Chrysalid1. 先拆清楚：这个需求本质上是“两条流水线”的拼接
先别急着打开Coze画节点。我见过太多人一上来就搭工作流，搭完跑一次觉得“哇好酷”，第二天一看定时任务没触发，或者触发了一看汇总内容全是复制粘贴的标题堆砌。问题不出在Coze上，而是压根没想清楚你要做的这件事到底由哪几部分组成。
“每天一篇AI新闻自动汇总”，拆开来看，本质是两个独立任务：
- 第一个任务：联网搜索，把当天跟AI相关的新闻标题、来源、链接、发布时间拉下来。这是一个信息采集动作，核心要求是“全”和“新”。
- 第二个任务：把采集到的原始内容，剪裁成一篇有条理、有重点、能直接看的日报。这是一个内容生成动作，核心要求是“懂行”和“有条理”。
这两个动作，放在Coze里就是两个截然不同的节点组。采集靠的是联网搜索插件和网页读取能力，生成靠的是大模型的指令遵循能力。如果你上来就甩给大模型一个“帮我搜新闻并整理成日报”这种笼统指令，不是不能用，而是每一种来源都会导致ChatGPT/GPT/Claude等模型给出的结果风格完全不可控——有时它只给你三条，有时它给你10条但全是标题，有时它干脆编几个不存在的“新闻”出来。别笑，这种事真不少见。
所以我自己搭这类工作流时，第一原则就是：把采集和生成拆开，让每个节点只干一件事。Coze的Workflow模式天然就是干这件事的，它允许你把不同的插件、大模型、代码块、判断逻辑串起来，前一个节点的输出作为后一个节点的输入，数据流向清晰可见。这也是我为什么推荐在Coze上做，而不是拿Cursor写个Python爬虫脚本自己跑——后面我会专门说这个对比。
这个需求适合谁看？如果你日常需要跟踪AI行业动态，但没时间每天手动翻十几二十个网站；或者你是做内容运营、产品研究、技术选型的，需要每天早晨有一份现成的简报作为输入材料；再或者你搞了个信息聚合类的公众号或知识库，需要稳定的内容素材来源——这套工作流就是给你准备的。基础要求很低，不需要会写代码，但你要有点耐心，能听懂“节点”“参数”“触发器”这些概念。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心细节解析：工作流的五个关键环节都要抠到参数级别
2.1 触发方式：定时触发是“每日一篇”的命门
“每天一篇”这四个字，决定了这个工作流的起点不是搜索，而是触发。Coze里触发方式有好几种：手动触发、定时触发、Webhook触发、对话触发。做自动汇总，肯定选定时触发。
定时触发的配置里有两个关键参数：时区 和 cron表达式。Coze的定时任务的cron表达式有六个字段，跟Linux的crontab格式一致：秒 分 时 日 月 周。比如你想每天早上8点13分跑一次（选13分而不是整点，是为了避开整点大量任务排队），表达式就是 0 13 8 * * ?。
这里有个初学者特别容易忽略的地方：Coze平台默认时区不一定是北京时间。如果你在配置定时触发时没手动把时区改成 GMT+8，你设的“每天早上8点”，实际执行时间可能会差8个小时。我一开始没注意这个，结果连续两天都是下午四点才跑，还以为是节点配置有问题。
另外建议设两个触发点：早上一次作为正式汇总，下午一次作为补漏跑批。原因很简单，很多海外AI新闻是后半夜发的，早上8点汇总时还没被搜索引擎收录，到下午再跑一次能捞回不少漏网之鱼。补漏这次汇总，你可以让提示词里加一句“如果当天内容与早晨重复，自动去重”，或者直接生成一份“下午补充版”，两种方式我都试过，后者更省事。
2.2 新闻采集：插件选型和关键词设计决定信息质量
采集环节是整套工作流里最容易被低估的一环。很多人以为选个“联网搜索”插件就够了，实际跑下来会发现内容时好时坏。这里我直接给一套我验证过相对稳定的配置组合。
Coze的插件市场里，跟搜索相关的插件不少。我常用的组合是：一个搜索引擎插件负责拉取搜索结果列表，一个网页浏览插件负责读取新闻详情页正文。为什么不用一个插件搞定两步？因为大多数搜索插件只返回标题、摘要和链接，不返回正文内容。如果你只靠搜索结果里的摘要来让大模型写日报，信息量是不够的，尤其是那种“一句话摘要”本身就没说完的场景。
在Coze 的Workflow模式下建议做成三节点串联：
- 搜索插件（输入关键词和数量，输出搜索结果列表）
