最近AI视频生成工具Seedance 2.0很火，作为一个关注AI工具的产品经理，我想知道：大家都在说什么？热门文章有哪些？网友的真实评价是什么？这些讨论背后隐藏着哪些用户需求？如果你手动去网络搜索、刷文章、一条条看评论，可太费时间了。作为一个深耕多维表格和n8n的IT博主，那必须讲讲如何用自动化工具来实现这个需求。我们用 n8n + 飞书多维表格，搭建了一套这样的自动化流程：以微信公众号为例，搜索公众号里以Seedance为关键词的相关的热门文章，并且抓取评论和回复，统一沉淀到多维表格，最后把数据扔给 AI 分析，快速洞察用户真实想法。今天我们聊聊这个思路和实现方法。

*（n8n搭建自动化流程）*

*（自动同步到多维表格）*

*（扔给AI做用户分析）*

一、为什么需要这样的自动化

场景 1：想了解 Seedance 的讨论，但信息太分散

刷公众号看到一篇 Seedance 的文章，想看看网友怎么说，但评论太多，一条条翻太累；刷 B站看到 Seedance 的视频，想看看弹幕和评论，但信息太碎片化；刷知乎看到 Seedance 的讨论，想整理大家的观点，但手动复制粘贴太麻烦。结果往往是：花 2 小时刷内容，最后只记住几个零散的观点，没有形成系统性的洞察。

场景 2：想分析用户真实想法，但数据量太大

Seedance 爆火后，全网有几百篇文章、几千条评论。想分析：

用户最关心什么功能？
大家对 Seedance 的评价是正面还是负面？
哪些痛点被反复提及？
用户希望 Seedance 改进什么？

手动分析？不现实。数据量太大，而且评论里还有回复，结构复杂，人工整理效率太低。

场景 3：想持续追踪 Seedance 的讨论，但每天手动收集太累

今天收集了 10 篇文章的评论，明天又有新文章，又要重新收集；这周分析了用户反馈，下周 Seedance 更新了，又要重新分析。没有沉淀，每次都是从头开始。

当然除了Seedance，我们想了解其他的关键词，也是一样的道理。这一篇我们以微信公众号为例，扩展到全网也是一样的逻辑。

二、解决方案：自动化收集 + AI 分析

我们需要一个自动化流程：

第一步：自动收集

自动搜索 Seedance 近七天的相关热门文章（微信公众号）
自动抓取每篇文章的评论和回复
统一写入飞书多维表格

第二步：AI 分析

把多维表格的数据导出
扔给 AI（Claude/GPT-4），让它分析用户讨论
输出结构化的洞察报告：用户关注点、情感倾向、痛点总结

我们可以每天自动收集 10-20 篇文章，每条记录包含标题、链接、作者、热度、评论（包括回复），形成长期数据沉淀。需要分析时，导出数据给 AI，5 分钟就能得到一份用户洞察报告。

三、工作流设计思路

整个流程可以理解成 6 个步骤：

步骤 1：获取飞书访问令牌

调用飞书 API，获取访问令牌（后续写入多维表格需要）

步骤 2：搜索热门文章

调用极致了 API，搜索 Seedance 相关的微信公众号文章
筛选条件：最近 7 天、按热度排序、只取文章类型

步骤 3：解析文章列表

从 API 返回的复杂结构中，提取我们需要的信息：标题、链接、作者、阅读数、发布时间

步骤 4：获取文章评论

对每篇文章，调用极致了 API 获取评论
包括主评论和回复（new_reply_list）

步骤 5：合并数据并格式化

把文章信息和评论数据合并
格式化评论：主评论用 1.content：XXX，回复用 1.1 new_reply_list：XXX 的格式
清理特殊字符，避免写入多维表格时出错

