由 OpenAI 摘要的索引页文章

由 OpenAI 摘要的索引页文章

一个 n8n 工作流，读一个网站上的文章列表，并摘要最新的三篇。它取下索引页，挑出文章链接，取下前三篇文章，让 OpenAI 模型逐篇摘要。运行最后每篇文章一个条目：它的标题、摘要和地址。

就文件现在的样子，它读 paulgraham.com 的文章索引。想指向别的网站，改地址、一个选择器和链接的基础地址。

里面有什么

• workflow.json：n8n 导出的工作流，13 个节点，另有 2 张便签。里面没有任何凭据。
• README.md：这份说明。

我们对原始副本做了哪些改动

Mindket 做了两处改动：

• 聊天模型写的是 gpt-4o-mini。OpenAI 的弃用页面（2026 年 11 月 12 日查看）说它将于 2027 年 1 月 14 日停用，并指定 gpt-6-luna 为替代。Mindket 的副本写 gpt-6-luna。这个节点没有设温度，所以其他都不用改。
• 这个文件原来没有名字。Mindket 给它起了一个。它的两张便签现在写的是 Fetch the latest essays 和 Summarize them with OpenAI。
• 里面没有任何凭据。

开始之前

• 一个 n8n 实例，n8n Cloud 或你自己的服务器都行。
• 一个 OpenAI API 密钥。
• 别的不需要。它读的网站不需要账号。

设置步骤

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 OpenAI Chat Model1 里选中它。
3. 在手动触发器上点 Execute workflow。
4. 打开 Clean up，读这三个结果。

一次运行是怎么走的

1. When clicking "Execute Workflow" 手动开始这次运行。
2. Fetch essay list 取下 http://www.paulgraham.com/articles.html，网站会把它重定向到安全地址。
3. Extract essay names 挑出每个位于另一张表格里的表格内的锚点的链接，即选择器 table table a，并保留它的 href。在实时页面上，它挑出的前几个链接是文章。
4. Split out into items 给每条链接做一个条目，Limit to first 3 保留前三个。
5. Fetch essay texts 从 http://www.paulgraham.com/ 加上链接来取下每篇文章。
6. Extract title 取页面 title 标签的文字。Summarization Chain 把整个页面当作文档读。Default Data Loader 把每个条目的 JSON 连标签一起交给 Recursive Character Text Splitter，它切成每段 1000 个字符、不重叠的小段。
7. 这条链用 OpenAI Chat Model1 摘要每一段，再把分段摘要合成一份。它用 n8n 的 Map Reduce 方法和默认提示。
8. Merge 按位置把每个标题和它的摘要合在一起，Clean up 保留三个字段：title、summary 和 url。

想改样子，改这里

• 多少篇文章：Limit to first 3 里的数字。
• 另一个网站：Fetch essay list 里的地址、Extract essay names 里的选择器，以及 Fetch essay texts 和 Clean up 里的基础地址。
• 摘要的风格：Summarization Chain 的选项，比如它的提示。
• 模型：OpenAI Chat Model1。
• 摘要去哪里：在 Clean up 后面加一个节点，比如邮件或电子表格的一行。

要知道的

• 每次运行它读三个文章页和一个索引页，什么都不存。结果留在这次运行的输出里。
• 这条链把原始页面连 HTML 标签一起，按每段 1000 个字符做摘要。一个 30,000 个字符的页面大约分成 30 段，所以一篇文章可能要大约 30 次模型调用，再加一次合并。
• 文章是网站所有者的作品。摘要只留给自己读，除非你有权分享。
• 选择器和链接处理只适合这一个网站的版式。链接是绝对地址、或索引版式不同的网站，需要自己的选择器和自己的基础地址。
• 每篇文章的文字都会发给 OpenAI。
• 这个 JSON 里没有任何凭据。