- 网页插件（输入第一条的链接列表，输出每篇正文内容）
- 大模型节点（把正文内容丢进去，让它裁剪汇总，而不是让它凭记忆生成）
关键词的设计也很讲究。以“AI新闻”为例，你不能只在搜索框里填一个“AI”，那搜出来的东西太杂，而且大概率会被搜索引擎归入泛科技资讯，找不到行业重点。我自己的做法是配一组关键词集合，每个关键词单独搜索一次，最后汇总去重。示例：
AI 大模型 发布人工智能 融资Machine Learning researchAI 芯片 算力大模型 应用落地
这里有个现实规律：同一个搜索引擎，针对中英文关键词返回的站点质量差异很大。中文关键词容易搜到科技媒体的转发稿，英文关键词更容易直接命中原始信源（比如OpenAI、Google AI的官方博客，或Arxiv论文）。所以推荐做法是“分批搜索中英文关键词，最后合并去重”，这样日报的信息源更立体——既有国内视角，又有国外一手消息。
2.3 大模型生成：日报的骨架靠提示词搭出来
新闻采集完，接下来就是大模型节点。这个节点的核心工作不是“让AI写文章”，而是“让AI按你的编辑标准改写素材”。提示词的好坏直接决定日报的可用性。
最基础的要求：设置一个清晰的USER指令，明确告诉AI今天的日报包含哪几个栏目、每个栏目放几条、每条新闻的格式是什么。我的日报结构通常是：
- 今日头条：1条最重要新闻，展开写完整背景和影响分析
- 行业快讯：5~8条，每条用一两句话概括核心信息
- 值得关注的论文/开源项目：2~3条，附上链接
- 一句话点评：AI给出的个人向判断（可选，但可读性会更好）
对应的提示词示例可以这样写（实际需要根据你选的模型微调）：
text复制你是一位AI领域资深编辑。请基于以下新闻素材，生成一份今日《AI日报》。
要求：
1. 素材中可能包含部分过时/无关内容，请根据你的知识判断，剔除与AI无关或价值不高的条目
2. 头条选1条你认为是当天最重要的AI新闻，写150字左右的深度短评，讲清楚“发生了什么”和“为什么重要”
3. 快讯部分选5-8条，每条控制在50字以内，信息密度要高，禁止套话
4. 如果素材里有值得关注的论文或开源项目，单独分区列出
5. 所有条目必须标注来源网站名称，禁止编造不存在的新闻或链接
6. 输出格式使用Markdown，标题层级清晰，便于后续直接复制
素材如下：
{{input}}
有几个参数值得单独说明。温度（Temperature）：做新闻汇总这种任务，温度建议调到0.2到0.4之间。温度太高，AI会自由发挥，把新闻改编得有点“润色过了头”，甚至把A公司的业务安到B公司头上。温度太低，输出会比较干巴巴，像机器人播报。我实际测试下来，0.3是个不错的折中点。
输出长度（Max Tokens）：如果你每天汇总的素材有十好几篇，生成日报时输出长度一般2000到4000个token就够用了。别设太长，否则模型容易开始凑字数，反而降低信息密度。也别设太短，不然头条深度分析那里它没空间展开写。
另外我强烈建议在提示词里加入“禁止编造”这条约束。这不是危言耸听——大模型在新闻摘要场景下，特别容易把“可能发生过的事”跟“真实发生的事”搞混。如果抓取到的新闻正文不完整，它甚至会脑补出一些细节。加了禁止编造这条，能大幅减少幻觉问题的出现频率，但不能完全根除。所以到目前这一步，我会要求日报必须附带原始链接，人工抽查复核链接有效性和内容一致性。
2.4 输出环节：飞书/邮箱/语雀，怎么选才合适
日报生成出来之后，如果只是躺在Coze运行记录里，那就失去“自动汇总”的意义了。发布环节同样需要提前设计。
我测试过的输出渠道有四个：飞书群机器人、邮件、语雀/Notion知识库、微信公众号（借助第三方工具）。
其中飞书群机器人是我最推荐的方式。原因很直接：飞书机器人可以通过webhook地址接收消息，而webhook地址一旦配好，整个流程相当于“把日报推送到你每天都会打开的地方”。你不需要额外安装客户端、不需要登录网页查看，手机上就能收到通知。对大多数上班族来说，飞书本身就是高频打开的办公软件，日报推送到这里是最不容易被漏看的。
