我用n8n+飞书监控了100 个AI头部公众号动态，借势解决「选题」困境

饼干哥哥是今年3月正式开始干AI自媒体，猛的一下6 月干到了 AI公众号榜单 TOP5

此前我也跑过公众号爆文，几个号都出过 10w➕，最高100w阅读，收入💰5 位数；再往前就是做数据分析博主。或许是这些经验，帮我搭建起了网感，迅速起号。

很多人问我怎么做公众号的，我之前也复盘过：

复盘 4 个月 AI 自媒体，公众号排名 5 月 Top5 / 6 月 Top10

按我的经验，在流量平台，包括公众号，一篇爆款的要素排序是：

• 选题，一篇内容读者是否感兴趣很重要
• 标题，解决的是「打开率」的问题
• 内容逻辑，就是写的东西要能让读者看得下去，例如开头要炸场，中间要留阅读钩子，确保「完读率」

其中，选题占了少说 7、80% 的重要性

但问题是很多刚开始的同学没有网感，容易卡在选题上，不知道写什么好？久久未能度过冷启动期。

我刚开始的做法是关注几个博主，每天抽空刷一下他们写什么，数据好的，我就按我的方向来调整成我的选题。就这么简单。

但手动搜集、整理、思考……这种重复的体力劳动，不仅效率低，而且毫无创造性。

在AI时代，这简直是一种“犯罪”。

于是就有了今天的主题：利用n8n➕飞书，做一个ai 公众号自动化选题的Agent/工作流

先看效果，数据源是跟踪了 15 个公众号最近一周的发布内容，计算各种指标，形成一个选题建议，可以动态更新

想想看，这么一份「落地的」选题建议报告每天发到你的邮箱，岂不快哉？

气泡图展示不出来，但在 html 里是完整的。

目前还是 0.1 版本， 比较粗糙，后续我准备在本地用 Claude code 跑个脚本，做更复杂的分析，至少加入日环比，可以更敏感的捕捉到每日的「突发」热点。

这样一套下来，就能形成一个「垂直知识库」

这个价值非常高，可以拓展的玩法超级多

例如我经常拿@数字生命卡兹克 @卡尔的AI沃茨 等老师的内容跟自己的对比，反思自己哪里写的不好，怎么改进

现在就可以批量从风格、写作逻辑等维度做差异对比。

或者，不做IP的同学，把这个流程拿去做爆文公众号矩阵，一个月干个5位数💰应该不成问题。

我的教培业务也打算接入这套流程全自动完成选题-写作-排版-发布，欢迎关注催更。

废话不多说，接下来我会把这个“选题外挂”的完整搭建思路和盘托出。

它不仅解决了我的选题焦虑，希望看完后，你也能搭建自己的选题情报中心。

先说下整体的搭建逻辑：

n8n长这样：

类似的工作流我之前也分享过，后面不会太详细讲，可以先看下面以往更细致的教程来入门：

保姆级教程：用 n8n + 快捷指令，一键无死角把灵感金句存入飞书

n8n+FastAPI=王炸！免费开源我年入7位数的小红书AI矩阵工作流

我的Vibe Marketing实践案例：如何用AI工作流驱动小红书矩阵，实现7位数营收

飞书长这样：

一、采集公众号文章

1. 部署wechat2rss

这一步是为了监控公众号的发布动态。

由于公众号非常封闭，几乎所有公开的 rss 源都不稳定，而且考虑到要做特定的筛选，建议是自己部署。

朋友给我推荐了wechat2rss，私有化部署 15 元/月，还挺稳定

https://wechat2rss.xlab.app/

要通过Docker部署，我用的宝塔面板，整个过程非常丝滑，不用 10 分钟就部署好了。

再花点时间把日常看的老师们公众号都给订阅上（节选）

2. 搭建n8n 监控工作流

这里的逻辑是，向 wechat2rss 请求当前已订阅的所有公众号清单，然后逐个公众号处理：筛选指定时间范围的文章

其中，HTTP 节点请求的是 WeChat2rss 的 list 接口，小白同学可以借助AI浏览器来辅导使用

后面逐个公众号请求文章，请求的是/api/query接口：

接着n8n 的第二个模块就是把前面多个公众号的多篇文章，逐一处理：

1. 1. html转md

wechat2rss中返回的文章都是html，巨长，既不方便我们自己看，也会导致传给 AI 超出上下文

所以我用code 把它转成 markdown 格式了

1. 2. 「结构化的」文章摘要

但 markdown 格式依然很长，为了进一步节省上下文，需要对文章做一个浓缩

💡 注意，这里的浓缩关键在于：不能把原文的结构、关键词给省略了

所以是要求用 AI 做一个结构化的文章摘要，在保留尽可能多的信息的前提下，缩短文章长度

后续做分析报告的时候，就让 AI看这个摘要即可。

参考提示词（完整版见原文）：

最后，存入飞书的操作可以参考文章：

我用Dify把飞书表格的「AI提示词库」打包成了MCP Server给AI使用和管理

