我用同一个内容审核流程，跑了 ChatGPT Workspace Agents 和 n8n——结论让我意外

我们内容组有个不成文的规定——审核结果发到群里，三个人看到了都不知道谁来改。

这不是夸张。每天下午四点，主编会把当天的 UGC 投稿截图扔进飞书群，@所有人，然后沉默。三个审核员各自看各自的，有时候同一篇稿子被两个人同时标注了"通过"，有时候一篇明显有问题的内容因为大家都以为别人会处理，就这么漏过去了。

这个问题困扰我们大概半年。直到我决定用 Agent 解决它——然后踩了两个坑。

---

为什么选「内容审核流程」来测试？

在开始之前，我想先说清楚为什么选这个场景，而不是更常见的"写邮件""生成报告"之类的 demo 级任务。

内容审核流程有三个关键动作，缺一不可：

输入内容

↓


AI 判断（合规/违规/待人工复核）


↓


条件分支（不同结果走不同路径）


↓


结果归档 + 通知责任人

这个流程的特殊性在于：它不能只靠一个 prompt 解决。你需要条件判断，需要多人协作，需要结果持久化存储。但它又不需要你懂 DevOps，不需要写后端代码——理论上，这正是 Agent 工具最应该覆盖的场景。

如果 Agent 在这里翻车，那它在更复杂的业务场景里大概率也撑不住。

我给自己设了一个具体目标：从零开始，不借助外部工程师，在两天内分别用 ChatGPT Workspace Agents 和 n8n 把这个流程跑通。然后对比两者的体验差异。

---

ChatGPT Workspace Agents 实测：官方体验的天花板在哪里？

耗时：约 3 小时，从创建到「基本能用」

上手体验确实丝滑。进入 ChatGPT Team 后台，新建一个 Agent，填写名称和指令，大约 20 分钟就能跑起来第一个对话。

我的指令大概是这样的：

你是一个内容审核助手。当用户提交一段内容时，请判断它是否符合以下标准：[具体规则列表]。输出格式为 JSON，包含 status（pass/reject/review）、reason 和 confidence 三个字段。

前半小时，我对它印象不错。输入一段测试内容，返回结构清晰的 JSON，判断逻辑也基本准确。

然后我开始遇到卡壳。

卡壳时刻一：多条件分支怎么处理？

审核结果有三种：直接通过、直接拒绝、需要人工复核。按理说，不同结果应该触发不同的后续动作——通过的自动归档，拒绝的通知作者，待复核的分配给具体的审核员。

在 ChatGPT Workspace Agent 里，这件事没法做。Agent 能输出判断结果，但它不能根据结果去触发不同的外部动作。它没有"如果 status=reject，就发一封邮件"的逻辑层。

你可以用 Actions 接入外部 API，但那需要你自己搭一个服务来接收请求，本质上还是要写代码。

卡壳时刻二：审核结果怎么同步给团队？

我尝试了几种方法：让 Agent 把结果粘贴到对话里，然后手动复制到飞书——这显然不是"自动化"。

ChatGPT Team 的 Agent 是对话级别的工具，它的输出边界就是对话窗口本身。它不能主动推送消息，不能写入数据库，不能发飞书通知。除非你在 Actions 里配置好所有接口，而那个工程量已经超出了"零代码工具"的范畴。

卡壳时刻三：历史记录能否被调用？

这个问题更致命。每次新对话，Agent 都是"失忆"状态。它不知道今天已经审核了多少条内容，不知道某篇稿子之前被标注过什么状态，更不知道某个作者是否有历史违规记录。

这不是 Bug，这是设计边界。ChatGPT Workspace Agent 本质上是一个增强版的对话助手，它的设计哲学是"每次对话解决一个问题"，而不是"持续运行一个业务流程"。

说实话，我不是要黑它。对于个人用户，它真的好用——写作辅助、资料整理、单次任务处理，体验一流。但当你试图用它来承载一个有状态、多步骤、需要多人协作的团队流程时，它的天花板会来得比你想象中快得多。

---

n8n Agent 实测：「自建」的代价到底有多高？

耗时：约 11 小时，包含报错调试时间

我在一台轻量云服务器上部署了 n8n（Docker 方式，官方文档跟着走大概 40 分钟），然后开始搭建同样的审核流程。

n8n 的画布是这样的：

Webhook 节点（接收内容）

↓


HTTP Request 节点（调用 AI API 判断）


↓


IF 节点（根据 status 分支）


├── pass → Notion 数据库节点（归档）


├── reject → 飞书消息节点（通知作者）


└── review → 飞书消息节点（分配给审核员）

每个节点的功能一目了然，逻辑清晰得像在画流程图。

HTTP Request 节点调用 AI API 的配置大概是这样的： 
{

"method": "POST",


"url": "https://api.884819.xyz/v1/chat/completions",


"headers": {


"Authorization": "Bearer {{$credentials.apiKey}}",


"Content-Type": "application/json"


},


"body": {


"model": "gpt-5.1",


"messages": [


{


"role": "user",


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


}


]


}


}

跑通第一个节点的那一刻，成就感是真实的。Webhook 收到请求，AI 节点返回了正确的 JSON，IF 节点按照预期走了正确的分支——整个流程在画布上亮起绿色的时候，我差点鼓掌。

然后报错来了。

真实的崩溃时刻：

AI 节点返回的内容有时候不是纯 JSON，而是带了 markdown 代码块包裹（就是那个 `json ` ）。n8n 的 JSON Parse 节点直接报错：

