Mindket

经代码质检关卡把主题清单变成检查过的草稿

新上架第 1 版 · 更新于

概览

一个 n8n 工作流,通过你自己的 REST API 把一串主题变成草稿文章。一道代码检查给每篇草稿标出通过或没通过,只有通过的草稿才会交给你的发布接口。

经代码质检关卡把主题清单变成检查过的草稿 是一款 n8n 工作流,属于写作类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,或复制它的 JSON,再导入 n8n 画布。在 n8n 里启用之前,它不会运行。

速览

用在
  • n8n Cloud 或你自己的 n8n 服务器:导入文件,激活它,再用 webhook 的生产地址
  • 任何能发送 JSON 的工具:从脚本、表单工具或另一个工作流调用这个 webhook
  • 你自己的 API:这四个接口是唯一的外部依赖
  • 定时:在 Config 前面加一个 Schedule Trigger,就能每周运行

平台

连接 1 个应用

运行方式

触发

Web 请求

有 POST 请求到达 content-run 这个 webhook 时开始运行,请求里有:

  • topics,一个主题列表,或一个用逗号隔开的字符串
  • run_id,可选的运行名称

动作

  1. 把主题拆成各占一条的记录,循环一次取一个
  2. 你的搜索接口返回这个主题最近 90 天的资料
  3. 你的模型接口先写提纲,再根据提纲和资料写草稿
  4. 一个 Code 节点检查草稿的长度、资料段落、两个小标题、两个链接和禁用说法,并估算成本
  5. 通过的草稿通知到你的提醒接口,再通过你的发布接口存成草稿
  6. 没通过的草稿连同原因退回到失败频道,每个主题都有一行日志
  7. 所有主题处理完,webhook 返回一份汇总

结果

一份运行汇总:已存的草稿、每个失败的原因,以及估算的成本

集成

开始之前要准备好这些。

Your own REST API

搜索、写作、提醒和发布

接收所有对外的调用:研究、提纲、草稿、提醒和发布。

需要一个在同一地址上的 API,带 /search、/llm/complete、/alerts 和 /publish/doc 这几个接口

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
17 个步骤,由 Webhook 调用或由触发节点启动
AI
没有步骤调用 AI 模型
登录
不需要登录任何账号
API 密钥
文件里没有留下 API 密钥
步骤类型
Mindket 的检查器能读懂它全部 7 种步骤类型

以上内容读自工作流文件,并非实际运行的结果。

关于

它是什么

这个 n8n 工作流是一个内容流水线的骨架。你用一个 Web 请求给它一串主题。对每个主题,它调用你自己的 API 去研究、列提纲、写草稿,然后由一个 Code 节点按固定规则检查草稿。通过的草稿会经你的发布接口存成草稿。没通过的草稿会连同原因一起报告出来。十七个节点干活,旁边有一张便签。

适合谁

自己运行内容或搜索 API、想要一个用代码检查模型草稿而不是只信模型的做法的团队。如果你要的是一个现成的服务,就别选它。每个对外的步骤都是对你提供的 API 的一次调用。

谁在用,怎么用
行业谁在用怎么用例子
营销内容团队按主题清单起草文章,并按内部规则检验一个团队发来十个主题,只读通过的草稿。
出版编辑在编辑看到之前,拦下缺少资料来源或小标题的草稿一位编辑只打开有两个或更多资料链接的草稿。
软件平台工程师把模型、搜索服务和内容管理系统接在同一组接口后面一位工程师把这四个接口对应到已经在用的服务上。
合规品牌审核员在代码里拦下被禁止的说法一位审核员把一个禁用说法加进质检清单。

你需要会用 n8n,有一个带四个接口的 REST API,并且对写代码不陌生。

用在哪里

任何能访问你的 API 的 n8n 都能运行它。调用方会在回复里收到一份汇总。

  • n8n Cloud 或你自己的 n8n 服务器:导入文件,激活它,再用 webhook 的生产地址
  • 任何能发送 JSON 的工具:从脚本、表单工具或另一个工作流调用这个 webhook
  • 你自己的 API:这四个接口是唯一的外部依赖
  • 定时:在 Config 前面加一个 Schedule Trigger,就能每周运行

