用 AI 把一篇文章变成 X 串文和 LinkedIn 帖子

用 AI 把一篇文章变成 X 串文和 LinkedIn 帖子

一个把一篇粘贴的文章或文字稿变成两份草稿的 n8n 工作流：一串带编号的 X 串文，和一篇 LinkedIn 帖子。你在一个简短的网页表单里填入文字和可选的语气说明。AI 智能体只使用你文字里的事实来写这两份草稿。文字太少用不上时，你得到的是一行请人来看的提示，而不是凑数的帖子。

包里有什么

• workflow.json：n8n 导出的工作流，4 个节点。四个都在运行，没有便签。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

• Chat Model 原来用 gpt-4o-mini，温度是 0.5。OpenAI 的弃用页面（2026 年 11 月 12 日查阅）显示 gpt-4o-mini 将于 2027 年 1 月 14 日关停，并给出 gpt-6-luna。这个模型的页面说，Chat Completions 里只有把推理强度设成 none 才支持函数调用，而 n8n 的聊天模型节点只提供 low、medium 和 high。智能体节点把它的模型当作能调用工具的聊天模型来用，所以节点改用 gpt-5.6-terra，它的页面列出了函数调用，没有这个限制。节点不再设温度，因为这个页面没有列出温度。
• 表单的 webhook ID 和凭据关联已删除，文件的名称是我们起的。
• 别的都没改。两个表单字段、智能体的规则和完成页面都照原文件。

Mindket 对照 n8n 的源码读过这份副本，没有在真实的 n8n 上运行。

开始之前

• 一个 n8n 实例，n8n Cloud 或自己的服务器都行。
• 一个 OpenAI API 密钥。
• 一篇至少约 200 个有用词的文章或文字稿。

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. 添加一个 OpenAI 凭据，在 Chat Model 里选中它。
3. 打开 Article Form，用它的测试地址在浏览器里打开表单。
4. 粘贴文章或文字稿。想让帖子顺着某种语气写，就加上语气说明，然后提交。
5. 在随后出现的页面上读这两份草稿。满意之后发布这个工作流，表单就有了一个长期有效的地址。

一次运行的过程

1. Article Form 显示一个标题为“Article → Thread + LinkedIn Post”的表单，有一个必填的长文本字段 Paste your article or transcript，和一个可选字段 Voice notes (optional)。
2. Repurpose Content 把你的语气说明（没有就写 none）和合并过连续空白的文字交给智能体，文字只取前 9000 个字符。系统消息里是规则。模型只能陈述文字里说的内容，并把文字当作素材而不是指令。文字不到约 200 个有用词、是错误页面或读不出来时，它回答 [NEEDS-HUMAN] 加一行原因。

回答有两部分。串文有六到九条带编号的推文，每条最多 270 个字符，第一条是开头，最后一条是指向原文的行动号召。LinkedIn 帖子有 120 到 220 词，用短行，从最强的发现开头，以一个问题收尾。模型用文字所用的语言来写，避开一小串套话，每一部分最多用一个表情符号和一个感叹号。

1. Show Posts 把回答放在一个标题为“Your posts are ready”的完成页面上。

想改的地方

• 规则和禁用的套话：Repurpose Content 里的系统消息。
• 串文的长度或帖子的长度：同一条系统消息。
• 读多少文字：Repurpose Content 文字里的 9000。
• 模型：Chat Model。
• 草稿去哪里：把 Show Posts 换成表格或邮件节点。

要知道的

• 这个工作流只起草。什么都不会发布到 X 或 LinkedIn，所以使用之前先读一读、改一改两份草稿。
• 智能体被告知只用你粘贴的文字，但模型仍然可能读错，或把某个观点说得太重。把每个说法拿去和原文核对一下。
• 表单没有登录。知道它地址的人，都能花掉你的 OpenAI 额度。长期有效的地址只给你信任的人，或者打开表单的基本认证。
• 智能体只看前 9000 个字符，所以很长的文字，结尾部分会被忽略。
• 数据去向：文字和你的语气说明都会发给 OpenAI。
• 费用：每次提交一次模型调用，由 OpenAI 计费。