3. 给文章打上内容标签

这一步是把文章量化的过程，用于后续把内容标签与数据指标做交叉分析，我们才能知道哪些关键词内容在近期的势头很好。

但再好的选题，也要符合我们自己的内容方向。

也就是说，公众号其实是越垂直越好，什么都写，只会把标签搞乱。

我的内容方向包括：

1️⃣ AI落地应用案例，如 AI 编程、n8n工作流、AI Agent、AI工作流等；

2️⃣ AI数据分析案例，如AI做数据分析 ppt、用户洞察、自媒体数据分析等；

3️⃣ AI多模态玩法，例如ai生图（nano banana、Seedream、Midjourney）、ai 生视频（Sora2）等

基于此，我让 AI 给我设计了一套提示词（节选）：

## 标签体系说明 

### 1. 主题域 (Topic Domain) - 文章的核心领域是什么？ 
### 2. 核心要素 (Core Element) - 文章具体讨论了什么工具、技术或概念？ 
### 3. 内容形式 (Content Format) - 这篇文章是怎么写的？ 

接着就可以到飞书，用字段捷径-智能标签的功能，来给内容打标

用AI 生成选项把提示词扔进去，就会自动生成好合适的选项

同样，把提示词扔到自定义标签要求，让 AI 逐行去生成内容标签即可。

至此，我们就在飞书得到了监控公众号的文章信息，包括结构完整的摘要以及内容标签。

二、搭建数据分析模型

接下来就可以开始做数据分析的工作， 但要先把文章的数据给补上。

4. 数据采集

我用的是极致了数据服务，采集一次 0.05 元

https://dajiala.com/main/interface?actnav=0

接着就可以在n8n搭建流程，逐个把文章链接 post 给极致了，返回数据存入飞书即可。

其中，http 请求返回的数据结构长这样：

5. 搭建指标体系

单纯看绝对值（如阅读量、点赞数）容易产生误导，这里有平台推流、账号规模不同的问题。

例如一篇10万阅读的文章有100个转发，和一篇1000阅读的文章有50个转发，哪个更具传播潜力？显然是后者。

所以我们要通过“比率化”和“加权化”的方式消除量纲 ，并做多维评估。

至少要有 4 个指标：

1. 1. 互动率 (Engagement Rate)

• 这是文章内容“及格线”的基础指标，反映了内容是否对读者有基本的吸引力。
• 计算公式：(点赞数+在看数)/阅读量*1000
  
  

1. 2. 传播指数 (Virality Index)

• 衡量内容在微信生态内的“裂变”和“破圈”能力。
• 计算公式：传播指数=(转发数×2+在看数)/阅读量*1000
  
  

1. 3. 内容价值指数 (Content Value Index)

• 这个指标反映了你的内容是否“有料”，是否值得读者反复学习或深入探讨。
• 计算公式：内容价值指数=(收藏数×2+评论数)/阅读量*1000
  

1. 4. 综合热度分 (Overall Hotness Score)

• 这是一个“总分”，便于进行 Top-N 的分析。
• 计算公式： 综合热度分 =(点赞数×1+在看数×2+评论数×3+收藏数×4+转发数×5)/ 阅读量×100

直接在飞书新建公式列即可：

三、选题分析报告

我写了一个极其详尽的Prompt，命令AI扮演“顶尖数据分析师+前端开发专家”，接收我整理好的所有文章数据，然后生成一份酷炫、可交互的单文件HTML报告。

这个Prompt非常长，它定义了报告的风格（深色主题、卡片布局）、技术栈（Tailwind CSS + Chart.js），以及最重要的——四个核心分析模块：

1. 1. 核心洞察概览： 开门见山，告诉我最重要的结论。
2. 2. 标签表现透视： 用雷达图、气泡图等可视化方式，分析不同标签维度的表现力。
3. 3. 爆款文章画像： 列出TOP 5爆款，并分析它们的成功共性。
4. 4. 选题策略建议： 给我一个“机会矩阵”，并直接生成3-5个具体的、可以马上动笔的选题方向。

（完整的Prompt太长了，我同样放在后台）

最后，我让n8n每天定时运行，把飞书里的数据汇总成Markdown，连同这个Prompt一起丢给大模型。

测下来，做html还得是 Cluade4.5 的效果最好。

现在，我把它部署在自己的服务器上，每天早上用手机就能看。

写在最后

这套打法彻底改变了我做内容的方式。

我不再为选题焦虑，而是把更多精力放在了深度思考和打磨内容本身。

希望这套 AI➕自动化的流程也能帮你保护稀缺的注意力，把效率拉满

欢迎三连支持，这对我来说很重要。

对这个流程有什么看法，欢迎留言交流！