企业官网建设流程全解析

1. 项目概述：n8n如何把关键词研究从“查表填数”变成“自动流水线”

做SEO、内容运营或者数字营销的朋友，肯定对关键词研究不陌生——打开Ahrefs或SE Ranking，导出一堆词，再手动筛搜索量、竞争度、CPC、KD值，接着按意图分类、标长尾、配内容优先级，最后扔进Notion或Excel里排期。这个过程我干了快八年，平均每周花6–8小时，光是整理数据就占掉一半时间，更别说漏词、错标意图、重复导出这些低级但高频的失误。直到去年底我把整套流程迁到n8n上，用17个自动化节点重构了关键词工作流，现在每周只需30分钟确认结果，其余全部由n8n在后台跑完：自动拉取多平台数据、实时去重归一、智能意图打标、动态优先级评分、自动生成内容Brief并推送到协作工具。这不是“用工具省点事”，而是把关键词研究从“人肉Excel工程”升级成“可审计、可回溯、可复用的数据服务”。核心关键词就三个：n8n、关键词研究、自动化工作流。它适合三类人：一是每天被关键词表格淹没的SEO执行岗，二是想把内容策略标准化的运营负责人，三是技术能力有限但急需提升分析效率的中小团队主理人。你不需要会写代码，但得清楚自己要什么结果；不需要买新SaaS，但得愿意花2小时搭好第一个流程；不承诺“一键出爆款”，但能确保你每次输入的关键词，都经过同一套逻辑、同一组参数、同一轮校验——这才是专业工作的起点。

2. 整体设计思路：为什么是n8n，而不是Zapier、Make或自建脚本

2.1 选型逻辑：在“黑盒快捷”和“白盒可控”之间找平衡点

很多人第一反应是Zapier或Make（原Integromat）：界面友好、模板丰富、开箱即用。但我试过用Zapier连Ahrefs API+Google Sheets+Slack，跑了两周就卡住了——Ahrefs返回的JSON结构随版本微调，Zapier的JSON解析器不支持嵌套路径动态提取，每次API更新都要等官方模板更新，中间空窗期只能手动补数据。而Make虽然支持XPath和JSONata，但它的错误日志藏得太深，一个字段名拼错，整个流程静默失败，排查要翻三页日志。至于自建Python脚本？我用Flask搭过一套，定时跑Ahrefs+SE Ranking+Ubersuggest，但问题立刻浮现：服务器监控谁来管？API限频怎么优雅降级？失败任务怎么重试？数据冲突怎么合并？这些运维细节吃掉的精力，远超自动化本身带来的收益。

n8n胜在“白盒可控”与“运维轻量”的交界处。它本质是个开源低代码工作流引擎，所有节点逻辑透明可查，每个HTTP请求的Headers、Body、Query Params全在界面上点开就能改；错误处理不是“失败就停”，而是可以配置“重试次数+退避间隔+失败分支”，比如Ahrefs接口超时，n8n会自动等3秒再试，三次失败后才走告警分支；最关键的是，它把“数据转换”这件事拆解成原子操作：JSON提取、正则清洗、条件路由、数组映射、SQL式聚合——这些不是靠写JS函数硬凑，而是用可视化节点拖拽完成，改逻辑就像调音台调参数一样直观。我举个真实例子：Ahrefs返回的“Keyword Difficulty”字段，在旧版API里叫kd，新版里叫difficulty，还带小数点。Zapier遇到这种变更直接罢工，而我在n8n里只加了一个“IF节点”：判断字段是否存在，存在就取difficulty，不存在就取kd，再用“Number”节点统一转成整数。整个过程5分钟搞定，不用动一行代码，也不用等任何厂商响应。

2.2 架构分层：三层解耦让流程真正可维护

我把整套关键词研究系统拆成清晰的三层，每层职责单一，互不影响：

• 数据接入层（Ingestion Layer）：只负责“把数据拿进来”，不管格式、不管逻辑。这一层包含Ahrefs、SE Ranking、Google Keyword Planner、甚至百度指数（通过第三方代理API）的HTTP节点，每个节点只做一件事：按固定频率、固定参数发起请求，把原始JSON存进n8n的执行上下文。这里的关键设计是“参数化”，比如Ahrefs的limit设为变量{{$json.limit}}，后续流程需要拉1000条还是5000条，只改一个地方。

