В этой статье я покажу, как я создал свою первую полноценную цепочку автоматического поиска, анализа и рерайта новостей с помощью n8n, Tavily, OpenAI, OpenRouter и Telegram. Без лишнего кода. Всё через визуальную логику, которую я постепенно выстроил сам.
Что делает цепочка?
Цепочка автоматически ищет свежие англоязычные статьи(новости) об ИИ, извлекает содержимое html страниц, где опубликованы данные новости, выбирает самую интересную по определённым критериям, делает рерайт на русском — и присылает готовый результат в Telegram.
Вот как она работает — по шагам.
Шаг 1. Старт по расписанию
Цепочка запускается по расписанию через ноду Schedule Trigger. Например, 1 раз в сутки.
Шаг 2. Формирование запроса
Нода Edit Fields создаёт текстовый запрос, в котором я заранее указал:
- что искать (например, цепляющие новости об ИИ),
- какие темы интересуют,
- какие источники и форматы исключить.
Шаг 3. Бот-поисковик на базе ИИ
Затем активируется Бот-поисковик, построенный на модели GPT-4 с нодой Think, который использует Tavily для веб-поиска и возвращает только ссылки на подходящие статьи.
Шаг 4. Извлечение текста статей
Нода Split URLs разбивает ссылки по одной, а затем через Tavily Extract вытаскивает с каждой страницы чистый HTML-контент. После этого — ещё одна нода (Clear raw results) очищает всё от мусора(markdown-изображений и ссылок, декоративных символов и прочего - для последующей экономии токенов) и форматирует результат для ИИ-аналитика.
Шаг 5. Бот-аналитик выбирает лучшую статью
Он получает 10 статей и выбирает только одну — ту, которая больше всего зацепит широкую аудиторию. Важные критерии:
- тема близка простому человеку;
- есть эмоции — тревога, удивление, восторг;
- текст не слишком сложный или заумный.
Шаг 6. Рерайт на русском
Лучшая статья передаётся Боту-рерайтеру. Он делает не просто перевод, а глубокий адаптированный рерайт: без канцеляризмов, с живым стилем, пояснениями и читабельной логикой. Используются инструменты Think и Tavily Search — для пояснения терминов и добавления фактов. LLM - Аnthropic, Сlaude 3.5 Haiku
Шаг 7. Отправка результата в Telegram
На последнем этапе нода final output разбивает текст на куски (если он большой) и передаёт их в Telegram через ноду Telegram. Я получаю готовую статью прямо в телефон — без единого ручного действия.
Почему это круто?
- Скорость. От поиска до рерайта — 1 минута.
- Автоматизация. Я больше не читаю тонны новостей вручную.
- Контроль. Я сам задал критерии выбора и формат подачи.
Что дальше?
Чуть позже адаптирую эту цепочку для вывода готовой статьи под форматы разных площадок: Дзен, вк, телеграм.
📌 Хочешь такую же схему или есть вопросы? Пиши — буду рад помочь.
Если понравилась статья - ставь лайк и подписывайся на канал! Впереди еще много полезного и интересного контента!