Du öppnar fem nyhetsflikar ”bara för att kolla rubrikerna” och plötsligt har det gått 45 minuter. Än värre: du kan fortfarande inte avgöra vad som faktiskt spelar roll, eftersom de viktiga nyheterna är utspridda över olika källor och format.
Det här med RSS digest automation slår hårdast mot analytiker, men marknadsansvariga och grundare känner av det också. Alla vill ha samma sak: en enda tydlig briefing, på vietnamesiska, levererad där teamet redan läser meddelanden.
Det här arbetsflödet hämtar från flera RSS-flöden, filtrerar till de senaste 24 timmarna, sammanfattar toppnyheterna till ett dagligt sammandrag på cirka 400 ord och skickar det till Zalo och Telegram. Du får se vad det gör, vad du behöver och hur du anpassar det.
Så fungerar den här automatiseringen
Se hur detta löser problemet:
n8n Workflow Template: RSS till Zalo och Telegram: daglig strukturerad digest
flowchart LR
subgraph sg0["Schedule Flow"]
direction LR
n0@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Filter", pos: "b", h: 48 }
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "Edit Fields", pos: "b", h: 48 }
n2@{ icon: "mdi:swap-vertical", form: "rounded", label: "Edit Fields1", pos: "b", h: 48 }
n3@{ icon: "mdi:swap-vertical", form: "rounded", label: "Edit Fields2", pos: "b", h: 48 }
n4@{ icon: "mdi:swap-vertical", form: "rounded", label: "Edit Fields3", pos: "b", h: 48 }
n5["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/merge.svg' width='40' height='40' /></div><br/>Merge"]
n6@{ icon: "mdi:cog", form: "rounded", label: "Limit", pos: "b", h: 48 }
n7@{ icon: "mdi:cog", form: "rounded", label: "Aggregate", pos: "b", h: 48 }
n8@{ icon: "mdi:play-circle", form: "rounded", label: "Schedule Trigger", pos: "b", h: 48 }
n9@{ icon: "mdi:cog", form: "rounded", label: "My RSS 01", pos: "b", h: 48 }
n10@{ icon: "mdi:cog", form: "rounded", label: "My RSS 02", pos: "b", h: 48 }
n11@{ icon: "mdi:cog", form: "rounded", label: "My RSS 03", pos: "b", h: 48 }
n12@{ icon: "mdi:cog", form: "rounded", label: "My RSS 04", pos: "b", h: 48 }
n13@{ icon: "mdi:robot", form: "rounded", label: "Message an assistant", pos: "b", h: 48 }
n14@{ icon: "mdi:play-circle", form: "rounded", label: "Zalo Trigger", pos: "b", h: 48 }
n15@{ icon: "mdi:cog", form: "rounded", label: "Gửi tin nhắn cá nhân & nhóm1", pos: "b", h: 48 }
n16@{ icon: "mdi:cog", form: "rounded", label: "Message a model in Perplexity1", pos: "b", h: 48 }
n17@{ icon: "mdi:memory", form: "rounded", label: "Simple Memory1", pos: "b", h: 48 }
n18["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/telegram.svg' width='40' height='40' /></div><br/>Telegram Trigger"]
n19["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/telegram.svg' width='40' height='40' /></div><br/>Send a text message"]
n6 --> n7
n5 --> n0
n0 --> n6
n7 --> n13
n9 --> n4
n10 --> n1
n11 --> n2
n12 --> n3
n1 --> n5
n2 --> n5
n3 --> n5
n4 --> n5
n14 --> n9
n14 --> n10
n14 --> n11
n14 --> n12
n17 -.-> n13
n8 --> n9
n8 --> n10
n8 --> n11
n8 --> n12
n18 --> n9
n18 --> n10
n18 --> n11
n18 --> n12
n13 --> n15
n13 --> n19
n16 -.-> n13
end
%% Styling
classDef trigger fill:#e8f5e9,stroke:#388e3c,stroke-width:2px
classDef ai fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
classDef aiModel fill:#e8eaf6,stroke:#3f51b5,stroke-width:2px
classDef decision fill:#fff8e1,stroke:#f9a825,stroke-width:2px
classDef database fill:#fce4ec,stroke:#c2185b,stroke-width:2px
classDef api fill:#fff3e0,stroke:#e65100,stroke-width:2px
classDef code fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
classDef disabled stroke-dasharray: 5 5,opacity: 0.5
class n8,n14,n18 trigger
class n13 ai
class n17 ai
class n0 decision
classDef customIcon fill:none,stroke:none
class n5,n18,n19 customIcon
Utmaningen: dagliga nyheter blir en tidstjuv
Att hänga med i nyheterna låter enkelt tills du gör det varje dag, på flera sajter, samtidigt som du faktiskt ska sköta ditt jobb. Du skummar en källa, sedan en till, och så ”bara” dubbelkollar du detaljer — och plötsligt är ditt morgonfokus borta. Om du dessutom ska dela uppdateringar med ett team blir det rörigare: länkar slängs in i chatten utan sammanhang, folk missar tråden, och när någon frågar ”så vad är slutsatsen?” skriver du om sammanfattningen från noll. Ärligt talat är det repetitiva det som gör mest ont, eftersom det stjäl energi som borde gå till beslut.
