基于n8n AI全链路智能投研与自动化简报引擎

基于n8n AI全链路智能投研与自动化简报引擎

Stack: n8n | DeepSeek | Bright Data

可拓展方向

  • 竞品情报监控:抓取竞品官网招聘或产品日志,分析其战略动向并推送至飞书。
  • 电商控价雷达:监控主流平台 SKU 价格波动,自动向企业微信发送改价预警。
  • 舆情风险预警:扫描社交媒体特定词簇,AI 判定情绪强度后触发公关报警。
  • 政策审计追踪:抓取政务官网公示,识别关键条款变化并生成摘要。
  • 行业早报聚合:集成多路 RSS 信息源,由 AI 筛选高价值资讯并生成技术早报。

设计目的

构建一套从底层数据抓取到高层逻辑推信的全自动闭环。核心诉求是解决金融数据获取碎片化、清洗成本高以及人工撰写研报效率低的问题。通过 n8n 编排,实现从市场异动监测到决策支持简报的秒级下发。

项目背景

金融从业者每天耗费大量时间在 Yahoo Finance、Reuters 或各类终端查阅行情并手动整理 Excel。这种重复劳动不仅低效,且难以沉淀历史数据。本项目通过接入 Bright Data 代理矩阵解决反爬问题,并利用 DeepSeek 的长文本推理能力,将非结构化数据转化为符合机构审美的 HTML 研报。

整体架构

graph TD
    A[Schedule Trigger] -->|定时触发| B[Set Stock List]
    B -->|数据拆分| C[Split Out Stocks]
    C -->|API 鉴权| D[Bright Data Scraper]
    D -->|异步取号| E{Check Status}
    E -->|Running| F[Wait 30s]
    F --> E
    E -->|Ready| G[Fetch Results]
    G -->|结构化聚合| H[Aggregate Data]
    H -->|Prompt 喂料| I[DeepSeek AI Model]
    I -->|数据入库| J[Airtable DB]
    I -->|邮件分发| K[Gmail / SMTP]

系统采用典型的异步解耦架构,主要分为四个阶段:

  1. 数据注入层:由 Schedule Trigger 定时触发,通过 Split Out 节点将标的池拆分为独立并发任务。
  2. 异步采集层:调用 Bright Data Scraper API 开启抓取任务,利用 Wait 节点与 Switch 节点构建状态轮询回路,处理 API 的异步返回机制。
  3. 逻辑加工层:Aggregate 节点进行数据重构,随后输入 DeepSeek Chat Model 进行语义分析与报告撰写。
  4. 持久化与分发层:数据同步至 Airtable 数据库,并经由 Gmail OAuth2 接口完成多端推送。

核心亮点

  • 异步轮询机制:针对重型爬虫 API 的延迟返回,设计了 Check-Wait-Loop 回路。通过判断 status 字段实现任务熔断或放行,避免了同步请求导致的超时风险。

  • Context 注入技术:在 Prompt Engineering 中采用结构化 JSON 喂料。将聚合后的标的数据动态映射至 AI 节点的 User Message,确保 DeepSeek 能够基于真实行情而非幻觉进行推演。

  • 多端格式对齐:针对邮件客户端对 CSS 支持度差的现状,系统在 AI 生成阶段强制要求输出带 Inline CSS 的 HTML。通过样式内联化,保证了在 Gmail、Outlook 等终端的渲染一致性。

具体功能模块

1. 动态标的配置

通过 Set Node 定义初始 Seed Data,支持批量输入 Ticker 数组。利用表达式 {{ $json.ticker }} 驱动后续的 HTTP Request 节点实现参数化查询。

image.png

2. 爬虫状态机

这是整个工程最绕的部分。Bright Data Scraper 节点发起请求后拿到 snapshot_id。随后的 Scraper Status Switch 节点负责逻辑分发:

  • running: 路由至 Wait Node 强制休眠 30 秒,随后闭环连回查询节点。
  • ready: 打破循环,进入数据拉取流程。 DDF060~1.PNG

3. AI 语义分析引擎

挂载 DeepSeek-V3 模型。System Prompt 设定为“资深机构分析师”。AI 负责执行涨跌幅计算、异常波动识别以及板块轮动推测。最终输出直接封装在 HTML 表格中,具备极高的可读性。 image.png

4. 数据库持久化

接入 Airtable 作为云端数据仓库。针对 Airtable 强类型的特性,在数据写入前进行了字段类型校准(String to Number/Percent)。该模块确保了每一份日报都有据可查,便于后期进行回测分析。

实现效果

运行后,工作流各节点呈绿色状态。Airtable 自动生成带有情绪标识(🟢/🟡/🔴)的行情行。收件人可在 1 分钟内收到一份包含 Top Movers 列表、市场洞察以及专业行情表的 HTML 邮件。整个流程实现全自动运行,无需人工干预。 image.png

© 2026 Personal Website
Developed by Ryan 🫡