设置

点“下载”会把一个压缩包存到你的下载文件夹,里面有 workflow.json 和 Mindket 写的设置说明。设置是你的 API 地址、四个接口和一次激活。

先准备好这些
需要说明
n8nn8n Cloud 或你自己的服务器
你的 REST APIPOST /search、POST /llm/complete、POST /alerts 和 POST /publish/doc
你的 API 收到什么、回复什么
接口收到回复
/searchquery 和 recency_daysresults,一个列表
/llm/complete(提纲)task 设为 outline,以及带 topic 和 sources 的 input带 title 和 sections 的 output,以及 usage
/llm/complete(草稿)task 设为 draft,以及带 topic、title、sections 和 sources 的 input带 title 和 body 的 output,以及 usage
/alertschannel 和 text,审批消息上还有 approval任何回复
/publish/doctitle、body,以及设为 draft 的 statusurl
  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 Config 和 Config (errors) 里,把 https://api.your-company.example 换成你的 API 地址。
  3. 在 Config 里设置 min_words(出厂是 120)和 auto_approve_in_test。
  4. 激活工作流,复制 webhook 的生产地址。它的路径是 content-run。
  5. 发一个 POST 请求,JSON 内容像这样:{"topics": ["first topic", "second topic"]}。

如何使用

发一个主题列表,或一个用逗号隔开的主题字符串,再读回来的汇总。加上 run_id 可以给这次运行起名。每个主题依次经过研究、提纲、草稿和质检关卡。通过的草稿存成草稿,没通过的会连同原因发到失败频道。

想要不同的结果,改哪里
要改的在哪里改
检查项Agent 4 · QA gate (deterministic checks) 里的代码
最短长度Config 里的 min_words
研究的时间窗口Agent 1 · Research (search API) 里的 recency_days
频道三个 HTTP 节点里的频道名
成本费率质检代码里的两个数字

示例

一位编辑向 webhook 发了两个主题,然后等着汇总。

回复会数出主题数和已存的草稿数。它列出每个失败的标题和问题,比如太短或没有资料来源段落,还会加上估算的成本。通过的草稿,它的日志行里有 /publish/doc 返回的地址。

新手与专家

新手:质检关卡是一道站在草稿和发布之间的检查。这里的检查就是普通代码。它数字数,找必需的小标题,扫描禁用的说法。模型可以写得很好,却仍然违反一条规则,而代码不会忘记这条规则。

专家:四个智能体节点都是普通的 HTTP Request 节点,所以模型和搜索都在你的 API 后面。Loop topics 一次处理一个主题,并把每个结果经 Run log row 送回去。成本那一行用的是固定费率。

值得细看的地方
节点它做什么要知道什么
One item per topic把主题拆成一条一条的记录列表为空时它会带着错误停下
Agent 4 · QA gate (deterministic checks)检查长度、资料来源、禁用说法和两个小标题它检查的是形式,不是真假
Human approval (Slack)向你的 API 发出审批消息它不会等任何人
Run log row为每个主题写一行它漏掉了 run_id
Error trigger启动提醒分支只有自动运行才会到这里

注意事项

这个工作流只是一个骨架,真正使用之前,有几处细节需要你留意。

  • 没有任何一步在等人:Human approval (Slack) 只是发一条消息,紧接着草稿就被存成草稿。要做真正的审批,就加一个 Wait 节点,再从你自己的工具里让它继续
  • 名字里写着每周定时,但唯一的触发器是 webhook。想每周运行,就加一个 Schedule Trigger
  • webhook 没有认证,所以任何知道地址的人都能启动一次运行,花你的 API。请在 webhook 节点里打开 Header Auth。HTTP 节点也都不发送密钥,如果你的 API 需要,就在每个节点里加上认证
  • 调用方的请求会一直开着,直到所有主题处理完,因为 webhook 用最后一个节点来回复。名单很长的话,可能超过 n8n 前面某一层的超时限制
  • 汇总里的 run_id 是空的,因为 Run log row 没有带上它。把 run_id: q.run_id 加进它返回的对象里
  • 错误分支只对自动运行起作用。你从编辑器里启动的运行不会触发它
  • 质检关卡检查的是形式,不是真假。它分不出一个链接是真的还是一个说法是对的,所以请读草稿
  • 费用:成本估算用的是每百万输入 token 3 美元、每百万输出 token 15 美元,写在质检代码里。请换成你的模型的费率
  • 你的数据:主题、资料来源和草稿都会发给你自己的 API,以及它背后的服务