Det summeras snabbt. Här är var det faller isär i riktiga team.
- Att kolla 4+ källor varje morgon blir ett stående möte med webbläsaren.
- Handskrivna sammanfattningar driver i ton och struktur, så din ”dagliga digest” känns aldrig konsekvent.
- Team förlitar sig på ad hoc-meddelanden i chatten, vilket gör att den viktiga rubriken begravs under svar.
- Copy-paste-fel uppstår lätt, särskilt med rubriker, datum och duplicerade artiklar mellan flöden.
Lösningen: en AI-kurerad vietnamesisk digest skickad till Zalo + Telegram
Den här automatiseringen samlar in nya artiklar från fyra RSS-källor, rensar och standardiserar fälten (rubrik, publiceringsdatum och innehåll) och behåller sedan bara nyheter från de senaste 24 timmarna. Den kapar listan till de 20 senaste objekten så att AI:n inte sammanfattar brus. Därefter skapar en OpenAI-driven assistent en koncis vietnamesisk digest med 15–19 höjdpunkter (cirka 400 ord) och tar bort konstiga tecken som ofta dyker upp i skrapat RSS-innehåll. Om du aktiverar det anropar arbetsflödet även Perplexity för att vässa tonen till en mer finans–ekonomi–politik-stil, vilket ofta är det affärsteam faktiskt vill ha. Till sist levereras samma färdiga briefing till både Zalo och Telegram, så du slipper dubbelarbete i distributionen.
Arbetsflödet kan köras automatiskt enligt schema (tänk kl. 07:00), eller vid begäran när någon ber om det från Zalo eller Telegram. I mitten slår det ihop artiklar mellan flöden, filtrerar på aktualitet och använder en AI-minnesbuffert för att hålla utdata mer konsekvent dag för dag. I slutet får teamet ett meddelande som läser som en riktig briefing, inte en hög länkar.
Vad som förändras: före vs. efter
| Detta eliminerar | Effekten du märker |
|---|---|
|
|
Effekt i verkligheten
Säg att du kollar 4 RSS-källor varje morgon och lägger kanske 10 minuter per källa på att skumma, öppna artiklar och plocka citat. Det är ungefär 40 minuter, och du måste fortfarande skriva en sammanfattning och posta den på två ställen. Med det här arbetsflödet är ”jobbet” i princip noll: en schemalagd körning kl. 07:00, sedan tar AI:n fram en digest på cirka 400 ord och skickar den till Zalo och Telegram. Du kastar en blick, vidarebefordrar vid behov och går vidare. Det ger cirka 30–40 minuter tillbaka per dag.
Krav
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- RSS-flödes-URL:er för dina nyhetskällor (4 ingår).
- Zalo User API för att leverera meddelanden till chattar.
- Telegram-bot för att skicka digesten till Telegram.
- OpenAI API-nyckel (hämta den från din OpenAI API-dashboard).
- Perplexity API-nyckel (hämta den från ditt Perplexity-konto, om aktiverat).
