如何使用 n8n 和 Claude 建立免費的 AI 內容再利用流程（真正免費的部分是什麼）

你可以透過自託管 n8n 社群版（Community Edition）來讓 AI 內容再利用流程的自動化層免費，但由 Claude 驅動的 n8n 工作流程並不保證端到端零成本。這個區別很重要。n8n 表示其自託管社群版可以無限免費使用，而 Anthropic 的 Claude API 則是一項計費的開發者服務。Claude 網站上的免費 Claude 聊天方案與 n8n 內部的 API 使用情況並不相同。

文件 Token 计数器

截至 2026 年 9 月 11 日，n8n 文件將社群版描述為具有幾乎完整核心功能集的免費自託管版本。Anthropic 當前的 API 定價列出 Claude Sonnet 5 的輸入代幣為每百萬個 2 美元，輸出代幣為每百萬個 10 美元；Claude Haiku 4.5 的輸入代幣為每百萬個 1 美元，輸出代幣為每百萬個 5 美元。價格和模型可能會變動，因此在部署前請務必驗證。請參閱 n8n 的社群版文件 和 Anthropic 當前的定價頁面。

因此，「免費」的實際版本是：在你控制的基礎設施上免費使用 n8n 軟體，加上你的工作流程所產生的任何 Claude API 使用費用。如果你已經擁有基礎設施和 API 額度，你的增量成本可能暫時為零。如果沒有，請預期至少會有模型使用成本，可能還有託管成本。

這個流程將做什麼

以下的工作流程會接收一個來源項目——例如部落格文章、電子報草稿、播客文字稿、網路研討會文字稿或長篇筆記——並將其轉換為幾個結構化的草稿資產。一個實用的起始輸出包括：

• 一篇 LinkedIn 風格的文章
• 三篇短社交媒體貼文
• 一封電子郵件主旨和開頭
• 一個短視頻鉤子和腳本
• 五個關鍵重點
• 當來源不包含足夠資訊時的審核標記

該流程刻意先生成草稿。自動發布功能可以稍後添加，但在允許 AI 工作流程未經審核即發布之前，通常更安全的做法是先證明內容品質、格式、來源忠實度和目的地權限。

這種方法適合你嗎？

推薦的架構

對於第一個版本，不要從自主代理開始。n8n 的 Basic LLM Chain 旨在將提示傳遞給連接的语言模型，並可以附加輸出解析器。這對於確定性的「輸入來源，輸出格式化草稿」工作流程來說已經足夠。請參閱 n8n 的 Basic LLM Chain 文件。

一個乾淨的流程看起來像這樣：

觸發器 → 驗證輸入 → 正規化來源 → Basic LLM Chain → Anthropic Chat Model → 結構化輸出解析器 → 審核閘門 → 儲存草稿

步驟 1：自託管 n8n 社群版

n8n 當前的文件支持使用 Docker 進行自託管，並將社群版描述為免費。Docker 是一個很好的起點，因為它使 n8n 實例易於重現，並為工作流程和憑證數據提供持久卷。

官方 Docker 指南創建了一個 n8n_data 卷，暴露端口 5678，設置與時區相關的环境變量，並掛載持久數據目錄。對於 n8n 2.x，文件指出 N8N_RUNNERS_ENABLED 已棄用且不再需要設置。請使用來自 n8n 的 Docker 安裝指南 的當前命令，而不是從教程中複製舊命令。

對於本地概念驗證，打開 http://localhost:5678 就足夠了。對於面向互聯網的生產實例，不要簡單地將本地端口公開暴露。請遵循 n8n 的託管和安全指南，以進行 HTTPS、身份驗證、備份和反向代理配置。

在以下情況使用此步驟：你願意維護自己的 Docker 主機。如果你不想修補、保護、備份和監控伺服器，n8n Cloud 更容易，但它不是這裡描述的永久免費選項。

步驟 2：選擇工作流程如何啟動

當另一個應用程序應按需將內容發送給 n8n 時，使用 Webhook。當 n8n 應在固定時間或間隔檢查內容時，使用 Schedule Trigger。

n8n 的 Webhook 節點提供獨立的測試和生產 URL。測試 URL 專為開發設計；生產 URL 在工作流程發布時註冊。Webhook 節點還支持身份驗證選項，包括 Basic auth、Header auth 和 JWT auth。請參閱 n8n 的 Webhook 文件。

對於排程再利用，n8n 的 Schedule Trigger 在固定時間或間隔運行，n8n 指出工作流程必須保存並發布才能進行排程觸發。請參閱 n8n 的 Schedule Trigger 文件。

範例：如果你的 CMS 可以在編輯器批准文章後調用 webhook，請使用 webhook。如果你將批准的來源內容保存在資料夾中，並希望每個工作日早上進行批次處理，排程可能更簡單。

步驟 3：定義一個乾淨的輸入契約

不要讓每個來源以不同的形狀到達。在調用 Claude 之前，將輸入正規化為一個內部結構。一個實用的 JSON 負載是：

{
  "source_id": "post-2026-0911-001",
  "title": "Original article title",
  "source_text": "Full approved source text...",
  "source_url": "https://example.com/original",
  "audience": "US small-business owners",
  "brand_voice": "clear, practical, non-hype",
  "outputs": [
    "linkedin_post",
    "short_posts",
    "email_intro",
    "video_script"
  ]
}

