n8n+Hermes建筑日报自动化踩坑实录：从零到跑通的彻夜复盘

凌晨3点，Telegram 推送了第一条自动生成的建筑趋势日报。从一个念头到成功运转，其间踩过的坑有多少？付出的时间值不值？这篇复盘将给你一份不加滤镜的真实答案。

源头：看似简单的推送需求

需求听起来并不复杂：每天清晨自动搜集与建筑、AI 设计及参数化相关的行业资讯，通过智能过滤和摘要后，推送到 Telegram。
这样一觉醒来就能读到精华，不必再亲自刷遍各个信息平台。

实现路径也很清晰——用 n8n 负责数据采集与调度，Hermes Agent 承担智能处理，最后通过 Telegram 完成推送。网上有现成的方案文档，看上去一两个小时就能跑通。
可真正动手之后，我从开始到成功推送几乎折腾了整夜。
这篇文章并非教程，而是一次深度复盘：记录每一个坑、每一个判断、每一次绕路，下次再碰到相似的挑战，就能少走无数弯路。

先分清角色：n8n 与 Hermes 功能定位

在进入那些坑之前，有必要先把两个工具的底层职责讲清楚。

n8n 是一个开源的工作流自动化平台，类似于 Zapier 或 Make，但能完全自托管。它的核心价值在于连接——把各类数据源、API、服务串联成自动化管道。RSS 抓取、HTTP 请求、数据库操作、定时触发，这些都是 n8n 的拿手好戏。但它不负责“思考”，只做搬运与编排。

Hermes Agent 则是一个本地运行的 AI Agent 框架，支持工具调用（网络搜索、文件操作、代码执行等），具备持久化记忆，并且可以接入 Telegram、Discord 等多个平台。它真正擅长的是“思考”与“判断”——理解上下文、筛选信息、生成结构化输出。

因此，两者的分工非常明确：n8n 是数据管道，Hermes 是大脑。

坑一：方案文档的理想与现实

网上流传的方案文档，架构看起来相当完备：定时触发 → RSS 采集 → Hermes 处理 → Telegram 推送。
但在一个关键步骤上，被一句话轻松带过——“请确保你已经部署好 Hermes Agent”。
问题就出在这。

Hermes Agent 有两种运行模式：

• • hermes：交互式 CLI，打开终端直接对话，也是大多数人的日常使用方式
• • hermes gateway：消息网关模式，用来连接 Telegram、Discord 等平台，同时内置了一个 OpenAI 兼容的 HTTP API，监听在 8642 端口

n8n 想调用 Hermes，必须依赖第二种模式所暴露的 HTTP API。如果只运行了 hermes，API 根本不存在，n8n 无论如何配置都连不上。
更细致的问题是：即使启动了 hermes gateway，API Server 默认也是关闭的。你必须进入 ~/.hermes/.env，同时设置以下两个变量：

API_SERVER_ENABLED=true  
API_SERVER_KEY=你生成的密钥

其中 API_SERVER_KEY 是强制的，哪怕只是本地调用也绝不能省略，否则 gateway 会直接报错并拒绝开启 API。

教训：所有“请先确保你已经……”的步骤，都要逐行展开细查，绝不能假定对方的环境和你的一模一样。

坑二：已废弃的 Function 节点

方案提供的工作流 JSON 里，使用了 n8n-nodes-base.function 这个节点类型。
然而在当下的 n8n（v0.198.0 之后），Function 节点已经被 Code 节点彻底取代。
导入旧的 JSON 时，节点要么无法加载成功，要么静默失效——看似在工作流画布上完好无损，实际执行起来完全没有任何输出。
这个坑极其隐蔽，因为工作流看起来逻辑完整，错误提示又不够直接。
最终，我把所有 JavaScript 处理逻辑全部迁移到 Code 节点，并指定为 Run Once for All Items 模式，问题才算真正解决。

坑三：JSON Body 动态嵌入陷阱

在调用 Hermes API 时，需要将 RSS 文章内容拼接成一段 prompt，再放入 HTTP 请求的 Body 中。
最直观的做法是在 n8n 的 HTTP Request 节点里，通过表达式直接引用上游节点数据，并嵌入到 JSON 结构里，比如：

{  
  "content": "={{ $json.prompt }}"  
}

但这根本行不通。prompt 里含有大量的中文文本、换行符和特殊字符，直接嵌入会彻底破坏 JSON 的合法性，n8n 在解析阶段就会报错。
解决思路是预先序列化：在 Code 节点里，用 JSON.stringify() 把整个请求 Body 打包成一个字符串，当成一个字段传给下游。HTTP Request 节点拿到的就是一个合法的 JSON 字符串，可以直接使用，从而绕开了动态拼接带来的语法隐患。
代价是多了一步处理，但换来了稳定的执行。

坑四：RSS 源网络可访问性

经测试，ArchDaily 的主 RSS 源在国内直接访问会返回 502，而参数化建筑网站的 SSL 证书有问题，会触发 TLS 握手错误。
最终保留了两个稳定可用的信息源：ArchDaily（通过备用地址接入）和 Dezeen。

