打造智能写作工作流：n8n + 蓝耘MaaS平台完整实战指南

文章目录

• 一、前言
• 二、环境准备
• • 2.1 注册蓝耘平台并获取API凭证
  • • 2.1.1 注册蓝耘MaaS平台
    • 2.1.2 获取API密钥
    • 2.1.3 获取模型信息和接口地址
  • 2.2 安装Docker环境
  • • 2.2.1 下载并安装Docker Desktop
    • 2.2.2 配置Docker环境
    • 2.2.3 配置国内镜像源
  • 2.3 部署n8n工作流平台
  • • 2.3.1 拉取n8n镜像
    • 2.3.2 创建并运行n8n容器
    • 2.3.3 初始化n8n账户
• 三、构建智能写文工作流
• • 3.1 创建工作流基础架构
  • • 3.1.1 创建新工作流
    • 3.1.2 添加触发器节点
  • 3.2 配置AI模型调用
  • • 3.2.1 添加HTTP请求节点
    • 3.2.2 配置请求参数
    • 3.2.3 测试API连接
  • 3.3 内容处理与优化
  • • 3.3.1 添加内容处理节点
    • 3.3.2 配置内容处理逻辑
  • 3.4 生成Markdown文档
  • • 3.4.1 添加文档生成节点
    • 3.4.2 配置Markdown生成逻辑
• 四、工作流测试与验证
• • 4.1 完整流程测试
  • 4.2 验证输出结果
• 五、总结

一、前言

随着AI技术的快速发展，越来越多的开发者和内容创作者开始探索如何将AI能力集成到自己的工作流中。今天，我们将通过蓝耘平台的MaaS模型服务，结合强大的工作流自动化工具n8n，打造一个智能写文工作流。更令人兴奋的是，蓝耘平台正在推出\"送千万Token资源包\"福利活动，让更多用户能够免费体验AI的强大能力！

二、环境准备

2.1 注册蓝耘平台并获取API凭证

2.1.1 注册蓝耘MaaS平台

首先访问蓝耘MaaS平台官网进行注册。平台为新用户提供大量免费token，可以充分测试各种模型。

2.1.2 获取API密钥

登录后，进入MaaS平台选项卡，您将看到多种可调用的AI模型：

在左侧菜单中找到\"API KEY管理\"，点击\"创建API KEY\"，系统会生成API密钥。请妥善保存这个密钥，它是连接AI模型的关键。

2.1.3 获取模型信息和接口地址

在MaaS模型广场中，选择您想使用的模型。点击查看详情后，您可以看到模型路径/maas/deepseek-ai/DeepSeek-V3.1，所有AI模型获取模型路径的方式一致。

蓝耘提供了OpenAI兼容接口，可在MaaS平台文档中找到。

💡 福利提醒：现在注册即可获得千万Token资源包，足够支撑大量的AI创作任务！

2.2 安装Docker环境

2.2.1 下载并安装Docker Desktop

首先进入Docker官网下载Docker桌面版：Docker官网

进入到Docker官网后点击Download Docker Desktop去下载Docker桌面版

找到适合我们的版本去下载，这里选择Windows-AMD64。

2.2.2 配置Docker环境

运行Docker的安装程序后，点击OK

启动Docker Desktop后使用谷歌账号或者Github账号进行登录。

2.2.3 配置国内镜像源

需要配置Docker的国内镜像源，在Settings中配置Docker Engine，配置完毕后点击Apply&restart应用并重启：

{ \"builder\": { \"gc\": { \"defaultKeepStorage\": \"20GB\", \"enabled\": true } }, \"experimental\": false, \"registry-mirrors\": [ \"https://registry.cn-hangzhou.aliyuncs.com\", \"https://docker.mirrors.ustc.edu.cn\", \"https://registry.docker-cn.com\", \"http://hub-mirror.c.163.com\" ]}

2.3 部署n8n工作流平台

2.3.1 拉取n8n镜像

在Images中点击Search images to run搜索镜像并运行。

在Docker Hub中搜索n8n，然后找到n8nio/n8n点击Pull

2.3.2 创建并运行n8n容器

拉取成功后点击运行n8n镜像

创建n8n容器配置：

配置项 值 Container name n8n Host port 5678 Host path n8n_data Container path /home/node/.n8n

看到打印http://localhost:5678说明运行成功

2.3.3 初始化n8n账户

在浏览器中访问http://localhost:5678进入n8n创建账户页面

登录后进入到n8n的主页面。至此，我们已经成功部署n8n了。

三、构建智能写文工作流

现在让我们在n8n中构建一个智能写文工作流，该工作流将能够：

• 接收写作主题和要求
• 调用蓝耘平台MaaS模型生成内容
• 对生成的内容进行优化和格式化
• 输出最终的文章

3.1 创建工作流基础架构

3.1.1 创建新工作流

在n8n界面中点击 Create Workflow

为工作流命名：智能写文助手

3.1.2 添加触发器节点

添加Manual Trigger节点作为工作流的起点

双击Manual Trigger节点进行配置

点击编辑按钮，配置输入参数：

• topic： 文章主题
• style： 写作风格（如：正式、轻松、技术性等）
• length： 文章长度要求
• keywords： 关键词（可选）

[ { \"topic\": \"请输入文章主题\", \"style\": \"通用\", \"length\": \"1000-2000字\", \"keywords\": \"请输入关键词，用逗号分隔\" }]