只要實際可行，就傳遞實際的來源文字。僅有 URL 與經過驗證的來源內容並不相同。抓取和解析頁面會增加另一個故障點，並可能在提示中引入導航、Cookie、廣告或無關文字。

此外，將指令與來源材料分開。如果你攝取第三方頁面、電子郵件或上傳的文件，請將其內容視為不受信任的數據，而不是工作流程命令。Anthropic 的安全指南明確描述了間接提示注入，即嵌入在模型讀取的內容中的惡意指令。請參閱 Anthropic 的提示注入緩解指南。

步驟 4：在模型調用之前驗證和正規化

在花費代幣之前，拒絕不良輸入。至少，檢查 source_id、title 和 source_text 是否存在，以及 source_text 是否不為空。正規化明顯的格式噪音，但保留 Claude 可能需要的關鍵事實、引文、URL、標題和其他來源細節。

一個有用的預處理階段可以：

• 修剪前導和尾隨空白
• 將重複的空行轉換為一致的格式
• 設置預設的受眾和語氣值
• 拒絕低於最小有用長度的來源文字
• 創建穩定的 source_id 以進行去重
• 記錄請求的輸出類型

除非你真的需要，否則不要將正常文章拆分為多個模型調用。多次調用會增加協調複雜性，並可能產生不一致的語氣。對於大型來源材料，考慮故意進行摘要或分塊，而不是意外截斷輸入。

步驟 5：正確連接 Claude——並了解成本

n8n 提供 Anthropic Chat Model 節點和使用 API 金鑰的 Anthropic 憑證。n8n 的憑證文件指導用戶在 Anthropic Console 中創建金鑰，並將其存儲在 n8n 憑證中，而不是硬編碼在工作流程文字中。請參閱 n8n 的 Anthropic 憑證文件 和 n8n 的 Anthropic Chat Model 文件。

對於這個流程，將 Anthropic Chat Model 連接到 Basic LLM Chain。一個實用的模型選擇取決於你的品質和成本目標：

上述價格來自 Anthropic 當前的定價頁面，可能會變動。此外，避免從舊教程中複製舊模型 ID。Anthropic 維護一個模型棄用頁面，因為模型會定期棄用和退役。在硬編碼模型名稱之前，請檢查 Anthropic 的模型棄用文件。

步驟 6：使用一個保留來源忠實度的提示

提示應明確轉換邊界：Claude 可以重新構建和壓縮來源，但不应發明不存在的關鍵事實。Anthropic 當前的提示指南建議對複雜輸入使用清晰的指令和結構化標籤。請參閱 Anthropic 的提示最佳實踐文件。

一個實用的系統訊息是：

You are a content repurposing editor.
Use only factual claims supported by the supplied source.
Do not invent statistics, quotes, customer results, dates, or product capabilities.
Preserve the original meaning while adapting format and tone.
If an output requires information not present in the source, set needs_review to true
and explain the missing information in review_notes.
Return the requested structured fields only.

然後從 n8n 表達式構建用戶訊息：

<source>
<title>{ $json.title }</title>
<text>{ $json.source_text }</text>
<source_url>{ $json.source_url }</source_url>
</source>

<requirements>
Audience: { $json.audience }
Voice: { $json.brand_voice }
Create only the requested formats: { JSON.stringify($json.outputs) }
</requirements>

範例：如果來源說產品於 5 月推出，但從未提供客戶數量，Claude 可以將推出事實轉化為更短的貼文，但它不應添加「10,000 名客戶」來讓貼文聽起來更有力。

步驟 7：強制結構化輸出而不是解析散文

自由格式的文字難以路由。如果 Claude 返回的標題在每次執行時都改變，下游節點就會變得脆弱。n8n 的 Structured Output Parser 可以根據 JSON Schema 返回欄位，而 Basic LLM Chain 可以要求特定的輸出格式。請參閱 n8n 的 Structured Output Parser 文件。

使用如下架構：

{
  "type": "object",
  "properties": {
    "linkedin_post": { "type": "string" },
    "short_posts": {
      "type": "array",
      "items": { "type": "string" },
      "minItems": 3,
      "maxItems": 3
    },
    "email_subject": { "type": "string" },
    "email_intro": { "type": "string" },
    "video_hook": { "type": "string" },
    "video_script": { "type": "string" },
    "key_takeaways": {
      "type": "array",
      "items": { "type": "string" }
    },
    "needs_review": { "type": "boolean" },
    "review_notes": {
      "type": "array",
      "items": { "type": "string" }
    }
  },
  "required": [
    "linkedin_post",
    "short_posts",
    "email_subject",
    "email_intro",
    "video_hook",
    "video_script",
    "key_takeaways",
    "needs_review",
    "review_notes"
  ],
  "additionalProperties": false
}