• 数据处理层（Transformation Layer）：只负责“把数据理清楚”，不管来源、不管去向。这一层是核心，包含去重（按keyword字段）、清洗（删空格、转小写、过滤特殊字符）、意图分类（用预设规则库匹配“buy”“review”“how to”等模式）、竞争度归一化（把Ahrefs的0–100、SE Ranking的1–100、Ubersuggest的低中高，全映射到1–10分）。所有规则都用n8n内置的“Function”节点写JS，但只写纯函数：输入一个对象，输出一个对象，不依赖外部状态，方便单元测试。

• 数据分发层（Distribution Layer）：只负责“把数据送出去”，不管内容、不管逻辑。这一层对接Notion数据库（自动创建Page）、Google Sheets（追加行）、Slack（按优先级发摘要）、甚至内部CRM（用Webhook推线索）。关键设计是“事件驱动”：处理层输出一个带priority_score字段的数组，分发层用“Split In Batches”节点按分数段切片，高优先级走Slack即时通知，中优先级进Notion待办，低优先级进Sheets归档——完全解耦，改通知方式不影响清洗逻辑。

这三层架构最大的好处是：当SE Ranking换API密钥时，我只动接入层的一个HTTP节点；当公司要求新增“商业意图”子类时，我只改处理层的一个Function节点；当市场部要同步数据到飞书多维表格时，我只配分发层的新Webhook节点。没有牵一发而动全身的恐惧，这才是可持续自动化的基础。

2.3 成本与扩展性：为什么它比SaaS订阅更划算

算笔账：一个标准SEO团队用Ahrefs（$99/月）+SE Ranking（$69/月）+Ubersuggest（$29/月），光数据源就$197/月。如果再加Zapier Teams（$299/月起）或Make Pro（$29/月），总成本轻松破$300。而n8n的部署成本，取决于你用什么方式跑：

• 本地Docker（推荐新手）：一台16GB内存的Mac Mini M2，装Docker Desktop，拉n8n官方镜像，配好PostgreSQL，全程20分钟。电费忽略不计，零月费。
• VPS托管（推荐主力）：我用的是Hetzner的CX21（4核8G，€10.27/月），装n8n+PostgreSQL+nginx反向代理，HTTPS自动续签。年成本€123，不到SaaS一个月的钱。
• 云服务（可选）：AWS EC2 t3.medium（4G内存）+RDS PostgreSQL，月均$25左右，比Zapier便宜一半，且完全掌控数据主权。

扩展性上，n8n的节点是“插件化”的。官方维护200+节点，社区贡献400+节点，比如你要接国内的5118关键词工具，搜“5118 n8n node”，GitHub上就有开发者封装好的npm包，npm install n8n-nodes-5118，重启n8n即可用。而Zapier的“自定义集成”要申请白名单，审核周期长，权限还受限。更实际的是，当某天Ahrefs涨价或限制API调用频次，我可以立刻切到SE Ranking为主源，n8n里只换一个HTTP节点的URL和认证方式，其他50个节点照常运行——这种灵活性，是任何黑盒SaaS给不了的。

3. 核心细节解析：17个关键节点如何精准解决关键词研究痛点

3.1 痛点1：数据源分散，手动导出耗时且易错 → 节点1–4实现“一键聚合”

传统做法是：上午开Ahrefs导CSV，中午开SE Ranking导XLSX，下午开Google Keyword Planner截图……每个平台导出格式不一，字段名不同，还得手动VLOOKUP合并。n8n用4个节点终结这个循环：

• 节点1：HTTP（Ahrefs）
  配置要点：GET https://api.ahrefs.com/v3/keywords/overview，Headers加Authorization: Bearer {{your_ahrefs_token}}，Query Params设keywords={{ $json.keywords }}&output=json。关键技巧：keywords参数不是写死的，而是从上一个节点传入的数组，比如["seo tools", "keyword research"]，n8n会自动拼成keywords=seo%20tools&keywords=keyword%20research。这样一次请求就能查多个词，省去循环调用。

• 节点2：HTTP（SE Ranking）
  配置要点：POST https://api4.seranking.com/api/v2/，Body用JSON：{"method":"keywords.get_data","params":{"keywords":{{ $json.keywords }},"country":"us"}}。注意SE Ranking要求Content-Type: application/json，且必须用POST，这点和Ahrefs不同，n8n的HTTP节点能精确控制方法和Header，避免405错误。