配置飞书机器人的步骤不复杂：在飞书群里添加一个自定义机器人，拿到Webhook地址，然后在Coze的输出节点选择“发送消息”，把Webhook地址填进去，把日报内容作为消息内容发送即可。这里有一个小坑：飞书机器人的消息长度是有限制的，超过一定字符（大约几万个字符）消息会发不出去。日报一般不会这么长，但如果你的日报里有大量Markdown表格，建议先把内容转成纯文本或简化格式再发送。我自己一般是用开始一个新的多行文本节点，或者大模型输出前加一句“输出纯文本格式，不要用表格”，可以在源头上规避这个问题。
邮件也是一个可选的兜底方案。Coze平台自带邮件发送节点，填上收件人地址即可。但邮件的问题是时效性差，很多人邮箱是广告海洋，日报被埋没的概率比飞书大得多。我个人的工作流是“飞书推送为主，邮件备份为辅”，如果当天跑批失败，邮件备份还能保证内容不丢。
输出环节的另一个细节是格式化处理。大模型输出的Markdown文本，在飞书里展示时，表格和标题的兼容性并不完美。为了排版美观，我可以建议在最终输出前加一个“文本清理节点”，把模型输出的Markdown里过长的表格拆成普通列表，或直接把“#”标题换成加粗文本。这样虽然在功能上没区别，但每天早上读日报的体验会好很多。
3. 实操过程记录：从零搭一个每日AI日报工作流
3.1 工作流节点全览
下面是我当前在跑的版本号V3.2，整理了完整的节点清单和关键参数，你可以直接照着抄作业。
| 节点序号 | 节点类型 | 作用 | 关键参数 |
|---|---|---|---|
| 1 | 定时触发器 | 每天早8点13分和下午14点13分启动 | cron: 0 13 8 * * ? / 0 13 14 * * ? |
| 2 | 代码节点 | 生成今日日期字符串 | 供后续提示词和标题使用 |
| 3 | 搜索节点（中文组） | 按中文关键词搜新闻 | 关键词集合，显示数量10，搜索区域国内 |
| 4 | 搜索节点（英文组） | 按英文关键词搜新闻 | 关键词集合，显示数量10，搜索区域全球 |
| 5 | 网页读取节点 | 读取搜索结果中前5篇的正文 | 最大阅读字数，取前5个链接 |
| 6 | 大模型节点 | 生成日报初稿 | 温度0.3，输出长度3000，模型按可用选择 |
| 7 | 文本清理节点 | 格式整理、去除多余特殊字符 | 去除表格、保留Markdown基础语法 |
| 8 | 飞书机器人节点 | 推送至飞书群 | Webhook地址 |
| 9 | 邮件节点 | 后台备份 | 收件人邮箱 |
这个节点结构看着节点多，但每个节点的职能单一，排错时很快能定位问题。比如有一天日报内容全是空白的，我先查网页读取节点，发现是某个新闻网站的反爬机制把页面返回成了验证码页，于是我在网页读取节点加了一个UA参数和超时设置，问题就解决了。
3.2 关键代码块：日期生成
节点2的代码块，主要目的是生成一个标准格式的日期字符串，给后续提示词和标题使用。Coze的代码节点支持JavaScript（旧版）和Python（新版，但使用体验上JavaScript更顺滑），下面是一个我一直在用的JavaScript代码块：
javascript复制async function main({ params }) {
const now = new Date();
now.setHours(now.getHours() + 8); // 只做显示用，实际建议用系统时区
const year = now.getFullYear();
const month = String(now.getMonth() + 1).padStart(2, '0');
const day = String(now.getDate()).padStart(2, '0');
const weekday = new Intl.DateTimeFormat('zh-CN', { weekday: 'long' }).format(now);
return {
date: `${year}-${month}-${day}`,
weekday: weekday,
title: `${year}年${month}月${day日} AI日报`
};
}
这段代码的作用是把当前时间格式化成YYYY-MM-DD的日期字符串，并生成一个日报标题。注意一下：Coze的定时触发传入的北京时间已经是GMT+8，所以在这个代码里我又加了一次时区偏移，这只是为了保险。如果你发现日期有重复或者对不上，先把时区问题排查干净，再动代码。
