2026-04-20

[實作筆記] 個人自動化平台(三) 收集、處理、輸出：三層可插拔管道設計

前情提要

前兩篇把 GCP VM + n8n + cloudflared tunnel 都設好了，環境就緒。

這篇不急著動手，先把架構想清楚。

目標是一個可以自由擴充的個人內容自動化平台：新增資料來源、換 AI 模型、改輸出管道，都不需要重寫整個流程。

核心設計：三層分離

把整個管道拆成三層，每層只負責一件事：

1	收集（Fetch） → 處理（Process） → 輸出（Sink）

收集：從外部拿資料，不做任何處理
處理：理解資料，產生新資訊
輸出：把結果推出去

每層都是介面，實作可以自由替換或組合。

每層的邊界

收集（Fetch）

負責從各種來源拉資料：RSS、API、Webhook、爬蟲……

不管來源是什麼，輸出格式統一：

{
  "title": "文章標題",
  "url": "https://...",
  "content": "原文內容或摘要",
  "source": "來源名稱",
  "published_at": "2026-04-20T00:00:00Z"
}

這個格式就是「收集」和「處理」之間的契約。只要每個來源都輸出這個 schema，「處理」完全不需要知道資料從哪來。

新增來源：建一個新的 sub-workflow，輸出同樣格式。
停用來源：把那個 sub-workflow 關掉。

處理（Process）

負責理解資料，產生新資訊。

目前規劃的功能：

功能	說明
摘要歸納	把長文濃縮成重點
事實查核	驗證內容可信度（未來）
創意發想	從資料延伸新觀點（未來）

AI 是「處理」層的實作細節，不是介面的一部分。

今天用 Claude，明天換 Gemini，或跑地端模型（Ollama）——主流程不在意，只呼叫「處理」的 sub-workflow，不管裡面用的是什麼模型。

「處理」層的輸出格式：

{
  "title": "文章標題",
  "url": "https://...",
  "summary": "AI 整理的重點",
  "tags": ["AI", "LLM"],
  "source": "來源名稱",
  "published_at": "2026-04-20T00:00:00Z"
}

輸出（Sink）

負責把結果推出去。

兩個維度都可以擴充：

格式：

純文字
簡報（未來）
影音（未來）

管道：

Email
LINE
YouTube / Instagram / Facebook（未來）

從「處理」到「輸出」可以有多條路線，同一批摘要可以同時走不同路線，互不干擾：

處理（摘要結果）
  ├─ → Email 週報（長版純文字）
  ├─ → LINE 推播（短版）
  └─ → 存檔（JSON，備用）

在 n8n 的實作方式

n8n 的 sub-workflow 機制很適合做這件事：

每個「收集」來源 → 一個 sub-workflow
每個「處理」功能 → 一個 sub-workflow
每個「輸出」管道 → 一個 sub-workflow
主流程：用 Execute Workflow 節點串起來，用 Merge 合併多個來源，用 Switch / If 分流到不同輸出

新增或停用任何環節，只需要在主流程加減節點，不動其他邏輯。

個人自動化平台(番外) 更新自架在 GCP VM 上的 n8n（Docker 版）

小結

三層分離（收集、處理、輸出），每層依賴介面不依賴實作
各層之間用固定的 JSON schema 溝通，是可替換性的基礎
「處理」層的 AI 模型是實作細節，抽成 sub-workflow 就能自由替換
「輸出」層支援多路線同時輸出，格式和管道各自獨立擴充
n8n 的 sub-workflow 機制天然適合這個設計

下一篇開始動手實作第一條 pipeline：AI 新聞週報。

Marsen's Blog

#StandWithUkraine