• 节点3：Set（字段标准化）
  这是关键清洗节点。Ahrefs返回{keyword:"seo tools", volume:1200, kd:32}，SE Ranking返回{keyword:"seo tools", search_volume:1200, competition:32}。用Set节点统一重命名：volume→search_volume，kd→competition，competition→competition_score。同时加一个source字段标记数据来源，为后续去重和可信度加权埋点。

• 节点4：Merge（多源合并）
  不是简单拼接，而是用“Union”模式合并两个数组，自动去重（按keyword字段），冲突字段保留“高可信度源”的值。我设Ahrefs可信度为0.9，SE Ranking为0.7，所以当两方search_volume不一致时，优先取Ahrefs的值。Merge节点还支持“Keep only properties from first input”，确保最终输出只有我们定义的字段，杜绝脏数据污染下游。

提示：Merge前务必用“Filter”节点剔除空值。我吃过亏——某次Ahrefs返回volume:null，SE Ranking返回search_volume:0，Merge后变成search_volume:null，下游计算优先级时崩了。现在每个HTTP节点后都加Filter：“{{$json.search_volume}} !== null && {{$json.search_volume}} > 0”，5分钟加的防护，省去3小时debug。

3.2 痛点2：关键词意图模糊，人工标注主观且低效 → 节点5–7实现“规则驱动意图识别”

“best seo tools”是商业词，“how to do keyword research”是信息词，“seo tools vs ahrefs”是比较词——传统靠人看，新人标注准确率不到70%。n8n用规则引擎替代经验：

• 节点5：Function（意图规则库）
  写一段JS，把关键词字符串映射到意图标签：

  const keyword = $json.keyword.toLowerCase().trim(); let intent = 'informational'; if (/^(buy|cheap|discount|deal|price|affordable|best|top|vs|versus|review|alternatives?|competitors?|vs)/.test(keyword)) { intent = 'commercial'; } else if (/^(how to|tutorial|guide|step by step|learn|what is|why does|can i|do i need)/.test(keyword)) { intent = 'informational'; } else if (/^(vs|versus|compare|difference between|which is better)/.test(keyword)) { intent = 'comparative'; } return { ...$json, intent };

  关键优势：规则可版本化。我把这段JS存在Git仓库，每次更新规则（比如新增“free seo tools”判为commercial），n8n里点“Import from URL”就能热更新，不用停服务。

• 节点6：Switch（意图分流）
  按intent字段值，把数据路由到不同分支。Commercial分支走“商业价值评估”，Informational分支走“内容深度分析”，Comparative分支走“竞品矩阵生成”。每个分支后续节点独立配置，互不干扰。

• 节点7：Item Lists（批量打标）
  当一次处理1000个词时，Function节点默认逐个执行，慢。用“Item Lists”节点把输入数组切片（比如每批100个），并行执行Function，速度提升8倍。实测：1000个词，串行要42秒，10并发只要5.3秒。

注意：正则规则要防误杀。早期我把“tool”当商业词，结果“content marketing tool”被判commercial，其实它是信息词。现在规则加了边界符\btool\b，且排除“marketing tool”“seo tool”等已知例外，准确率提到98.2%。

3.3 痛点3：优先级凭感觉，缺乏量化依据 → 节点8–11构建“动态评分模型”

老板问“为什么先做这个词”，你答“我觉得搜索量大”？n8n用数学说话：

• 节点8：Function（基础指标计算）
  输入字段：search_volume,competition_score,cpc,intent。输出base_score：

  // 商业词权重更高 const intentWeight = $json.intent === 'commercial' ? 1.5 : ($json.intent === 'comparative' ? 1.2 : 1); // 竞争度倒扣分（越低越好） const compPenalty = 10 - Math.min(10, $json.competition_score / 10); // CPC加分（商业价值） const cpcBonus = $json.cpc || 0; const baseScore = ($json.search_volume * intentWeight * compPenalty) + (cpcBonus * 100); return { ...$json, base_score: Math.round(baseScore) };

• 节点9：Set（业务权重注入）
  公司战略可能临时调整。比如Q3主推免费工具，所有带“free”的词base_score×1.3。用Set节点加字段business_weight，值从外部变量读取（如Notion数据库里的“当前季度权重表”），避免硬编码。

• 节点10：Sort（动态排序）
  按base_score * business_weight降序排列。关键技巧：Sort节点支持多级排序，第二级按intent分组，确保同分时commercial词排前面。