步骤 6：写入多维表格

批量写入飞书多维表格
每条记录包含：渠道、标题、链接、发布时间、作者、热度、评论

四、n8n 工作流详细配置

节点 1：手动触发

作用：启动整个工作流（也可以改成定时触发，每天自动运行）配置。

节点类型：Manual Trigger无需额外配置，直接使用默认设置。

这是工作流的起点。点击”执行工作流”按钮，就会开始运行。

节点 2：Feishu Auth

作用：获取飞书访问令牌，后续写入多维表格时需要用到配置。因为飞书 API 需要先获取访问令牌才能调用其他接口。

①节点类型：HTTP Request

②Method：POST

③URL：https://open.feishu.cn/open-apis/auth/v3/tenant_access_token/internal

④Body Parameters：

app_id：你的飞书 App ID
app_secret：你的飞书 App Secret

说明：App ID 和 App Secret 在飞书开放平台创建应用后可以获得

执行后，会返回飞书的token值

节点 3：极致了 – 微信搜一搜

作用：搜索 Seedance 相关的微信公众号文章配置：

①节点类型：HTTP Request

②Method：POST

③URL：https://www.dajiala.com/fbmain/monitor/v3/web_search

④Headers：

⑤Content-Type：application/json

⑥Body（JSON）：

{
  "mode": 1,
  "keyword": "Seedance",
  "search_type": 1,
  "sort_type": 2,
  "publish_time_type": 2,
  "currentPage": 1,
  "offset": 0,
  "cookies_buffer": "",
  "key": "你的极致了API Key",
  "verifycode": ""
}

参数说明：

mode：1 表示全部模式
keyword：搜索关键词，这里填 “Seedance”（如果你有搜索其他关键词的需要，在这里替换）
search_type：1 表示文章类型
sort_type：2 表示按热度排序
publish_time_type：2 表示最近 7 天
currentPage：1 表示第一页
key：你的极致了 API Key

上面的参数在官方的接口文档里都有说明，可以根据自己的需求进行调整

Tips：实时搜索的接口比较贵，一次0.5元，可以替换成别的搜索接口，比如从数据库搜索的接口

节点 4：解析微信文章列表

作用：从 API 返回的复杂结构中，提取我们需要的信息配置

①节点类型：Code

②Mode：Run Once for Each Item（对每篇文章都执行一次）

代码：

// 极致了微信搜一搜返回结构：res.data[] 是box数组，每个box.items[0]是文章
const res = $input.first().json;
const boxes = Array.isArray(res.data) ? res.data : [];

const articles = [];
for (const box of boxes) {
  if (box.items && box.items.length > 0) {
    const item = box.items[0];
    // 提取阅读数：从 source.tag[].title 里找包含"阅读"的，如"阅读 10万+"
    let readCount = 0;
    const readTag = item.source?.tag?.find(t => t.title && t.title.includes('阅读'));
    if (readTag) {
      const readText = readTag.title.replace('阅读 ', '').replace('+', '');
      if (readText.includes('万')) {
        readCount = parseFloat(readText.replace('万', '')) * 10000;
      } else {
        readCount = parseInt(readText) || 0;
      }
    }

    articles.push({
      json: {
        url: item.doc_url || '',
        title: (item.title || '').replace(/<[^>]+>/g, '').replace(/<em[^>]*>/g, '').replace(/<\/em>/g, ''), // 去掉HTML标签和高亮标签
        author: item.source?.title || '',
        read_count: readCount,
        publish_time: item.timestamp ? item.timestamp * 1000 : (item.date ? item.date * 1000 : ''), // 转成毫秒时间戳
        channel: '微信'
      }
    });
  }
}

return articles;

说明：

极致了 API 返回的数据结构比较复杂，需要解析
阅读数可能是 “10万+” 这样的格式，需要转换成数字
标题里可能有 HTML 标签和高亮标签（*），需要清理*
时间戳需要转换成毫秒（飞书多维表格需要毫秒时间戳）

输出：每篇文章一个 item，包含 url、title、author、read_count、publish_time、channel

节点 5：极致了 – 获取文章评论

作用：对每篇文章，获取它的评论和回复配置

①节点类型：HTTP Request

②Method：POST

③URL：https://www.dajiala.com/fbmain/monitor/v3/article_comment2

④Headers：

⑤Content-Type：application/json

⑥Body（JSON）：

{
  "url": "{{ $json.url }}",
  "buffer": "",
  "key": "你的极致了API Key",
  "verifycode": "",
  "coze": "1"
}

参数说明：

url：文章链接（从上一个节点传入）
key：你的极致了 API Key
coze：1 表示获取完整评论（包括回复）

说明：

这个节点会对每篇文章执行一次n8n 会自动循环处理，不需要手动写循环
返回的数据包含主评论（content）和回复（new_reply_list）

返回数据示例：

{
  "code": 0,
  "msg": "成功",
  "data": [
    {
      "content": "评论内容",
      "new_reply_list": [
        {
          "content": "回复内容"
        }
      ]
    }
  ]
}

获取文章评论的接口就比较便宜，一次0.06元。

节点 6：Merge微信(文章+评论)