ERROR: Could not parse JSON

Unexpected token  at position 0

这个错误我查了将近两个小时。最后的解法是在 Code 节点里加一行正则清洗：

const raw = $input.item.json.content;

const cleaned = raw.replace(/
json\n?|\n?`/g, '').trim();

return [{ json: JSON.parse(cleaned) }];



说实话，如果不是我之前有一点点 JavaScript 基础，这里大概率会卡死。这就是 n8n 的真实门槛——不是搭流程，而是处理边缘情况时你需要能写一点代码。



💡 编辑注： 如果你想先跑通 n8n 的 AI 节点逻辑，但还没准备好折腾服务器和 API Key 申请流程，可以先用 [api.884819.xyz](https://api.884819.xyz) 作为中转——它兼容 OpenAI 接口格式，直接填进 n8n 的 HTTP Request 节点就能用，我在上面的配置就是这么写的。验证完逻辑再决定要不要切换到自己的账号，成本最低。新用户注册即送体验 token，国产模型（Deepseek/千问等）完全免费使用。



但跑通之后，n8n 能做到的三件事，是 ChatGPT Workspace 完全做不到的：



1. 真正的条件分支：不同审核结果走不同路径，自动触发不同的后续动作


2. 持久化存储：审核记录写入 Notion，历史可查，支持统计分析


3. 主动推送通知：审核完成后自动发飞书消息，@具体责任人，不需要人工干预



---



两套方案正面对决：六个维度打分


| 维度 | ChatGPT Workspace | n8n | 说明 |
|------|:-----------------:|:---:|------|
| 上手时间 | ⭐⭐⭐⭐⭐ | ⭐⭐ | Workspace 20分钟可用；n8n 含部署需半天+ |
| 多人协作能力 | ⭐⭐ | ⭐⭐⭐⭐⭐ | Workspace 无法分配任务/推送通知；n8n 原生支持 |
| 流程灵活性 | ⭐⭐ | ⭐⭐⭐⭐⭐ | Workspace 无条件分支；n8n 可无限嵌套逻辑 |
| 费用结构 | ⭐⭐⭐ | ⭐⭐⭐⭐ | Team版约¥140/人/月；n8n自托管仅服务器费+API调用费 |
| 维护成本 | ⭐⭐⭐⭐⭐ | ⭐⭐ | Workspace 零维护；n8n 需要自己管服务器和更新 |
| 与现有工具集成 | ⭐⭐ | ⭐⭐⭐⭐⭐ | Workspace Actions 配置复杂；n8n 原生支持400+集成 |

费用对比（粗略参考）：


  • ChatGPT Team：约 $25/人/月（官方定价，按实际汇率折算）
    • 

  • n8n Cloud：$20/月起（有执行次数限制）
    • 

  • n8n 自托管：轻量云服务器约 ¥50-100/月 + API 调用费
    • 


核心结论：


  • 团队 < 5 人，流程相对固定，没有技术支持 → ChatGPT Workspace，别折腾
    • 

  • 团队有专属运营或技术人员，流程经常需要调整 → n8n，值得投入学习成本
    • 



---



给普通人的决策树



三个问题，问完就知道选哪个：

问题1：你的流程需要根据结果触发不同的后续动作吗？

├── 不需要（只要一个 AI 助手帮我判断）→ ChatGPT Workspace 够用

└── 需要 ↓

问题2：你的团队有人能处理偶尔的 JSON 报错或节点配置问题吗？

├── 没有（全是非技术人员）→ 考虑 Zapier/Make 等更友好的替代品

└── 有 ↓

问题3：你愿意花半天时间部署和调试，换取长期的灵活性吗？

├── 不愿意 → ChatGPT Workspace + 手动处理边缘情况

└── 愿意 → n8n，按本文步骤来

`` 最低成本验证方案：

如果你还不确定 n8n 是否适合你，不必一开始就买服务器。可以先：

1. 用 n8n Cloud 的免费试用版搭流程

2. 用 [api.884819.xyz](https://api.884819.xyz) 作为 AI API 中转（兼容 OpenAI 格式，注册即送 token）

3. 把完整流程跑通一次，确认逻辑没问题

4. 再决定是否迁移到自托管

这样你的前期投入几乎是零，验证完再做决定。

---

我的最终判断

跑完这两套方案，我得出了一个反直觉的结论：

零代码工具的天花板，往往比你想象的低得多。

ChatGPT Workspace Agents 的产品体验无可挑剔，但它的设计目标从来就不是"替代一个业务流程"，而是"增强一个人的对话效率"。当你试图用它承载团队协作需求时，你实际上是在用一把瑞士军刀来切木头——不是工具不好，是你用错了场景。

n8n 的门槛是真实存在的，但它的上限也是真实存在的。一旦跑通，它能做的事情会让你觉得"之前那些手动操作都是在浪费生命"。

我们内容组现在用的是 n8n 方案。审核结果自动归档，责任人自动被 @，主编再也不用往群里扔截图了。

---

📌 下一篇预告

跑完这两套 Agent，我发现了一个没人认真讲过的问题：

当 AI 节点每天自动触发几百次，你的 token 消耗是怎么悄悄失控的——以及怎么在不降低审核质量的前提下，把费用砍掉一大截。

我已经在测了，数据比我预期的更离谱。

（下篇见。）

---

本文由8848AI原创，转载请注明出处。关注8848AI，带你从零开始学AI。

#AI工具对比 #n8n #ChatGPT #自动化工作流 #内容审核 #Agent #8848AI #AI效率工具