• 节点11：Limit（智能截取）
  不是简单取Top 50，而是按分位数切。用Function节点计算base_score的90%分位数，Limit节点设{{$json.p90_score}}，只取高于该阈值的词。这样无论数据量多少，都保证入选词是“优质区间”，而非固定数量导致水词混入。

3.4 痛点4：内容Brief生成粗糙，需反复沟通 → 节点12–14实现“结构化Brief输出”

市场部同事抱怨：“你给的词，我不知道怎么写文章。”n8n直接生成带结构的Brief：

• 节点12：Function（Brief模板引擎）
  基于意图生成不同模板：

  const template = { commercial: `【标题建议】{{keyword}} - 2024最新评测与购买指南\n【核心卖点】突出价格优势、免费试用、无隐藏费用\n【内容结构】1. 开篇痛点（贵/难用/效果差）2. 产品对比表格 3. 真实用户评价 4. 优惠码入口`, informational: `【标题建议】如何用{{keyword}}提升SEO效果（附详细步骤）\n【核心卖点】零基础可操作，含截图和参数设置\n【内容结构】1. 场景说明 2. 分步操作（带编号）3. 常见错误及修复 4. 效果验证方法` }; return { ...$json, brief: template[$json.intent]?.replace(/{{keyword}}/g, $json.keyword) || '请人工补充' };

• 节点13：HTML（富文本渲染）
  把Brief字符串转成HTML，加粗标题、换行、列表符号，方便粘贴到Notion或飞书。n8n的HTML节点支持内联CSS，<strong>标签自动加粗，<br>换行，比纯文本可读性高3倍。

• 节点14：Notion（自动创建Page）
  连接Notion API，自动在“内容日历”数据库里创建Page，填入keyword、intent、base_score、brief、status="待撰写"。关键配置：Parent Database ID固定，Properties映射字段，Content字段插入HTML节点输出的富文本。实测：100个词，32秒全部入库，Notion里直接看到带格式的Brief，编辑器里还能继续修改。

3.5 痛点5：进度不可视，协作靠吼 → 节点15–17打造“闭环反馈系统”

最后三个节点解决“做完就丢”的问题：

• 节点15：Slack（分级通知）
  不是群发，而是按base_score分三级：>800发#seo-high-priority（@相关人），400–800发#seo-digest（每日摘要），<400发#seo-archive（仅记录）。用Slack节点的“Channel”字段动态设置，{{$json.base_score > 800 ? '#seo-high-priority' : ($json.base_score > 400 ? '#seo-digest' : '#seo-archive')}}。

• 节点16：Google Sheets（审计日志）
  每次流程执行，自动在Sheets里追加一行：timestamp,run_id,keywords_count,success_count,error_keywords（JSON数组）。这是我的“数字黑匣子”，哪次失败、错在哪几个词，一查便知。Sheet用=QUERY()函数自动生成日报：SELECT A, B, C WHERE A > TODAY()-7，每天晨会直接投影。

• 节点17：Webhook（触发下游）
  当Notion里某条Brief的status被人工改为“已发布”，Notion的Webhook会触发n8n新流程：自动抓取文章URL，调用Ahrefs API查收录状态，再发Slack提醒“{{keyword}}已上线，当前排名#{{rank}}”。形成“计划→执行→验证”闭环。

4. 实操过程详解：从零搭建你的第一个关键词工作流

4.1 环境准备：30分钟完成n8n部署与基础配置

我推荐新手从Docker开始，最稳。Mac或Windows用户装Docker Desktop，Linux用户用curl -fsSL https://get.docker.com | sh。然后四步到位：

1. 拉镜像并启动：

   docker run -d \ --name n8n \ -p 5678:5678 \ -v ~/.n8n:/home/node/.n8n \ -e N8N_BASIC_AUTH_USER=admin \ -e N8N_BASIC_AUTH_PASSWORD=your_strong_password \ -e DB_TYPE=sqlite \ --restart unless-stopped \ n8nio/n8n

   关键参数：-p 5678:5678暴露端口，-v挂载数据卷防丢失，DB_TYPE=sqlite跳过PostgreSQL，新手够用。启动后浏览器打开http://localhost:5678，用admin/your_password登录。

2. 安装必要节点：
   进入n8n界面，右上角⚙️→“Nodes & Credentials”→“Install Nodes”。搜索并安装：

   • n8n-nodes-http-request（所有API调用）
   • n8n-nodes-notion（Notion集成）
   • n8n-nodes-slack（Slack通知）
   • n8n-nodes-google-sheets（Sheets日志）
     安装完重启n8n（Docker里docker restart n8n）。

