SerpBear 排名由 AI 总结并存进 Baserow

SerpBear 排名由 AI 总结并存进 Baserow

一个把关键词排名变成每周文字说明的 n8n 工作流。它向你自己的 SerpBear 服务器要一个网站的排名，为每个关键词写一小段总结，再把全部内容发给 OpenRouter 上的一个 AI 模型。模型回答一张表和一些建议，答案被存成 Baserow 表格里的新一行。

包里有什么

• workflow.json：n8n 导出的工作流，八个节点和五张便签。里面没有任何凭据。
• README.md：这份设置说明，压缩包里的是英文版。

我们相对原来的副本改了什么

• Get data from SerpBear 原来调用的是 /api/keyword?id=，这个路由给出一个关键词，而且带着一个固定的域名。它后面的代码读的是一个叫 keywords 的列表，那个路由并不返回它。现在节点用域名调用 /api/keywords，得到这个网站的每个关键词和它们最近七次检查。主机是 YOUR_SERPBEAR_HOST。
• 新增一个节点 Site to check，把域名只写一次。原来的副本把它写在三个地方，而且作者自己的网站名和 Baserow 的 ID 都在文件里。它们都去掉了。
• Parse data from SerpBear 把位置 0 当成一个名次，所以不再上榜的关键词会被叫作“上升”，还会把平均拉低。SerpBear 用 0 表示“没找到”。现在代码显示“未上榜”，把零排除在平均之外，并把没有历史的关键词标成“新词”。它也按 n8n 文档里的形式返回它的条目。
• Send data to A.I. for analysis 要的是 meta-llama/llama-3.1-70b-instruct:free。OpenRouter 的公开模型列表（2026 年 11 月 12 日查阅）没有这个名字。列表里有 meta-llama/llama-3.1-70b-instruct，所以这份副本用它。
• 同一个节点在 JSON 请求体里把提示词过了一遍 encodeURIComponent，所以模型收到的是百分号编码。现在请求体用 JSON.stringify 生成，提示词按纯文本发送。
• 新增一个节点 Row for Baserow，给三个值起名 Date、Note 和 Site，Save data to Baserow 按名称把它们对应到表的字段。原来的副本是按编号选字段，而那些编号属于作者自己的表。
• 五张便签重写过，里面没有外部链接。其中一张提到了另一个分析工具。
• 所有凭据引用都去掉了，所以由你自己选。

开始之前

• 一个 n8n 实例，n8n Cloud 或你自己的服务器。
• 一个你自己的 SerpBear 服务器，它追踪你的网站，设置了 API 密钥，并且你的 n8n 能访问到它的地址。
• 一个 OpenRouter API 密钥。
• 一个 Baserow 账号，Baserow Cloud 或你自己的服务器都行，和一个有 Date、Note、Site 字段的表格。把 Note 设成长文本字段，因为答案很长。

设置

1. 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File。选中 workflow.json。
2. 在 Site to check 里，把 YOUR_DOMAIN 换成 SerpBear 里列出的域名，比如 example.com。
3. 在 Get data from SerpBear 里，把 YOUR_SERPBEAR_HOST 换成你服务器的地址。添加一个 Header Auth 凭据，名称是 Authorization，值是 Bearer、一个空格和你的 SerpBear API 密钥。然后选中它。
4. 在 Send data to A.I. for analysis 里，再添加一个 Header Auth 凭据，名称是 Authorization，值是 Bearer、一个空格和你的 OpenRouter API 密钥。然后选中它。
5. 在 Save data to Baserow 里，添加一个 Baserow 凭据，填你的 Baserow 地址、邮箱和密码。然后选你的数据库和你的表。
6. 点 Test workflow。表里会多出新的一行。
7. 打开这个工作流，这样 Schedule Trigger 就会每周运行它。

一次运行是怎样的

1. Schedule Trigger 自己开始运行。它用的是 n8n 每周的默认值，也就是每个星期天 00:00，用你的 n8n 的时区。When clicking ‘Test workflow’ 则是手动开始。
2. Site to check 把域名传下去。
3. Get data from SerpBear 向服务器要这个域名的关键词。
4. Parse data from SerpBear 为每个关键词写一小段文字，包含它的位置、保存的检查的平均、趋势和排名页面。它把这些小段合成一个问题。
5. Send data to A.I. for analysis 把问题发给 OpenRouter，要求给出一张表和一些建议。
6. Row for Baserow 取日期、答案和域名。
7. Save data to Baserow 把它们加成新的一行。

改变风格

• 网站：Site to check 里的 YOUR_DOMAIN。
• 星期几和几点：Schedule Trigger 里的规则。
• 问题：Send data to A.I. for analysis 里的指令，以及 Parse data from SerpBear 末尾的清单。
• 模型：Send data to A.I. for analysis 的 JSON 请求体里的 model 名称。OpenRouter 列表里的任何模型都行。
• 列：Row for Baserow 里的三个字段。它们的名称必须和表的字段一致。
• 好几个网站：为每个域名复制一份工作流。

注意事项

• 这份副本写明的模型 meta-llama/llama-3.1-70b-instruct，在那个列表里提示词和答案每个 token 都是 0.00000072 美元，也就是每百万个 token 约 0.72 美元。每周跑一次，花费很小。想不花钱，就从同一个列表里选一个免费模型，比如 google/gemma-4-31b-it:free。免费模型有使用限制，免费的名字以后也可能从列表里消失。
• SerpBear 的关键词列表给出每个关键词最近七次保存的检查，所以平均只覆盖这些。
• API 密钥是按 Bearer 后面的文字来读的，所以要保留那个空格。
• 你的数据：关键词、它们的位置和排名页面会发给 OpenRouter 和模型的提供方。答案存在 Baserow。
• 每周的规则只在工作流打开时才运行。你手动开始的运行随时都能用。