所需平台与工具：

1️⃣ n8n (https://n8n.io/)

2️⃣ DeepSeek API (https://platform.deepseek.com/api_keys)

这是我选择分析论文的 LLM，大家可以选择豆包、千问等，它们各自的 API 调用详见官网

3️⃣ Notion (https://www.notion.so/)

（这三个东西门槛都不高）

最终实现：

每天自动抓取最新AI论文，AI帮你深度解读，自动整理成知识库，还能一键生成微信推文。

为什么我要这么做？

首先，本身也很想看看其他人会如何将AI和教育进行结合。毕竟一线教师确实也没有那么多时间专门每天去找论文了解新鲜的有趣的 AI 教育。

其次，Notion 是一个很全面的 AI个人知识库，它不仅是知识库，还有很多其他功能（记账、做计划、做菜单等等）非常多样化。我之前也喜欢用 Notion 去记录和写一些东西，这是一个打造 All in One 的 app。

后来，看到在 git 上看到了一个利用n8n搜集相关的论文并存储在 Notion 中（参考 1）受到启发，所以才有了如上图的整个节点

整个节点设计花费了我将近 一周时间（本身代码不强，全靠 vibe-coding），终于得到了自动化流程

系统

架构

ARCHITECTURE

system overview

核心流程

通过定时触发器每日自动抓取Hugging Face最新论文。系统首先提取论文基础信息，然后通过DeepSeek AI进行多层次分析，包括技术要点提取、教育应用分析等。最终将处理结果同步到Notion知识库，并自动生成适合微信发布的格式化内容。

在图片上可以看到我搜索论文的关键词是，AI、education、artificial intelligence、k-12，我的工作流也是专门搜索这个方向，大家有别的方向也可以修改。

数据流转过程

系统通过HTTP请求节点抓取论文列表，使用循环节点逐个处理每篇论文，通过URL检查节点避免重复处理。提取到的PDF内容经过合并节点整合，然后分别调用多个AI分析节点进行不同维度的解读，包括技术分析、教育价值评估、应用前景判断等。

智能存储机制

所有分析结果通过Notion API自动存储到结构化数据库中，支持多维度标签分类和快速检索。系统还会自动生成不同格式的输出，包括学术摘要、通俗解读、微信推文等，满足不同场景的使用需求。

下图是存在 Notion 中的信息，主要保存了论文主题、论文 URL、论文的关键词、摘要信息等

技术

要点

KEY FEATURES

简单来说

每天定时抓取一篇论文，将抓取到的论文的先存储在 Notion 中，然后再对论文内容进行解读，最后输出成一篇论文解读的推文。如此循环

关键技术

关键技术包括智能去重机制、错误重试逻辑、以及灵活的条件分支控制。

考虑到这些 AI 上下文长度的问题，我们还设计了让AI分段解读的算法，这样就能避免 AI 读不完一篇论文的问题。这些在我们的节点上都有所体现

多层AI分析

集成DeepSeek Chat Model，通过精心设计的Prompt实现多角度论文解读。包括技术要点提取、教育应用分析、价值评估等。每个AI节点都有独立的温度参数和上下文管理，确保输出质量和一致性。支持表格图表智能识别和描述生成。

论文分段助手例子：

总结论文助手例子：

* Prompt 这里真的很重要，分别是 user message 和 system message，提示词对于 Deepseek 这些 llm 模型来说，能够让它更加精准的给到我们想要的信息和内容。

* 最后一个图表提取的 Agent，可以加也可以不加，不加的话可以直接将这个 Agent连接最后一个 code 节点，将所有内容套到我们的模版里面去

最后将结果复制到公众号里，找到顶部工具栏的 html 然后替换掉就好了

自定义论文主题

如果你不想找 AI 教育有关的，也可以找别的，只需要修改第二个节点，最后面的内容，比如说我想找 NLP、LSTM 这些论文就可以将‘?q=’后面的内容修改

?q=AI+education+artificial+intelligence+k-12

改成

?q=NLP+LSTM

💎 实用价值

1、这套系统不仅解决了信息过载问题，更重要的是建立了个人专属的AI知识助手。

2、每天自动跟踪前沿动态，AI深度解读快速抓住要点，结构化存储让知识积累可检索可复用。

3、对于内容创作者而言，还能一键生成多种格式的输出，提升工作效率。

💊 值得改进之处

1、最后生成 html 推文时很难将‘/n’这些换行符给去除，仍然在找办法，目前也是直接 Markdown 转 html

2、应新增一个节点，将所有的 html 代码也保存在 Notion 中

3、多模态理解和智能路由，应该根据论文类型自动选择处理路径，理论型/实验型/综述型。以及也要增加支持PDF图像、公式识别、参考文献智能解析

4、节点过多

上述描述肯定有不足的地方，仅为了记录一下做这个的过程

📚 相关资源与参考

1、n8n官方文档 - Workflow自动化指南

2、DeepSeek API开发者手册

3、Notion API集成最佳实践

4、git 地址：https://github.com/enescingoz/awesome-n8n-templates/blob/main/Notion/

普通人如何抓住AI大模型的风口？

领取方式在文末

为什么要学习大模型？

目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

目前，开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景，其中，应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过 30%。

随着AI大模型技术的迅速发展，相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业：

人工智能大潮已来，不加入就可能被淘汰。如果你是技术人，尤其是互联网从业者，现在就开始学习AI大模型技术，真的是给你的人生一个重要建议！

最后

只要你真心想学习AI大模型技术，这份精心整理的学习资料我愿意无偿分享给你，但是想学技术去乱搞的人别来找我！

在当前这个人工智能高速发展的时代，AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长，真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料，能够帮助更多有志于AI领域的朋友入门并深入学习。

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发

大模型全套学习资料展示

自我们与MoPaaS魔泊云合作以来，我们不断打磨课程体系与技术内容，在细节上精益求精，同时在技术层面也新增了许多前沿且实用的内容，力求为大家带来更系统、更实战、更落地的大模型学习体验。

希望这份系统、实用的大模型学习路径，能够帮助你从零入门，进阶到实战，真正掌握AI时代的核心技能！

01 教学内容

• 从零到精通完整闭环：【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块，内容比传统教材更贴近企业实战！

• 大量真实项目案例： 带你亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

02适学人群

应届毕业生‌： 无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌： 非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能突破瓶颈： 传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

vx扫描下方二维码即可

本教程比较珍贵，仅限大家自行学习，不要传播！更严禁商用！

03 入门到进阶学习路线图

大模型学习路线图，整体分为5个大的阶段：

04 视频和书籍PDF合集

从0到掌握主流大模型技术视频教程（涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向）

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路（不吹牛，真有用）

05 行业报告+白皮书合集

收集70+报告与白皮书，了解行业最新动态！

06 90+份面试题/经验

AI大模型岗位面试经验总结（谁学技术不是为了赚$呢，找个好的岗位很重要）

07 deepseek部署包+技巧大全

由于篇幅有限

只展示部分资料

并且还在持续更新中…

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发