如果你選擇使用 n8n 的 HTTP Request 節點直接調用 Claude Messages API，而不是使用 Anthropic Chat Model 整合，Anthropic 也支持通過支持模型上的 output_config.format 進行原生結構化輸出。請參閱 Anthropic 的 Structured Outputs 文件 和 Claude Messages API 參考。

步驟 8：儲存草稿、審核它們，然後自動化發布

對於第一個生產版本，將生成的欄位存儲在審核位置，而不是直接發送到公共頻道。常見的目的地包括資料庫、Google Drive、Google Sheets、Notion、CMS 草稿或內部審核訊息。

將 needs_review 用作硬性閘門。對於發送外部訊息或更改生產系統的任何內容，也考慮使用人工審核步驟。n8n 目前支持 AI 工具調用的人機協同（human-in-the-loop）批准，審核者可以批准或拒絕選定的操作。請參閱 n8n 的人機協同文件。

推薦的推出方式：

1. 第 1 週：僅生成草稿。
2. 第 2 週：將輸出與來源進行比較，並修復提示/架構失敗。
3. 第 3 週：允許批准的草稿自動移動到目的地草稿資料夾。
4. 僅在工作流程穩定後：考慮對低風險格式進行自動發布。

一個具體的端到端 n8n 工作流程

對於簡單的 webhook 驅動版本，按順序創建這些節點：

如果你偏好排程流程，請用 Schedule Trigger 替換 Webhook，並添加一個檢索批准的、未處理項目的來源節點。

如何避免重複再利用同一來源

為每個項目添加一個不可變的 source_id 並存儲已處理的 ID。在 Claude 運行之前，檢查該 ID 是否已經成功完成。這是基本的冪等性：重複相同的觸發器不應創建重複的草稿，除非你明確要求新版本。

對於修訂，使用複合鍵，如 source_id + source_revision。這允許文章的第 2 版生成新草稿，而不會假裝它與第 1 版是相同的來源。

如何降低 Claude API 成本

模型選擇只是一個槓桿。最大的可避免成本通常是發送不必要的文字或生成不必要的長輸出。

• 在模型調用之前移除導航、樣板文字和無關的 HTML。
• 只請求你實際需要的格式。
• 在提示中設置合理的輸出長度約束。
• 當品質足夠時，對簡單的高容量轉換使用 Haiku 4.5。
• 當來源需要更多細微差別或更強的跨格式適應時，使用 Sonnet 5。
• 如果你可以用簡潔穩定的指令來表示，不要每次調用都發送相同的長品牌指南。
• 測量代幣使用量和成本，而不是假設短工作流程很便宜。

Anthropic 還為適用工作負載提供提示緩存和批次處理，但這些功能有其自己的要求和定價。除非重複的上下文或非緊急的高容量處理使得額外複雜性值得，否則不要將它們添加到第一個工作流程中。

發布前需測試的三種故障模式

1. 幻覺事實

向工作流程提供一個故意省略統計數據的來源。預期行為是輸出不會發明一個。如果它發明了，請加強來源忠實度指令和審核閘門。

2. 損壞的結構化輸出

測試每個必需欄位、空數組、異常長的來源文字和特殊字符。一個流程不可靠，僅僅因為一個吸引人的示範輸出看起來正確。

3. 重複執行

發送相同的 source_id 兩次。第二次運行應該停止、更新現有記錄，或根據你的設計故意創建修訂——而不是靜默地重複每個草稿。

你需要為此使用 AI Agent 嗎？

通常不需要。當模型必須決定調用哪些工具或根據開放式目標採取不同行動時，AI Agent 很有幫助。內容再利用通常是一個可預測的轉換，因此鏈式結構更容易檢查、測試和控制。

僅當你有具體需求時才轉向代理，例如動態選擇研究工具、決定哪個目的地接收草稿，或向人類詢問缺失資訊。即便如此，在工作流程經過良好測試之前，將不可逆的發布動作放在明確的審核之後。

最終構建檢查清單

• 如果你希望 n8n 軟體層保持免費，請自託管 n8n 社群版。
• 不要將 Claude API 使用描述為永久免費。
• 對按需處理使用 Webhook，對定時批次使用 Schedule Trigger。
• 將每個來源正規化為一個輸入契約。
• 傳遞來源文字，而不僅僅是 URL。
• 將 Anthropic API 金鑰存儲在 n8n 憑證中。
• 使用活躍的 Claude 模型並定期檢查棄用頁面。
• 對可預測的再利用使用 Basic LLM Chain。
• 要求結構化輸出架構。
• 在架構中添加 needs_review 和審核註釋。
• 使用穩定的來源 ID 進行去重。
• 在啟用自動發布之前儲存草稿。
• 測試幻覺、格式錯誤的輸入、重複觸發器和故障路徑。
• 監控代幣使用量和外部服務成本。

最好的第一個版本是刻意無聊的：一個乾淨的輸入、一個受控的 Claude 調用、一個驗證的 JSON 回應和一個草稿目的地。該架構易於除錯且運營成本低。一旦它在真實來源材料上可靠運行，你可以添加更多頻道、排程、人工批准、分析或發布整合，而無需重建核心流程。