Svårighetsgrad: Medel. Du kopplar konton, klistrar in API-nycklar och justerar en prompt utan att behöva skriva kod.
Behöver du hjälp att implementera detta? Prata med en automationsspecialist (gratis konsultation i 15 minuter).
Flödet i arbetsflödet
Schemalagd körning eller chattförfrågan. Arbetsflödet startar antingen vid en bestämd tid (din morgonbriefing) eller när någon triggar det från Zalo eller Telegram.
RSS-insamling och upprensning. Det hämtar objekt från fyra RSS-flöden och ”mappar” sedan varje flöde till en konsekvent struktur så att nästa steg inte behöver hantera rörig data.
Slå ihop, filtrera och begränsa. Flödena kombineras till en ström, objekt äldre än 24 timmar tas bort och listan begränsas till 20 nya artiklar så att sammanfattningen förblir lätt att läsa.
AI-generering av digest och leverans. OpenAI skapar 15–19 vietnamesiska höjdpunkter (cirka 400 ord), valfritt förfinade via Perplexity, och sedan skickas samma digest till Zalo och till din Telegram-bot.
Du kan enkelt ändra RSS-källorna så att de matchar ditt branschfokus, eller justera sammanfattningslängden om teamet föredrar kortare briefingar. Se hela implementeringsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera schemat och triggers för inkommande meddelanden
Det här arbetsflödet kan starta från en schemalagd körning eller från inkommande meddelanden, så ni kommer att konfigurera alla tre ingångspunkterna.
- Lägg till och konfigurera Scheduled Automation Trigger enligt önskat schema i dess triggerinställningar.
- Konfigurera Zalo Incoming Trigger för att ta emot inkommande meddelanden och bekräfta att webhooken är nåbar.
- Konfigurera Telegram Incoming Trigger för att ta emot inkommande meddelanden och bekräfta att webhooken är nåbar.
- Koppla ihop triggers så att Zalo Incoming Trigger, Scheduled Automation Trigger och Telegram Incoming Trigger var och en skickar utdata till Retrieve RSS Feed 1, Retrieve RSS Feed 2, Retrieve RSS Feed 3 och Retrieve RSS Feed 4 parallellt.
Steg 2: Anslut RSS-flödena och mappa fält
Varje RSS-källa hämtas, normaliseras och slås sedan ihop till en enda ström.
- I Retrieve RSS Feed 1, Retrieve RSS Feed 2, Retrieve RSS Feed 3 och Retrieve RSS Feed 4 anger ni RSS-flödets URL:er för respektive källa.
- Mappa utdatafälten i Map Data Fields A, Map Data Fields B, Map Data Fields C och Map Data Fields D för att linjera titlar, länkar och beskrivningar.
- Koppla Map Data Fields A, Map Data Fields B, Map Data Fields C och Map Data Fields D till Combine Streams för att slå ihop alla flödesobjekt till ett flöde.
Steg 3: Konfigurera postfiltrering och summering
Filtrera och begränsa de sammanslagna flödesobjekten innan ni sammanfattar dem till en kompakt datamängd.
- Konfigurera Apply Record Filter så att den bara inkluderar de poster ni vill sammanfatta (till exempel baserat på nyckelord eller kategorier).
- Ställ in Restrict Items för att sätta en övre gräns för hur många poster som skickas vidare till summeringen.
- Använd Summarize Records för att aggregera de återstående objekten till en strukturerad sammanfattning för AI-bearbetning.
Steg 4: Konfigurera AI-lagret för summering
AI-noden använder verktyg och minne för att skapa en slutlig sammanfattning för distribution.
- Konfigurera AI Assistant Prompt med er prompt och utdata-struktur för nyhetssammanfattningen.
- Säkerställ att Perplexity Model Query är kopplad som AI-verktyg för AI Assistant Prompt; lägg till autentiseringsuppgifter i AI Assistant Prompt, inte i själva verktyget.
- Säkerställ att Buffer Memory Store är kopplad som minne för AI Assistant Prompt; konfigurera minnesinställningar på den överordnade noden.
