能家居物联网平台 基于微服务+微信小程序实现的物联网平台，目前处于软件实现阶段：模拟了智能灯和温湿度感应器的使用状态，后续打算基于STM32制作硬件并接入，接入硬件后会将微信小程序改成Android版本 Gitee地址：仓库链接 技术栈 后端 * JDK：21 * Spring Boot：3.2.5 * Spring Cloud：2023.0.1 * Spring Cloud Alibaba：2023.0.1.0 * Spring Data JPA * Nacos：2.5.2 * MQTT * WebSocket 数据库 * MySQL：8.0 * Redis：6.2.x * Influxdb：2.8.

4步精通：AI人脸修复工具GFPGAN的跨平台部署与应用指南

4步精通：AI人脸修复工具GFPGAN的跨平台部署与应用指南 【免费下载链接】GFPGANTencentARC/GFPGAN: GFPGAN（GFPGAN: Real-World Blind Face Restoration with PULSE++）是由腾讯ARC实验室研发的一个基于深度学习的人脸图像修复工具，主要用于低质量人脸图像的超分辨率恢复。 项目地址: https://gitcode.com/gh_mirrors/gf/GFPGAN GFPGAN作为腾讯ARC实验室研发的深度学习人脸修复工具，能够将低质量人脸图像恢复至高清状态。本文将系统讲解该工具在Windows、Linux和Mac系统上的部署流程，帮助技术用户快速掌握这一强大的图像修复解决方案。 核心环境配置指南 基础依赖要求 GFPGAN运行需要以下核心组件： * Python 3.7及以上版本（推荐Anaconda环境） * PyTorch 1.7.0及更高版本 * 可选的NVIDIA GPU加速支持（推荐使用） 操作系统适配说明 * Windows系统：Windows 10/11 64位版本
人形机器人：百万亿美元赛道的终极逻辑从“万物皆可机器人化”到“人形机器人是终极通用平台”

人形机器人：百万亿美元赛道的终极逻辑从“万物皆可机器人化”到“人形机器人是终极通用平台”

人形机器人：百万亿美元赛道的终极逻辑 从“万物皆可机器人化”到“人形机器人是终极通用平台” 一、用户洞察的深刻性：为什么“百万亿美元”不是夸张 “未来汽车也可以发展成为人形机器人控制的智能汽车，可以说现有的一切工业制造可以人形机器人化，因此人形机器人是百万亿美元的赛道。” 这个洞察触及了人形机器人产业的终极本质——它不是单一产品，而是重塑一切物理世界交互方式的通用平台。 让我们用数字说话： 可被“人形机器人化”的领域当前全球市场规模人形机器人化后的潜在价值汽车产业3万亿美元汽车成为“人形机器人的移动座舱”工业制造15万亿美元工厂成为“人形机器人集群的协作网络”商业服务10万亿美元商场、酒店、餐厅成为“人形机器人服务场景”家庭经济20万亿美元家庭成为“人形机器人的生活空间”医疗康养8万亿美元医院成为“人形机器人辅助诊疗平台”特种作业5万亿美元危险环境成为“人形机器人专属作业区”教育科研4万亿美元实验室、教室成为“人形机器人教学空间”农业矿业6万亿美元田间、矿井成为“人形机器人作业场”物流运输7万亿美元仓库、港口成为“人形机器人调度中心”国防安保2万亿美元战场、边境成为“

NIC400生成Flow全解析（八）Micro Architechture

当所有配置完成后，就可以生成Micro Architechture了。在Micro Architechture中也会进行一系列配置。比如微架构、timing closure、buffering等配置。 生成Micro Architechture的方法如下： 生成时需要解决掉所有报错问题后，即可打开Micro Architechture。打开方式如下： 大致界面如下： 其中主要包含了如下元素： * Micro Architechture窗口 * Parameter/Timing Closure/Buffering窗口 * Overlays窗口 1.Micro Architechture窗口 该窗口主要是设定需要的互联微架构，AMBA Designer生成NIC-400时需要手动定义，Socrates生成NIC-400时会根据工具内部算法生成一个微架构。生成后也可以根据自己的需求进行调整。图中的各种标志如下所示： Micro Architechture的左边有一排按键，11个按键的含义从上到下依次为： * Zoom in：视图放大 * Zoom o