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

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 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 Modified May 4 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： 这里只做简述，详细的指标说明可以到后台回复「AI 公众号」到原文看。 1. 互动率 (Engagement Rate) • 目的： 衡量内容吸引用户进行轻度互动的综合能力。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 • 解读： ◦ 这个指标代表每 1000 次阅读能带来多少次轻度互动（点赞和在看）。乘以 1000 是为了让数字更具可读性（否则会是 0.0x% 这样的小数）。 ◦ 高互动率通常意味着文章的标题、封面、排版以及内容本身对目标读者有较强的吸引力，能够引发他们的即时情感共鸣。 2. 传播指数 (Virality Index) • 目的： 衡量内容在微信生态内的“裂变”和“破圈”能力。这是发现“爆款”选题的关键先行指标。 • 计算公式：传播指数=(转发数×2+在看数)/阅读量 1000 • 解读： ◦ “转发”是主动分享，是最强的传播信号，因此我们给予它 x2 的权重。 ◦ “在看”是半公开的推荐，文章会出现在朋友的“看一看”信息流中，也具备传播属性。 ◦ 高传播指数的文章，意味着其内容具有很强的社交货币属性、话题性或实用性，读者愿意将其分享到自己的社交圈。这是选题是否具有增长潜力的核心标志。 3. 内容价值指数 (Content Value Index) • 目的： 衡量内容对读者的长期价值和深度影响。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 • 解读： ◦ “收藏”代表着极高的认可，是“稍后读”、“反复读”的明确信号，说明内容具有很高的实用性或深度，我们给予它 x2 的权重。 ◦ “评论”代表读者有强烈的意愿进行深度互动，无论是探讨、提问还是反驳，都说明内容引发了读者的深度思考。 ◦ 高内容价值指数的文章，通常是干货教程、深度分析、重磅资源盘点等。这类选题是塑造账号专业性、建立用户信任的基石。 4. 综合热度分 (Overall Hotness Score) • 目的： 创建一个单一的、可排序的综合分数，用于快速筛选出整体表现最优秀的文章。这是一个“总分”，便于你进行 Top N 的分析。 • 计算公式： (对所有互动行为进行加权求和) 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 • 解读： ◦ 我们为不同行为赋予了从 1 到 5 的权重，这体现了它们对于选题成功的重要性排序：转发 收藏 评论 在看 点赞。 ◦ 这个分数综合了文章的各个方面表现。在你的飞书数据表中，你可以直接按此分数降序排列，排在最前面的文章就是你最需要深入分析的“爆款”样本。 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. 核心洞察概览： 开门见山，告诉我最重要的结论。 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. 爆款文章画像： 列出TOP 5爆款，并分析它们的成功共性。 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，我同样放在文末的文档里） 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。 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： 这里只做简述，详细的指标说明可以到后台回复「AI 公众号」到原文看。 这里只做简述，详细的指标说明可以到后台回复「AI 公众号」到原文看。 1. 互动率 (Engagement Rate) • 目的： 衡量内容吸引用户进行轻度互动的综合能力。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 • 解读： ◦ 这个指标代表每 1000 次阅读能带来多少次轻度互动（点赞和在看）。乘以 1000 是为了让数字更具可读性（否则会是 0.0x% 这样的小数）。 ◦ 高互动率通常意味着文章的标题、封面、排版以及内容本身对目标读者有较强的吸引力，能够引发他们的即时情感共鸣。 ◦ 这个指标代表每 1000 次阅读能带来多少次轻度互动（点赞和在看）。乘以 1000 是为了让数字更具可读性（否则会是 0.0x% 这样的小数）。 ◦ 高互动率通常意味着文章的标题、封面、排版以及内容本身对目标读者有较强的吸引力，能够引发他们的即时情感共鸣。 2. 传播指数 (Virality Index) • 目的： 衡量内容在微信生态内的“裂变”和“破圈”能力。这是发现“爆款”选题的关键先行指标。 • 计算公式：传播指数=(转发数×2+在看数)/阅读量 1000 • 解读： ◦ “转发”是主动分享，是最强的传播信号，因此我们给予它 x2 的权重。 ◦ “在看”是半公开的推荐，文章会出现在朋友的“看一看”信息流中，也具备传播属性。 ◦ 高传播指数的文章，意味着其内容具有很强的社交货币属性、话题性或实用性，读者愿意将其分享到自己的社交圈。这是选题是否具有增长潜力的核心标志。 ◦ “转发”是主动分享，是最强的传播信号，因此我们给予它 x2 的权重。 ◦ “在看”是半公开的推荐，文章会出现在朋友的“看一看”信息流中，也具备传播属性。 ◦ 高传播指数的文章，意味着其内容具有很强的社交货币属性、话题性或实用性，读者愿意将其分享到自己的社交圈。这是选题是否具有增长潜力的核心标志。 3. 内容价值指数 (Content Value Index) • 目的： 衡量内容对读者的长期价值和深度影响。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 • 解读： ◦ “收藏”代表着极高的认可，是“稍后读”、“反复读”的明确信号，说明内容具有很高的实用性或深度，我们给予它 x2 的权重。 ◦ “评论”代表读者有强烈的意愿进行深度互动，无论是探讨、提问还是反驳，都说明内容引发了读者的深度思考。 ◦ 高内容价值指数的文章，通常是干货教程、深度分析、重磅资源盘点等。这类选题是塑造账号专业性、建立用户信任的基石。 ◦ “收藏”代表着极高的认可，是“稍后读”、“反复读”的明确信号，说明内容具有很高的实用性或深度，我们给予它 x2 的权重。 ◦ “评论”代表读者有强烈的意愿进行深度互动，无论是探讨、提问还是反驳，都说明内容引发了读者的深度思考。 ◦ 高内容价值指数的文章，通常是干货教程、深度分析、重磅资源盘点等。这类选题是塑造账号专业性、建立用户信任的基石。 4. 综合热度分 (Overall Hotness Score) • 目的： 创建一个单一的、可排序的综合分数，用于快速筛选出整体表现最优秀的文章。这是一个“总分”，便于你进行 Top N 的分析。 • 计算公式： (对所有互动行为进行加权求和) 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 • 解读： ◦ 我们为不同行为赋予了从 1 到 5 的权重，这体现了它们对于选题成功的重要性排序：转发 收藏 评论 在看 点赞。 ◦ 这个分数综合了文章的各个方面表现。在你的飞书数据表中，你可以直接按此分数降序排列，排在最前面的文章就是你最需要深入分析的“爆款”样本。 ◦ 我们为不同行为赋予了从 1 到 5 的权重，这体现了它们对于选题成功的重要性排序：转发 收藏 评论 在看 点赞。 ◦ 这个分数综合了文章的各个方面表现。在你的飞书数据表中，你可以直接按此分数降序排列，排在最前面的文章就是你最需要深入分析的“爆款”样本。 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. 核心洞察概览： 开门见山，告诉我最重要的结论。 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. 爆款文章画像： 列出TOP 5爆款，并分析它们的成功共性。 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，我同样放在文末的文档里） 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，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。 参考提示词： 写在最后 现在再回头看，你会发现，整个流程的核心，并非某个复杂的代码或提示词，而是这套将想法快速落地的自动化思路。 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。 🔗 原文链接： https://mp.weixin.qq.com/s/zTpijiDu... https://mp.weixin.qq.com/s/zTpijiDu... 原创 饼干哥哥 饼干哥哥AGI2025年10月09日 17:55 广东 饼干哥哥是今年3月正式开始肝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2 个月的公众号爆文，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。 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 复盘 4 个月 AI 自媒体，公众号排名 5 月 Top5 / 6 月 Top10 在流量平台，包括公众号，一篇爆款的要素排序是： 💡 选题 标题 内容逻辑 选题 标题 内容逻辑 • 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。 因为我日常还要上班，没有时间去一线刷太多前沿的内容，更多是关注几个博主，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。 感兴趣的可以评论区留言催更！！！ 感兴趣的可以评论区留言催更！！！ 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。 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： 一、采集公众号文章 1. 我在服务器上部署了一个 wechat2rss，订阅了 15 个 ai主题的公众号 2. 在n8n访问它，筛选指定时间的文章，下载保存到飞书，含文章链接 3. 在飞书利用快捷字段的 AI 功能给文章都打上固定的几个类型的标签 二、搭建数据分析模型 4. 在n8n把文章链接传给「极致了」api，抓取文章的数据：阅读量、评论数、转发率、在看数、点赞数、收藏数 5. 在飞书把这些数据做组合指标，例如转发率等 6. 把标签和指标组合做交叉分析 三、AI做选题分析报告 7. 最终得出哪些标签数据好，背后就是建议做什么样的选题 8. 确定选题后，筛选出这些标签的原文，给出具体的选题方向建议、内容结构 9. 形成选题方案报告 一、采集公众号文章 1. 我在服务器上部署了一个 wechat2rss，订阅了 15 个 ai主题的公众号 2. 在n8n访问它，筛选指定时间的文章，下载保存到飞书，含文章链接 3. 在飞书利用快捷字段的 AI 功能给文章都打上固定的几个类型的标签 二、搭建数据分析模型 4. 在n8n把文章链接传给「极致了」api，抓取文章的数据：阅读量、评论数、转发率、在看数、点赞数、收藏数 5. 在飞书把这些数据做组合指标，例如转发率等 6. 把标签和指标组合做交叉分析 三、AI做选题分析报告 7. 最终得出哪些标签数据好，背后就是建议做什么样的选题 8. 确定选题后，筛选出这些标签的原文，给出具体的选题方向建议、内容结构 9. 形成选题方案报告 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 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 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 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。 找朋友给我推荐了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. 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 💡 代码太长了，我放到后台 关注公众号「饼干哥哥AGI」，回复「AI公众号」即可查看完整文档。 代码太长了，我放到后台 关注公众号「饼干哥哥AGI」，回复「AI公众号」即可查看完整文档。 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）： 💡 角色设定 你现在就是原文作者本人，一位极其擅长将复杂思想精炼化的专业作家。你对自己文章的逻辑、观点和每一个关键细节都了如指掌。 核心目标 将你（即作者）自己写的长篇文章，亲自改写成一篇 结构完整、信息齐全、逻辑严密 的精简短文。 想象一下，这是为那些时间极其宝贵但又必须掌握你思想精华的核心读者（比如投资人、合作伙伴、高级决策者）准备的“ 浓缩精华版 ”。它本身就是一篇独立、完整、且有说服力的作品。 核心任务与严格约束 。。。 写作框架与关键要素清 角色设定 你现在就是原文作者本人，一位极其擅长将复杂思想精炼化的专业作家。你对自己文章的逻辑、观点和每一个关键细节都了如指掌。 核心目标 将你（即作者）自己写的长篇文章，亲自改写成一篇 结构完整、信息齐全、逻辑严密 的精简短文。 想象一下，这是为那些时间极其宝贵但又必须掌握你思想精华的核心读者（比如投资人、合作伙伴、高级决策者）准备的“ 浓缩精华版 ”。它本身就是一篇独立、完整、且有说服力的作品。 核心任务与严格约束 。。。 写作框架与关键要素清 。。。 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 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。 而我的内容方向包括： 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： 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。