作用：把文章信息和评论数据合并到一起配置

①节点类型：Merge

②Mode：Combine

③Combination Mode：Merge By Position

Merge 节点会把两个输入按位置合并：第 1 篇文章 + 第 1 篇文章的评论；第 2 篇文章 + 第 2 篇文章的评论；以此类推……

输出：每个 item 包含文章信息（url、title、author 等）和评论数据（data 数组）

节点 7：微信 – 组装单条记录

作用：格式化数据，准备写入多维表格配置

节点类型：Code
Language：JavaScript
Mode：Run Once for All Items（处理所有 items）

代码：

// Merge后：Input1（文章）的json在item顶层，Input2（评论返回）的json也在item顶层
// 遍历所有输入items，处理每一篇文章
const allItems = $input.all();
const results = [];

allItems.forEach((inputItem) => {
  const item = inputItem.json;

  // 文章信息：Merge后Input1的字段保留在item顶层
  const article = {
    url: item.url || '',
    title: item.title || '',
    author: item.author || '',
    read_count: item.read_count ?? 0,
    publish_time: item.publish_time || ''
  };

  // 评论数据：在item.data数组中（极致了API返回的data字段）
  const commentList = Array.isArray(item.data) ? item.data : [];

  // 处理评论：格式化为主评论和回复的结构
  let commentsText = '暂无评论';

  if (item.code === 0 && commentList.length > 0) {
    const commentParts = [];

    commentList.forEach((comment, index) => {
      const mainCommentIndex = index + 1;
      const mainContent = String(comment.content || '').trim();

      if (!mainContent) return; // 跳过空评论

      // 主评论：1.content：XXX
      commentParts.push(`${mainCommentIndex}.content：${mainContent}`);

      // 处理回复：如果有new_reply_list且不为空
      const replies = Array.isArray(comment.new_reply_list) ? comment.new_reply_list : [];
      if (replies.length > 0) {
        replies.forEach((reply, replyIndex) => {
          const replyContent = String(reply.content || '').trim();
          if (replyContent) {
            // 子评论：1.1 new_reply_list：XXX
            commentParts.push(`${mainCommentIndex}.${replyIndex + 1} new_reply_list：${replyContent}`);
          }
        });
      }
    });

    commentsText = commentParts.join('，');
  }

  // 清理特殊字符，避免JSON格式错误
  const cleanText = (text) => {
    if (typeof text !== 'string') return text;
    return text
      .replace(/\r\n/g, ' ')      // 换行符转空格
      .replace(/\n/g, ' ')         // 换行符转空格
      .replace(/\r/g, ' ')        // 回车符转空格
      .replace(/\t/g, ' ')        // 制表符转空格
      .replace(/[\x00-\x1F]/g, '') // 移除其他控制字符
      .replace(/\s+/g, ' ')        // 多个空格合并为一个
      .trim();
  };

  // 组装飞书多维表格的记录格式
  results.push({
    json: {
      渠道: '微信',
      标题: cleanText(article.title),
      链接: article.url,
      发布时间: article.publish_time,
      作者: cleanText(article.author),
      热度: article.read_count,
      评论: cleanText(commentsText)
    }
  });
});

// 返回所有处理后的结果
return results;

说明：

这个节点处理所有文章，每篇文章生成一条记录
评论格式化成层级结构：1.content：XXX 1.1 new_reply_list：XXX
清理特殊字符，避免写入多维表格时 JSON 格式错误
输出格式直接是字段对象，写入节点会自动包装成 fields

输出示例：

{
  "渠道": "微信",
  "标题": "海外推特已夸爆，冯骥都吓一跳，庆幸Seedance是中国的AI",
  "链接": "http://mp.weixin.qq.com/s?...",
  "发布时间": 1770696644000,
  "作者": "观察者网",
  "热度": 100000,
  "评论": "1.content：你必须讲好一个真正让人愿意追随的故事...，1.1 new_reply_list：2024是Sora，2025是DeepSeek R1..."
}

节点 8：飞书 – 写入微信记录

作用：批量写入飞书多维表格配置

①节点类型：HTTP Request

②Method：POST

③URL：https://open.feishu.cn/open-apis/bitable/v1/apps/{app_token}/tables/{table_id}/records/batch_create

④Headers：

Authorization：Bearer {{ \$(‘Feishu Auth’).item.json.tenant_access_token }}
Content-Type：application/json; charset=utf-8