3.3 搜索关键词的实际配置
我配置的两组关键词，建议放在可调整的变量里（Coze里可以在工作流入口定义输入参数），而不是硬编码在搜索节点里，这样后续调整关键词时不需要进到节点内部修改，直接在运行入口改参数就行，方便很多。
- 中文组：
AI 大模型、人工智能 融资 发布、国产大模型 - 英文组：
AI model release、AI funding、artificial intelligence news
这里有一个“度”的把握。每个关键词搜索出10条，6个关键词就是60条结果。如果全部让网页读取节点去读取正文，不仅耗时（Coze免费版有运行时间限制），也会造成信息过载，日报会变得臃肿。所以我在搜索节点和网页读取节点之间，加了一个“结果精简”逻辑：取每个关键词搜索结果的前3条，然后对所有结果按域名去重——同一个网站的文章只保留最新的那篇。这个逻辑我用代码节点实现，也见过有人直接利用大模型节点去重，但代码节点更省token，速度也更快。
3.4 从测试到正式跑通：我踩过的三个坑
第一个坑是网络插件访问被目标网站拦截。很多新闻站点对自动化访问有较强的反爬策略，Coze的网页读取节点默认UA是爬虫UA，有些网站直接返回403。解决方式是看该站点是否支持RSS输出或移动端页面，如果支持，优先用RSS链接或m.开头的移动站地址，成功率会高很多。找不到RSS的站，干脆换一个来源，不要死磕。
第二个坑是日报里出现重复新闻。因为中英文关键词各自独立去搜，同一新闻很容易同时被中文和英文搜索命中。我一开始没做跨组去重，导致日报里同一件事出现了两次。解决方式是在大模型节点之前，把所有搜索结果合并到一个列表里，在提示词里加一句“如果多条新闻指向同一事件，只保留信息最完整的一条”。实际效果不错，但要求大模型有较好的判断力，比如“OpenAI发布新模型”和“OpenAI releases new model”它要能识别为同一事件。
第三个坑是大模型输出内容超时。当日报素材太多，输入给大模型节点的Token数超过模型上下文的一半，生成时间就会拉得很长，Coze节点容易报“运行超时”。我的处理方式很朴素：按新闻重要性分批喂给大模型，先让模型对素材做一次“重要性排序和去重”，取前10条，再生成日报。这样虽然多了一次大模型调用，但稳定性大幅提升，日报质量也更高了。
4. 常见问题与排查技巧实录
4.1 定时任务没触发，或者触发时间不对
这是出现频率最高的问题。排查这个问题的顺序：
- 先看Coze后台的“运行记录”——对应的工作流是否真的有调用记录。如果没有，说明触发器没生效，可以尝试手动触发一次，如果手动能跑通，说明工作流本身没问题，问题出在触发器配置。
- 看时区。Coze免费版默认时区有时不会跟着你的IP走，去定时触发器设置里把你的时区显式改成
Asia/Shanghai或GMT+8。这个坑我栽过一次之后，每搭新工作流都是条件反射地先检查时区。 - 确认cron表达式里没有写错字段。注意Coze的cron是六位（含秒），跟我们常见的五位crontab不一样。写错一位的表现是“偶尔触发偶尔不触发”，特别坑。
4.2 日报内容跑偏，AI开始“自说自话”
如果大模型生成的日报里有新闻看起来很合理，但实际内容是编造的，大概率是提示词里没有强调“基于素材生成”，或者素材本身给出不足。对策有两个：
- 在提示词最前面加一句：“严禁使用你记忆中的信息，所有内容必须来源于下方素材，素材未提及的信息不要补充。”
- 在采集阶段增加“正文完整性”门槛：如果网页读取节点读到的正文不足50个字符，这条结果不进入素材池。用代码节点过滤一下空内容，效果立竿见影。
这两种组合方式配合下来，日报内容的可信度能提升一大截，但别指望100%无幻觉。重大新闻你自己看一眼仍然是必要的。
4.3 输出格式乱，飞书/文档里排版一塌糊涂
大模型生成的Markdown在飞书里，如果遇到多级嵌套列表，飞书会解析得比较生硬。我试过最省事的办法是：在大模型节点之后再加一个“格式整理”提示词节点，让它把输出压缩成以下格式：
text复制标题
日期 周一
【今日头条】
标题 + 链接
一句话点评
【行业快讯】
- 标题（来源），一句话摘要
【AI日报 · 完】