建议：在正式部署前，务必用 curl 逐一验证每个 RSS URL 的可达性，绝不要想当然地认为国外网站都能无障碍访问。

坑五：本地 n8n 进程持久化

通过 npm 安装 n8n 后，直接运行 n8n start，进程是绑定在当前终端里的。一旦关闭终端，n8n 就立刻停止。
尝试用 nohup 让它后台常驻，但在我的 M1 Mac 上非常不稳定，进程经常会神秘消失。
最终依靠 tmux 解决了问题——新建一个专用的 tmux session 来跑 n8n，即使终端关闭，session 也不会结束：

tmux new-session -d -s n8n 'n8n的完整启动命令'

同样的策略也必须应用到 hermes gateway 上，以保证它持续在线。

这是本地自托管方案的通病：没有进程守护，也不具备自动重启能力，电脑重启后一切都得手动恢复。 如果追求真正的稳定运行，需要配置 macOS 的 launchd 服务，或者干脆迁移到 VPS 上。

成果：每日自动推送的质量

管线跑通后，每天早上 08:00，Telegram 会准时收到这样一条推送：

📅 建筑趋势日报 2026/06/09

🔥 今日精选：

Ecologies of Repair: Reconciling Our Relationship with Water
一句话亮点：苏丹裔建筑师 Ola Hassanain 提出“修复生态学”，以建筑实践重建人与水的关系
链接：archdaily.com/…

When Façades Become Habitats
一句话亮点：立面从“内外分隔”转向“多物种栖息地”，建筑为生态让渡空间
链接：archdaily.com/…

💡 今日趋势洞察：建筑正从服务人类的功能主义转向修复性实践——修复水、修复物种共存、修复多危机叙事。

质量远超我的预期。在这种应用场景下，Hermes 的筛选与总结能力表现得相当出色。

对比：n8n+Hermes 与单独 Hermes 的差异

这是一个值得认真辨析的问题。
Hermes 本身就提供了 hermes cron 功能，可以配置定时任务，让 Agent 自主搜索、整理并推送信息。单从结果来看，两种方案都能实现“每天自动推送建筑资讯”。
本质区别在于数据来源的控制权。

对于纯粹的信息聚合与推送，Hermes cron 更直接，不必引入 n8n。
n8n 的真正价值在于需要对接非公开数据或结构化数据源的场景，那才是这套架构大显身手的地方。

管道解锁：对建筑师的实际意义与场景

这是整个事件中最值得展开的部分。
今晚所做的，表面上是“建筑资讯自动推送”，但本质上，我们打通了一条从任意数据源到 AI 处理，再到任意输出端的柔性管道。
这条管道一旦建立，能接入的数据和能实现的自动化，就远不止于资讯推送。

场景一：项目文件监控

监测项目共享文件夹，一旦有新的图纸或文档上传，自动触发 Hermes 分析变更内容，提取关键信息，实时推送给相关人员。从此再也不用人工盯着文件夹，也不用干等别人通知。

场景二：规范库自动更新提醒

定时抓取住建部、各省厅官网的规范发布页面，新规范或修订版一旦上线，自动提取核心变更点，推送到你的 Telegram 或邮箱。建筑师最怕的就是用了旧版规范，而这条管道可以把这类风险压到最低。

场景三：甲方需求自动归档

接入邮件或企业微信 API，对甲方发来的需求描述进行自动归类、关键信息提取，并写入项目管理系统。不仅大幅减少手动整理的时间，也有效降低了遗漏的可能。

场景四：IFC 模型变更日报

结合 BIM 工作流，每日自动对比 IFC 模型的变化，由 Hermes 生成变更摘要，推送至项目负责人。在多人协作的大型项目中，信息同步的成本极高，自动化日报能显著降低沟通摩擦。

场景五：竞赛信息聚合

抓取多个竞赛信息平台，根据设定条件（类型、奖金、截止时间）进行筛选，每周定时推送。再也不必手动刷站，更不会因为错过报名截止日期而后悔。

更大的图景：AI 不再是孤立的对话框

当前大多数人使用 AI 的方式仍是：打开对话框，输入问题，得到回答，然后关闭。AI 是孤立的，与工作流程深度割裂。
而 n8n + Hermes 这套架构所做的，正是把 AI 嵌入到工作流之中——让 AI 在正确的时间、基于正确的数据、自动完成正确的任务，而不需要人工去触发。
对建筑师而言，这个转变意味着从“我去问 AI”变成了“AI 主动告诉我”。
从被动查询到主动推送，从单次对话到持续运行，从人工触发到事件驱动——这才是 AI 真正融入工作流程的第一步。
今夜那些踩过的坑，全都值得。

技术栈总结

• • n8n：工作流自动化引擎，本地 npm 安装，通过 tmux 维持进程
• • Hermes Agent：AI Agent，以 hermes gateway 模式运行，暴露 8642 端口的 OpenAI 兼容 API
• • RSS 源：ArchDaily、Dezeen（使用前务必验证可访问性）
• • 推送端：Telegram Bot（独立创建，与 Hermes 自身的 Bot 分离）
• • 运行环境：macOS M1，本地运行

已知局限：电脑重启后需要手动拉起两个进程。要实现生产级的稳定运行，仍须迁移到 VPS 或配置 launchd 实现自动启动。