一、这个智能体要完成什么

目标很明确：

  1. 获取并读取一篇新闻或博客文章全文；
  2. 生成一段简洁的中文摘要；
  3. 分别为微博和 LinkedIn 生成一段文案。

这类工作流特别适合内容团队、运营团队和技术博客维护者。

二、工作流结构

整体流程可以拆成下面几步：

  1. 用户通过 Chat Trigger 输入文章 URL；
  2. AI Agent 接收到 URL 后判断需要先抓取正文；
  3. 调用 HTTP Request Tool 获取文章纯文本；
  4. 工具返回文章内容；
  5. Agent 再基于正文生成摘要、微博文案和 LinkedIn 文案；
  6. 最终结果以结构化 JSON 返回。

工作流示意：

image/png

三、核心 Prompt 怎么写

这类 Agent Prompt 的关键，是把职责说清楚，并且要求它最终输出结构化结果。

可以参考这样的写法：

你是一个专业的内容营销专家。你的任务是分析用户提供的文章URL，并完成以下三项工作：
1. 使用 `fetch_article_content` 工具获取文章全文。
2. 阅读并理解文章内容，生成一段简洁中文摘要（不超过100字）。
3. 基于文章内容，为微博和 LinkedIn 平台分别创作一段吸引人的文案。

请将最终结果以 JSON 格式返回：
{
  "summary": "文章摘要",
  "weibo_post": "微博文案",
  "linkedin_post": "LinkedIn文案"
}
如果无法获取文章内容，请返回错误信息。

image/png

四、工具怎么配置

这个例子里，关键工具是一个用于抓取文章正文的 HTTP 请求工具。

思路是使用：

https://r.jina.ai/<article-url>

也就是把用户输入的原始文章链接交给一个可提取纯文本的服务，再把结果返回给 Agent。

Prompt 里对应的工具描述可以写成：

Fetch the full text content of an article from a given URL.

这样模型会更容易判断该什么时候调用工具。

五、为什么这个案例有代表性

它体现了智能体工作流里非常经典的一条链路：

  • 输入是自然语言；
  • 中间通过工具补足外部信息；
  • 最后输出不是随意聊天，而是结构化结果。

这比单纯的“问答机器人”更接近真实业务场景。

六、可以怎么扩展

在这个案例上继续往前走，很容易扩展出更多能力：

  • 自动同步到微信公众号草稿；
  • 自动写邮件标题和摘要；
  • 自动生成短视频脚本；
  • 自动把结果存进 Notion、飞书或数据库；
  • 自动区分不同平台的文风和字数。

七、一个实战建议

如果你想让 n8n 里的 AI Agent 更稳定，最好让它只负责“判断和生成”，而把真正的抓取、存储、通知、调度交给明确的工具节点和工作流节点去做。这样整套系统会比完全依赖模型推理更可靠。