⑤Body（JSON）：

{{ JSON.stringify({ records: \$input.all().map(i => ({ fields: i.json })) }) }}

参数说明：

app_token：你的飞书多维表格 App Token（在表格 URL 中可以找到）
table_id：你的表格 ID（在表格 URL 中可以找到）
Authorization：从”Feishu Auth”节点获取的访问令牌

说明：

这个节点会批量写入所有记录（一次 API 调用可以写入多条）
多维表格的字段名需要和代码中的字段名一致：渠道、标题、链接、发布时间、作者、热度、评论
如果字段类型不匹配（比如”发布时间”应该是日期类型），需要在多维表格中先设置好字段类型

那么，配置好以上节点，在微信公众号搜索seedance关键词的热门文章及评论并写入多维表格的工作流就完成了。

五、多维表格字段设计

这里还是说一说多维表格的配置，新建一张数据表，配置好以下的字段

字段名	字段类型	说明
渠道	单选	固定值”微信”（以后我们可能还会同步其他渠道的内容进来）
标题	文本	文章标题
链接	超链接	文章链接
发布时间	日期	毫秒时间戳
作者	文本	公众号名称
热度	数字	阅读数
评论	多行文本	格式化后的评论内容

六、让 AI 分析数据：从导出到洞察

数据收集完成后，我们需要让 AI 帮我们分析。这部分是很多人的盲区：数据有了，但不知道怎么用 AI 分析，也不知道能得出什么结论。

这里有很多方法，可以用多维表格的AI来分析，同样也可以用n8n获取表格记录并通过AI节点来分析。

我们这里可以试下这种简单粗暴的方法：直接把多维表格下载下来，直接丢给AI来分析。

1 导出数据

直接从多维表格导出

1.打开飞书多维表格

2.点击右上角”导出” → “导出为Excel/CSV”

2.准备 AI 提示词，并发送给AI

提示词：

你是一位专业的产品经理和用户洞察分析师。我收集了 Seedance 2.0 相关的微信公众号文章和评论数据，需要你帮我分析用户讨论，输出洞察报告。

数据格式说明：
- 每条记录包含：标题、作者、热度、评论
- 评论格式：1.content：XXX 1.1 new_reply_list：XXX（主评论和回复用层级结构）

请分析附件里的数据，并输出一份结构化的洞察报告：

请从以下维度进行分析：

1. **用户关注点分析**
   - 用户最关心 Seedance 的哪些功能/特性？（列出Top 5）
   - 哪些功能被反复提及？（统计频次）
   - 用户对哪些功能有疑问或困惑？

2. **情感倾向分析**
   - 整体情感倾向是正面、中性还是负面？（给出比例）
   - 正面评价主要集中在哪些方面？
   - 负面评价主要集中在哪些方面？
   - 是否有明显的情绪变化趋势？

3. **痛点与需求分析**
   - 用户在使用 Seedance 时遇到的主要痛点是什么？（列出Top 5）
   - 用户希望 Seedance 改进或新增哪些功能？
   - 哪些需求是高频提及的？

4. **竞品对比分析**
   - 用户是否将 Seedance 与其他产品对比？（如 Sora、Runway 等）
   - 对比的维度是什么？（质量、价格、易用性等）
   - 用户认为 Seedance 的优势和劣势分别是什么？

5. **使用场景分析**
   - 用户主要想用 Seedance 做什么？（内容创作、营销、教育等）
   - 哪些场景被提及最多？
   - 用户的使用预期是什么？

6. **关键洞察总结**
   - 用 3-5 句话总结最重要的发现
   - 这些发现对产品改进有什么启示？
   - 哪些是值得深入挖掘的用户需求？

请用清晰的结构输出，每个维度都要有具体的例子和数据支撑。

我把附件丢给了Gemini，它输出了以下结果给我：

📝 Seedance 2.0 用户舆情与洞察分析报告
1. 用户关注点分析 (User Attention)
用户对 Seedance 2.0 的关注主要集中在“内容生成质量”与“创作平权”两个层面。
核心关注功能/特性 (Top 5)
叙事与连贯性能力：用户高度关注其讲故事的能力，特别是“镜头一致性”以及“一镜到底”的电影感。
声画同步 (Audio-Visual Sync)：视频生成自带音效/配音的功能被视为效率神器，被认为省去了大量后期配音工作。
物理模拟与动作流畅度：用户关注 AI 是否理解物理规律，动作是否僵硬。
图生视频 (Image-to-Video)：复活老照片、将静态 IP 角色动态化的需求极高。
国产 IP 与语境理解：用户关注其对中国元素（如孙悟空、哪吒、古装）的精准还原。
功能统计与疑惑
反复提及功能：叙事连贯性（32次）、声画一体（25次）、运镜控制（18次）。
用户困惑：
入口难寻：许多用户分不清即梦、小云雀与 Seedance 的关系，不知道去哪下载。
审核边界：正常战斗场景常被误判为暴力，用户不解提示词规则。