- Credential Required: Anslut era OpenAI API-autentiseringsuppgifter i AI Assistant Prompt.
Steg 5: Konfigurera utgående meddelanden
AI-sammanfattningen skickas ut till både Zalo och Telegram parallellt.
- Bekräfta att AI Assistant Prompt skickar utdata till både Dispatch Zalo Message och Send Telegram Message parallellt.
- I Dispatch Zalo Message mappar ni AI-sammanfattningen till meddelandetexten.
- I Send Telegram Message mappar ni AI-sammanfattningen till meddelandetexten.
- Credential Required: Anslut era Zalo-autentiseringsuppgifter i Dispatch Zalo Message och Zalo Incoming Trigger.
- Credential Required: Anslut era Telegram Bot-autentiseringsuppgifter i Send Telegram Message och Telegram Incoming Trigger.
Steg 6: Testa och aktivera ert arbetsflöde
Kör ett manuellt test för att bekräfta RSS-hämtning, summering och meddelandeleverans innan ni aktiverar produktionskörningar.
- Klicka på Execute Workflow för att köra ett test från Scheduled Automation Trigger eller använd webhookarna för Zalo Incoming Trigger / Telegram Incoming Trigger för att simulera en verklig inkommande händelse.
- Verifiera att objekt passerar genom Combine Streams, Apply Record Filter, Restrict Items och Summarize Records utan fel.
- Bekräfta att Dispatch Zalo Message och Send Telegram Message tar emot det summerade innehållet från AI Assistant Prompt.
- När allt fungerar, slå om arbetsflödet till Active för schemalagd och webhook-styrd automation.
Se upp med
- Telegram-uppgifter kan löpa ut eller kräva specifika behörigheter. Om något slutar fungera, kontrollera först Telegram-bottoken i n8n Credentials.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om nedströmsnoder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in ert tonalitet/brand voice tidigt, annars kommer du redigera utdata för alltid.
Vanliga frågor
Cirka 30 minuter om du redan har dina API-nycklar.
Ja. Du kommer främst koppla konton och klistra in uppgifter i n8n och sedan justera prompten för sammanfattningen.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in OpenAI- och Perplexity-API-användning, vilket beror på hur långa dina sammanfattningar är och hur ofta du kör dem.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och kör n8n bra. Egen drift ger dig obegränsade körningar men kräver grundläggande serverhantering.
Du kan byta eller lägga till källor genom att duplicera RSS Read-noderna (Retrieve RSS Feed 1–4) och mappa deras fält i Set-stegen (Map Data Fields A–D). Många team justerar också filterfönstret (senaste 24 timmarna) och taket på 20 objekt så att digesten matchar deras tempo. Om du vill ha en annan skrivstil ändrar du instruktionerna i AI Assistant Prompt och behåller regeln ”ta bort specialsymboler” så att utdata förblir korrekt formaterad i chattappar.
Oftast beror det på en utgången eller felaktig bottoken i n8n Credentials. Det kan också vara fel chat-ID (postar till en grupp vs. en direktchatt) eller Telegrams rate limiting om du triggar digesten upprepade gånger under kort tid.
För de flesta små team är det i praktiken ”så ofta du behöver”, eftersom varje körning sammanfattar upp till 20 objekt.
Ofta, ja, eftersom den här typen av arbetsflöde gynnas av förgrenade triggers (schema, Zalo-kommando, Telegram-kommando), databearbetning och AI-promptning på ett ställe. n8n ger dig också ett alternativ för egen drift, vilket spelar roll om teamet kör dagliga digests för flera grupper. Zapier och Make kan fortfarande fungera, men du brukar känna av begränsningarna när du lägger till filtrering, slår ihop flera flöden och håller utdata konsekvent. En annan praktisk punkt: du kan lägga till minne/kontext och valfri Perplexity-förfining utan att göra automatiseringen till en skör kedja av separata scenarier. Prata med en automationsspecialist om du vill ha en snabb rekommendation för din stack.
En daglig briefing ska kännas friktionsfri. Sätt upp det här en gång och låt arbetsflödet leverera uppdateringarna, medan du lägger morgonen på beslut i stället för flikar.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.