README 和文件

README

经代码质检关卡把主题清单变成检查过的草稿

一个 n8n 工作流,拿一串主题,把每个主题变成一篇草稿文章。它研究这个主题,写提纲,写草稿,然后在存入任何东西之前,用普通代码检查草稿。通过的草稿会作为草稿发给你的发布接口。没通过的草稿会连同原因退回。

这是一个骨架,不是现成的服务。每个对外的步骤都是对你提供的 REST API 的一次 HTTP 调用,文件里写明了它期待的四个接口。请先读“开始之前”。

包里有什么

  • workflow.json:n8n 导出的工作流,18 个节点,其中一个是便签。里面没有任何凭据,也没有 HTTP 节点发送密钥。
  • 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

  • 文件里有两张便签,一张是说明,一张是设置清单,都带着宣传链接。它们换成了一张简短的标题便签,设置步骤写在这里。
  • 别的都没改。没有需要删的凭据,也没有需要修的代码。

开始之前

  • 一个 n8n 实例。
  • 你自己的 REST API,在同一个地址上,有四个接口。工作流不直接调用模型或搜索服务,调用的是你的 API。
  • POST /search 接收 {"query": "<topic>", "recency_days": 90},回复 {"results": [...]}。
  • POST /llm/complete 接收 {"task": "outline", "input": {"topic", "sources"}},回复 {"output": {"title", "sections"}, "usage": {"input_tokens", "output_tokens"}}。同一个接口还接收 {"task": "draft", "input": {"topic", "title", "sections", "sources"}},回复 {"output": {"title", "body"}, "usage": {...}}。
  • POST /alerts 接收 {"channel", "text"},审批消息上还有一个 approval 字段。任何回复都行。
  • POST /publish/doc 接收 {"title", "body", "status": "draft"},回复 {"url"}。

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 Config 里,把 base 的值 https://api.your-company.example 换成你的 API 地址。在 Config (errors) 里也一样。
  3. 在 Config 里设置 min_words(出厂是 120)和 auto_approve_in_test。
  4. 激活工作流。复制 Webhook / weekly schedule: topics 的生产地址,它的路径是 content-run。
  5. 向那个地址发一个 POST 请求,JSON 内容比如 {"topics": ["first topic", "second topic"]}。用逗号隔开的主题字符串也行。想给运行起自己的名字,就加上 run_id。

一次运行的过程

  1. Webhook / weekly schedule: topics 收到请求。Config 加上设置,One item per topic 是一个 Code 节点,为每个主题生成一条记录。列表为空时,它会带着“No topics supplied”停下。
  2. Loop topics 一次取一个主题。没有剩下的主题时,它把所有东西送去 Run summary (respond)。
  3. Agent 1 · Research (search API) 把主题发到 /search,时间窗口是 90 天。
  4. Agent 2 · Outline (LLM) 把主题和搜索结果发到 /llm/complete,拿回标题和各个小节。
  5. Agent 3 · Draft (LLM) 把提纲和资料发到同一个接口,拿回标题和正文。
  6. Agent 4 · QA gate (deterministic checks) 是一个 Code 节点。下面任何一条成立,它就把草稿标为没通过:
    - 正文比 min_words 短
    - 没有 Sources: 这一行
    - 含有 guaranteed、risk-free、100% 或 best in the world 这几个说法之一
    - 缺少 ## Why it matters now 或 ## What to do this quarter 这两个小标题
    - 网页链接少于两个