3.2 配置AI模型调用

3.2.1 添加HTTP请求节点

添加HTTP Request节点用于调用蓝耘MaaS API

3.2.2 配置请求参数

双击HTTP Request节点进行配置：

基础配置：

• 请求方式（Method）：POST
• 请求地址URL：https://maas-api.lanyun.net/v1/chat/completions

配置Headers（请求头）：

• 请求头1：Name（Content-Type），Value（application/json）
• 请求头2：Name（Authorization），Value（Bearer 蓝耘MaaS平台的APIKEY）

配置Body（请求体）：
点击\"Send Body\"开关后，选择JSON格式，然后输入：

注意：/maas/deepseek-ai/DeepSeek-V3.1这个是蓝耘MaaS平台的模型名称，可以切换成蓝耘MaaS平台中的任意模型。

{ \"model\": \"/maas/deepseek-ai/DeepSeek-V3.1\", \"messages\": [ { \"role\": \"system\", \"content\": \"你是一个专业的内容创作助手，擅长根据用户需求创作高质量文章。\" }, { \"role\": \"user\", \"content\": \"请根据以下要求创作文章：\\n主题：{{ $json.topic }}\\n写作风格：{{ $json.style }}\\n文章长度：{{ $json.length }}\\n关键词：{{ $json.keywords }}\\n\\n请创作一篇结构清晰、内容丰富的文章。\" } ], \"max_tokens\": 2000, \"temperature\": 0.7}

3.2.3 测试API连接

配置完成后，点击Execute step测试是否能够调通蓝耘MaaS平台的模型

3.3 内容处理与优化

3.3.1 添加内容处理节点

添加Code节点进行内容处理

3.3.2 配置内容处理逻辑

双击Code节点进行配置，语言选择JavaScript：

// 提取AI生成的内容const aiResponse = items[0].json.choices[0].message.content;// 基本的内容格式化let formattedContent = aiResponse .replace(/\\n\\n/g, \'\\n\\n\') // 规范化段落间距 .replace(/^\\s+|\\s+$/g, \'\') // 去除首尾空白 .trim();// 添加文章元信息const metadata = { title: items[0].json.topic || \'未命名文章\', createdAt: new Date().toISOString(), wordCount: formattedContent.length, style: items[0].json.style || \'通用\'};return [{ json: { content: formattedContent, metadata: metadata, originalResponse: aiResponse }}];

点击Execute step测试是否配置成功。

3.4 生成Markdown文档

3.4.1 添加文档生成节点

在内容处理节点后，添加一个 Code 节点用于生成 Markdown 格式并下载

3.4.2 配置Markdown生成逻辑

配置Code节点，实现Markdown文档生成：

// 获取处理后的数据const items = $input.all();const processedData = items[0].json;// 生成 Markdown 内容const markdownContent = `# ${processedData.metadata.title}---**创建时间：** ${new Date(processedData.metadata.createdAt).toLocaleString(\'zh-CN\')} **字数统计：** ${processedData.metadata.wordCount} 字符 **文章风格：** ${processedData.metadata.style} ---## 正文内容${processedData.content}---## 文档信息- **生成时间：** ${new Date().toLocaleString(\'zh-CN\')}- **文件格式：** Markdown (.md)- **处理状态：** 已完成内容格式化和优化---*本文档由 n8n 工作流自动生成*`;// 生成文件名（使用时间戳避免重复）const timestamp = new Date().toISOString().replace(/[:.]/g, \'-\').slice(0, 19);const fileName = `${processedData.metadata.title.replace(/[^\\w\\u4e00-\\u9fa5]/g, \'_\')}_${timestamp}.md`;// 打印下载信息console.log(`📁 Markdown 文件已准备完成`);console.log(`📄 文件名：${fileName}`);console.log(`📊 文件大小：${markdownContent.length} 字符`);// 返回可下载的文件数据return [{ json: { ...processedData, markdown: { content: markdownContent, fileName: fileName, mimeType: \'text/markdown\', size: markdownContent.length } }, binary: { data: { data: Buffer.from(markdownContent, \'utf8\').toString(\'base64\'), mimeType: \'text/markdown\', fileName: fileName, fileExtension: \'md\' } }}];

点击Execute step进行执行，执行完成后，点击Download下载Markdown文件

查看Markdown文档内容

四、工作流测试与验证

4.1 完整流程测试

首先编辑起点节点，topic主题设置为如何制作排骨当归汤？，点击Save保存

点击Execute workflow执行工作流

4.2 验证输出结果

执行完毕后，下载并查看Markdown文件，验证生成的内容质量

五、总结

通过本教程，我们成功构建了一个基于蓝耘MaaS平台和n8n的智能写文工作流。这个工作流具有以下优势：

部署便捷

• 使用Docker可以快速在本地搭建n8n环境，无需复杂配置
• 一键式容器部署，环境隔离性好

高度自定义

• 可以根据需要调整模型参数、输出格式和处理逻辑
• 支持多种写作风格和内容类型定制

可扩展性强

• n8n的节点化设计使工作流可以轻松扩展
• 可添加更多功能如文本翻译、图片生成、内容审核等

成本效益高

• 利用蓝耘平台提供的千万Token资源包，可以免费进行大量AI创作实验
• 相比其他AI服务，性价比更高

自动化程度高

• 从输入主题到生成格式化文档，整个过程完全自动化
• 大幅提高内容创作效率，释放创作者时间