2. 情感倾向分析 (Sentiment Analysis)
整体情感分布
🟢 正面 (Positive): 65% —— 集中在技术震撼、民族自豪感、对导演/流量明星的“去神化”。
⚪ 中性 (Neutral): 20% —— 集中在行业趋势分析、算力成本讨论、理性观望。
🔴 负面 (Negative): 15% —— 集中在排队体验差、计费逻辑、生成失败。
细节倾向
正面集中在：技术追平甚至超越 Sora，降低了普通人（编剧、写手）的创作门槛。
负面集中在：服务器拥堵、排队时间过长、生成结果崩坏但仍扣积分。
趋势变化：随着文章传播，初期是震撼与夸赞，后期随着试用人数增加，吐槽“排队”和“扣费”的情绪显著上升。

3. 痛点与需求分析 (Pain Points & Needs)
用户主要痛点 (Top 5)
生成失败仍扣费：这是目前用户最大的负面情绪点。
排队时间长：动辄一小时以上的排队时间消耗了创作热情。
审核过严/误杀：正常的武侠打斗场景常因“暴力”被拦截。
长视频拼接难：单次 15 秒时长限制，用户难以保持长视频的逻辑一致性。
精细化控制不足：在处理手指、微小配饰（如眼镜、首饰）时仍有物理崩坏。
核心需求
“失败退积分”机制：用户强烈要求生成不理想时不应计费。
延长时长：希望支持更长的单次生成或更智能的长短视频连接工具。
放宽特定词汇审核：优化对“动作场面”与“暴力”的辨别。

4. 竞品对比分析 (Competitor Analysis)
用户主要将其与 Sora (OpenAI) 和 可灵 (Kuaishou) 对标。
Vs. Sora：
优势：Seedance 是“现货”，Sora 是“期货”；在物理模拟上被认为已不相上下。
维度：可用性、落地速度。
Vs. 可灵：
优势：用户认为 Seedance 2.0 在“运镜幅度”和“动作复杂性”上更胜一筹。
劣势：部分老用户认为可灵的易用性和排队体验目前稍好。

5. 使用场景分析 (Use Cases)
高频提及场景
网文/小说可视化 (Top 1)：用户最想把喜欢的小说（如《三体》、《射雕》）一键转成电影。
自媒体运营：利用 AI 生成高质素材进行抖音/TikTok 获利。
老照片修复/动效：赋予旧时光、老旧照片生命力。
分镜/商业创意方案：专业广告人用于快速输出分镜 Demo。
用户预期
“一人导演制”：预期未来仅靠创意和剧本就能产出大片。
低成本替代：取代昂贵的实拍和流量明星。

6. 关键洞察总结 (Key Insights)
技术红利期已过，进入体验角逐期：用户对“AI 生成视频”的新鲜感正转化为对“工具稳定性和性价比”的要求。
“付费模式”是成败关键：生成式 AI 的不确定性与“按次扣费”存在天然矛盾，优化计费模型（如失败退费或包月）将大幅提升口碑。
国产 IP 的二创热潮是增长点：用户对中国古典神话、武侠的创作欲望强烈，提升对这些 IP 的深度理解是产品的护城河。
启示：产品亟需解决算力分配问题，并提供更精细的“局部重绘”和“剧情连贯性”控制工具。

到这里，我们就完成了一整个闭环的流程，虽然数据量不够大，但是这个方法和思路至少是可行的。

我们可以用同样的方法来分析自己想要了解的需求。

你会发现在几个地方的效率都有了很大的提升：

1.从”手动收集”到”自动沉淀”

之前：每天花 2 小时刷文章、看评论，最后只记住几个零散观点现在：每天自动收集 10-20 篇文章和评论，形成长期数据沉淀，随时检索、随时分析

2.从”主观判断”到”数据驱动”

之前：凭感觉判断”用户好像很关心这个功能”现在：用数据说话，”156 次提及视频生成质量，是用户最关心的问题”