它还会把提纲和草稿用掉的 token 加起来,估算一个成本。

  1. QA passed? 把通过的草稿送去 Human approval (Slack),它向 /alerts 的 #content-approvals 频道发一条消息。下一个节点 Publish as draft (Google Docs / CMS) 立刻把草稿发到 /publish/doc。
  2. 没通过的草稿去 Send back with reasons (no publish),它把原因发到 /alerts 的 #content-qa-failed 频道。
  3. Run log row 为这个主题写一行:标题、字数、通过与否、问题、已发布的地址(如果有)、估算成本和 token 数。然后循环取下一个主题。
  4. Run summary (respond) 数出主题数、已存的草稿数和失败数,把成本加起来,webhook 再把这个结果返回给调用方。

错误分支是独立的:Error trigger 运行 Config (errors) 和 Alert ops,后者把带着错误信息的“Content pipeline failed”发到 /alerts 的 #ops-alerts 频道。

改变风格

  • 检查项:Agent 4 · QA gate (deterministic checks) 的代码里有字数、禁用说法、两个必需的小标题和链接数。改成你自己的规则。
  • 研究的时间窗口:Agent 1 · Research (search API) 里的 recency_days。
  • 频道:#content-approvals、#content-qa-failed 和 #ops-alerts 是三个节点里的纯文字。
  • 成本:估算用的是每百万输入和输出 token 3 美元和 15 美元,写在质检代码里。把你的模型的费率放进去。

注意事项

  • 没有任何一步在等人。Human approval (Slack) 只是发一条消息,然后草稿马上被存成草稿。那条消息的 approval 字段,在 auto_approve_in_test 打开时是 auto-approved,关闭时是 awaiting human,两种情况下流程的行为一样。要做真正的审批,就在消息后面加一个 Wait 节点,再从你自己的工具里让它继续。
  • 名字里写着每周定时,但唯一的触发器是 webhook。想每周运行,就加一个 Schedule Trigger。
  • webhook 没有认证,所以任何知道地址的人都能启动一次运行,而每次运行都在花你的 API。请在 webhook 节点里打开 Header Auth。HTTP 节点也都不发送密钥。如果你的 API 需要,就在每个节点里加上认证。
  • 调用方的请求会一直开着,直到所有主题处理完,因为 webhook 用最后一个节点来回复。名单很长的话,可能超过 n8n 前面某一层的超时限制。请让名单短一些,或者马上回复,再把汇总发到别处。
  • 汇总里的 run_id 是空的,因为 Run log row 没有带上它。把 run_id: q.run_id 加进它返回的对象里。
  • 错误分支只对自动运行起作用。你从编辑器里启动的运行不会触发它。n8n 默认把含有 Error Trigger 的工作流当作它自己的错误工作流。
  • 质检关卡检查的是形式,不是真假。它分不出一个链接是真的还是一个说法是对的。请读草稿。
  • 你的数据:主题、资料来源和草稿都会发给你自己的 API,以及它背后的服务。
文件
NOTICE.md  716 B
README.md  7 KB
workflow.json  14 KB

3 个文件,共 21 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

写作类的相似商品

查看写作类的全部商品

t5-base-grammar-correction

vennify · 工具包

用在 JFLEG 数据集上训练的 T5 模型改写英文文本,减少语法错误。由 vennify 制作,适合想在 Python 里加入语法修正步骤的写作者、学生和开发者。

新上架

Hy-MT2-1.8B-1.25Bit-GGUF

tencent · 工具包

在你自己的设备上用压缩到 1.25 比特的 1.8B 模型进行 33 种语言之间的翻译,GGUF 文件约 440 MB,适用于 llama.cpp。适合给应用加入离线翻译的开发者。

新上架

Qwen3.8-27B-Longbook27-v2

summerAIO · 工具包

用经过微调、采用 Gated DeltaNet 层的 27B 模型,对整本书长度的文字做摘要、问答和续写,支持英语和日语。适合处理长文档的人。

新上架