我对 n8n 内容工厂的态度是：可以折腾，但不要被“日产几十篇”这种说法带着跑。
自动化真正有价值的地方，不是让 AI 疯狂生成内容，而是把重复、容易漏、格式固定的环节串起来。对个人网站来说，我更关心它能不能少消耗我的注意力，而不是把互联网再填满一堆平庸文章。
为什么折腾
我的内容流程很容易断：Obsidian 里有原始记录，网站里有公开文章，后面还可以拆 YouTube、Shorts、小红书和社区回复。
如果每一步都靠手动复制、改格式、检查链接、生成摘要，长期一定会懒。n8n 的吸引力就在这里：它可以把“取素材、生成草稿、质量检查、格式化、提醒发布”串成一条可视化流程。
我的公开版环境
我不会把它设计成全自动发文机器。更合理的公开版流程是：
- 触发：我确认一个内容候选。
- 输入：公开文章或脱敏后的素材摘要。
- 处理：生成平台分发包、标题、简介、短视频脚本。
- 检查：敏感词、链接、长度和格式。
- 输出：写回项目内
editorial/，等待人工发布。
也就是说，n8n 只负责搬运和加工，不负责替我做最终判断。
实际怎么做
第一步是拆流程，不是找节点。
我会把内容生产拆成几个明确环节：
- 选题进入队列。
- 读取来源索引。
- 生成网站文章。
- 生成平台分发包。
- 做脱敏和质量检查。
- 发布后更新记录。
第二步才是考虑哪些环节适合 n8n。
适合自动化的环节通常有几个特点：输入清楚、输出格式稳定、失败后容易重试、不会直接造成公开风险。比如生成 YouTube 简介、小红书封面文案、社区回复摘要，都很适合半自动。
第三步是加质量门槛。
很多内容工厂案例会强调产量，但真正决定长期价值的是质量控制。至少要检查这些东西：
- 是否包含私人路径、账号、内网信息或密钥线索。
- 是否只是空泛营销话术。
- 是否和网站文章主题一致。
- 是否能被人工快速判断好坏。
第四步是控制成本。
LLM 调用不是越多越好。批量处理、缓存、便宜模型和高质量模型的分工，都比一味堆请求更重要。
哪里卡住
第一个坑是案例太诱人。
很多内容工厂案例会写得像印钞机：每天多少篇、成本多少、ROI 多高。问题是这些数字离普通个人站很远。没有流量、没有产品、没有分发渠道，自动生成再多内容也只是库存。
第二个坑是质量检查容易假装存在。
写一个“质量评分”很容易，但它不等于真实质量。AI 给 AI 打分，本质上还是需要人工抽检。尤其是个人 IP 内容，真实感比格式完整更重要。
第三个坑是全自动发布风险太高。
公开内容里一旦混入私人信息，后面再删也很麻烦。所以我不打算让 n8n 直接发布。它可以生成、整理、提醒，但最后一键发布前必须经过人看一眼。
值不值得
值得，但适合从小流程开始。
如果你已经有稳定内容来源，n8n 能帮你省掉很多机械动作。如果你还没有想清楚自己要写什么，n8n 只会让你更快地产出无用内容。
对我来说，最值得自动化的是分发包和发布记录，而不是网站正文。正文需要真实判断，分发包更适合模板化。
下一步
后面我会先做一个最小 n8n 流程：
- 输入一篇已发布网站文章链接。
- 自动生成 YouTube、Shorts、小红书和社区摘要。
- 做一次敏感信息扫描。
- 把结果写回项目内分发包草稿。
如果这个流程真的省时间，再继续扩展。自动化不是为了显得高级，是为了少打断人的创作注意力。