3.从”单次分析”到”持续追踪”

之前：今天分析了用户反馈，下周 Seedance 更新了，又要重新分析现在：数据持续沉淀，可以对比不同时间段的用户讨论，发现趋势变化

4.从”人工整理”到”AI 洞察”

之前：手动整理评论，提取观点，效率低、容易遗漏现在：AI 自动分析，5 分钟输出结构化洞察报告，全面、准确

七、写在最后

如果你是：

产品经理：需要了解用户真实想法，指导产品改进
内容创作者：需要洞察用户关注点，确定选题方向
市场分析师：需要追踪行业讨论，发现市场机会
运营人员：需要分析用户反馈，优化运营策略

那么这一套自动化流程会非常适合你。

如果你是：

偶尔关注一些网络话题的人：不需要持续追踪，手动看就行
数据量很小的人：如果只有几篇文章，手动分析就够了

那么就也没必要去搭这么一套流程。

如果想自己搭建的话，成本也很低：

n8n：可以自建（一键部署到zeabur上，一个月5美金），也可以买云版（n8n.cloud）
极致了 API：需要付费购买 API Key（按调用次数计费）
飞书多维表格：免费
AI 分析：免费

做产品、做内容、做运营，最重要的是了解用户真实想法。但用户想法散落在各个平台的评论里，手动收集和分析效率太低。用自动化工具收集数据，用 AI 分析洞察，这是这个时代给我们的新能力。如果你也在做类似的事情，欢迎在评论区分享你的经验和遇到的问题。

最后是广告时间

如果你也对多维表格/n8n自动化工作流的知识和教程感兴趣，欢迎订阅我的小报童专栏。

专栏会持续更新详细的多维表格/n8n的配置方法、详细教程，以及实际应用场景/案例。

目前累计已更新80篇，总计24万字。限时价格99元（永久）。

小报童入口：

https://xiaobot.net/p/mrdun191?refer=ab67a8c6-dd54-45e1-9400-26c138383bd7（复制并在浏览器打开）

或扫描下方二维码

📋 这套热文分析相关模板，我整理成模板了

跟着上面步骤搭要花点时间。想直接拿现成的改，加我微信备注「热文分析」，我发你。

🤔 卡在某一步了？

搭建过程里如果哪一步卡住了，如果你照着做没跑通，或者你们公司情况不太一样，可以找我聊聊，我免费帮你看看怎么调。不合适我也会直说。

扫码加我，备注「热文分析」领模板

想看更多这类方案，我都整理在吨师傅工具箱里了：客户管理、进销存、工单报修……按场景分好类，可以直接抄。

n8n自动抓热文和评论，AI总结大家到底在讨论什么

一、为什么需要这样的自动化

场景 1：想了解 Seedance 的讨论，但信息太分散

场景 2：想分析用户真实想法，但数据量太大

场景 3：想持续追踪 Seedance 的讨论，但每天手动收集太累

二、解决方案：自动化收集 + AI 分析

三、工作流设计思路

四、n8n 工作流详细配置

节点 1：手动触发

节点 2：Feishu Auth

节点 3：极致了 – 微信搜一搜

节点 4：解析微信文章列表

节点 5：极致了 – 获取文章评论

节点 6：Merge微信(文章+评论)

节点 7：微信 – 组装单条记录

节点 8：飞书 – 写入微信记录

五、多维表格字段设计

六、让 AI 分析数据：从导出到洞察

1 导出数据

2.准备 AI 提示词，并发送给AI

七、写在最后

相关阅读

一、为什么需要这样的自动化

场景 1：想了解 Seedance 的讨论，但信息太分散

场景 2：想分析用户真实想法，但数据量太大

场景 3：想持续追踪 Seedance 的讨论，但每天手动收集太累

二、解决方案：自动化收集 + AI 分析

三、工作流设计思路

四、n8n 工作流详细配置

节点 1：手动触发

节点 2：Feishu Auth

节点 3：极致了 – 微信搜一搜

节点 4：解析微信文章列表

节点 5：极致了 – 获取文章评论

节点 6：Merge微信(文章+评论)

节点 7：微信 – 组装单条记录

节点 8：飞书 – 写入微信记录

五、多维表格字段设计

六、让 AI 分析数据：从导出到洞察

1 导出数据

2.准备 AI 提示词，并发送给AI

七、写在最后

相关阅读

Related Posts