这个格式基本兼容飞书、钉钉、微信的展示，不用额外写代码去转换。当然如果你对排版有更高要求，比如想要标准Markdown表格，建议用“Markdown转Word工作流”的思路来处理——把Markdown先转成文本再推送，避免飞书解析表格造成的错乱。
4.4 Coze免费版每次运行有超时限制，内容一多就超时
Coze免费版单个节点有超时时间限制，这个限制虽然比较宽裕，但如果你在网页读取节点里塞了大量网页，整个工作流的运行时间会被拉得很长，非常容易超时。如果你是个人使用，也有成本方面的考虑，可以留意一下每日的免费额度用量。如果你的使用场景接近生产环境——每天都要稳定跑通——我的建议是：把采集和生成拆成两个工作流，第一个工作流负责采集并保存结果到一张“暂存表”里，第二个工作流负责从暂存表读取并生成日报。这样单个工作流耗时短，不太会触发超时，同时故障点也更好排查。
如果你愿意花一点钱，升级到付费版本后超时限制会放宽很多，稳定性也更好。我自己的话，早期是用免费额度测试，确认整个链路没问题之后才升级的。免费版并不是不能用，只是需要你对节点数量和控制复杂度更克制一些。
5. 扩展玩法：把一个日报工作流变成一套信息处理系统
5.1 用同样的框架做产品舆情监控
“每日AI新闻自动汇总”只是这套框架的起点。你换一组关键词，就能搭出一套完全不同的监控系统。比如做竞品监控，把关键词换成你所在赛道几个头部公司的名字，日报就变成了一个“竞品动态晨报”，包含融资、产品发布、人事变动、官方博客更新等。我把这套方法分享给做产品经理的朋友，他用同一套模板搭了“新能源汽车日报”，再换成“跨境电商政策日报”，都能跑通。
原理很简单：采集端的关键词变了，生成端的提示词结构稍作调整，输出端的日报名称改一下，整套工作流就“复制”成了一款新的信息监控产品。这种复用性，才是用Coze这类平台做自动化信息处理的真正价值所在。
5.2 把日报归档到知识库，形成二次沉淀
日报每天都推送到飞书群，看完了就过了，太可惜。信息聚合系统最有价值的是时间维度上的积累。我建议你在输出日报的同时，把当天日报同步写到一张飞书多维表格里，字段可以包括：日期、头条标题、快讯数、完整日报内容、链接列表。
这样做的好处是：每周或每月，你可以让大模型基于多维表格里的历史日报，生成一份“月度AI行业趋势报告”。因为历史日报已经经过筛选和摘要，拿来做月度趋势总结，质量和效率都会比直接拿原始新闻去喂要高得多。这相当于你的自动化系统不仅仅在帮你“看新闻”，还在帮你“沉淀信息资产”。
我知道有朋友会把日报存到语雀/Notion的知识库，这样团队其他成员也能看到。做法大同小异——Coze都有对应的连接器，配置好之后，日报会自动写入你的知识库页面。这样每天早晨团队成员打开知识库就能看到最新日报，不用被动等飞书推送。
5.3 如果想把日报做成公众号推送或更正式的图文
后续如果你的日报想做成公众号推文或更正式的图文，可以增加一层“格式转换”：把Markdown日报转换成Word文档。Coze或相关生态里也经常提到“markdown 转 word 工作流”的做法，本质是用脚本或插件把Markdown渲染成Word格式，再用文件形式保存或推送。我自己在做的实践是，把日报按周汇总，用脚本统一转成一份Word周报，发给团队。这个动作手动做很繁琐，但如果放在Coze工作流里，每周五定时触发一次，非常自动化。
5.4 从“每日一篇”到“多语言全球化”
如果你后续想把这份日报发给海外团队成员或客户，或者说想让日报覆盖更广的全球视野，可以考虑再做一个英文版日报。方法就是在原工作流后面并行加一个大模型节点，要求它“将中文日报改写成英文版”，然后推送到另一个飞书群或邮箱。这个做法比直接从英文素材生成英文日报质量更高，因为它经过了中文版编辑的“重要性筛选”这一步，英文版反而更精炼。
我个人在这套工作上投入的时间，前前后后加起来差不多一周。最花时间的不是搭建，而是调试提示词和排查触发器的各种隐藏问题。跑通之后，每天早晨拿起手机看到日报已经在飞书群里等着我，那种感觉确实是“自动化带来的幸福感”。如果你也在考虑搭一个类似的信息聚合系统，我的建议是：先别追求一步到位，先用最简单的版本跑起来，跑稳之后再加新功能。自动化这件事，最重要的门槛永远是“先让它转起来”，而不是“一开始就要它很完美”。