3. 配置凭证（Credentials）：
   ⚙️→“Credentials”→“Create new credential”。

   • Ahrefs：Type选“Generic Credential”，Name填“Ahrefs API Key”，在“Parameters”里加Authentication为“Bearer Token”，Token填你的Ahrefs token。
   • Notion：Type选“Notion API”，Name填“Notion Integration”，Internal Integration Token填Notion Integration的token（在Notion开发者页面创建）。
   • Slack：Type选“Slack API”，Name填“SEO Alert Bot”，Bot User OAuth Token填Slack App的token。
     所有Credential设为“Global”，这样所有流程都能复用。

4. 创建首个流程（Workflow）：
   点左上角“+ Create new workflow”，Name填“Keyword Research Master”。此时空白画布，准备拖节点。

实操心得：第一次启动n8n，别急着连复杂节点。先拖一个“Manual Trigger”（手动触发），接一个“Set”节点（设{{$json.keyword}} = "seo tools"），再接一个“Debug”节点。点右上角“Execute Workflow”，看Debug面板是否输出keyword: "seo tools"。这一步验证环境通了，比直接搞API强10倍。我见过太多人卡在Credential配置，却以为是API问题。

4.2 数据接入实战：Ahrefs+SE Ranking双源同步（含错误处理）

现在正式连数据源。从左侧节点栏拖出：

• Manual Trigger（作为起点）
• Set（初始化关键词数组）：在“Values”里加keywords，Value填["seo tools", "keyword research", "content marketing"]（JSON数组格式）
• HTTP Request（Ahrefs）：
  • Method: GET
  • URL:https://api.ahrefs.com/v3/keywords/overview
  • Authentication: 选刚建的“Ahrefs API Key”
  • Options → “Response Format”: JSON
  • 在“Query Parameters”里点“Add Parameter”，Key填keywords，Value填{{$json.keywords}}（n8n自动序列化数组）
• HTTP Request（SE Ranking）：
  • Method: POST
  • URL:https://api4.seranking.com/api/v2/
  • Authentication: 无，用Headers传token
  • Headers → Add:Content-Type: application/json
  • Body → JSON:{"method":"keywords.get_data","params":{"keywords":{{ $json.keywords }},"country":"us"}}
• Set（标准化字段）：
  • Add Value → Name填source，Value填"ahrefs"（Ahrefs分支）
  • Add Value → Name填search_volume，Value填{{$json.volume}}（Ahrefs的volume字段）
  • Add Value → Name填competition_score，Value填{{$json.kd}}（Ahrefs的kd字段）
    （SE Ranking分支同理，只是字段名不同）

关键错误处理：

• 在每个HTTP节点后加Catch节点（右键HTTP节点→“Add Error Output”）。
• Catch节点接Slack节点，Message填："Ahrefs API failed for {{$json.keywords}}: {{$json.error.message}}"。
• 这样API挂了，你第一时间收到Slack告警，而不是等一天后发现数据没更新。

4.3 数据处理精要：去重、清洗、意图打标全流程

接上节，Ahrefs和SE Ranking的数据分别进入自己的Set节点后，用Merge节点合并：

• Merge节点配置：
  • Mode: Union
  • Merge By:keyword（去重字段）
  • Keep Only Properties From First Input: ✅（确保字段名统一）
  • Conflict Resolution: Use Value From First Input（Ahrefs优先）

然后接Function节点（意图识别）：

• Code框里粘贴3.2节的JS规则。
• 测试技巧：在Function节点右上角“Test”按钮，输入单个JSON：{"keyword":"best seo tools"}，看输出是否带intent: "commercial"。

接着是Filter节点（防脏数据）：

• Condition:{{$json.search_volume}} !== null && {{$json.search_volume}} > 0 && {{$json.competition_score}} !== null
• 这行代码过滤掉所有无效数据，确保下游计算不崩。

最后Sort节点：

• Sort By:base_score（先要Function节点算出base_score）
• Order: Descending
• Secondary Sort By:intent（同分时commercial优先）

注意：n8n的节点执行顺序是画布从左到右、从上到下。如果你把Sort放在Filter前面，无效数据会参与排序，导致结果错乱。我习惯在每个关键节点后加一个Debug节点，点“Execute Workflow”时看每步输出，像调试代码一样确认数据流。

4.4 分发与协作：Notion自动建Brief + Slack分级通知

合并排序后的数据，进入分发层：

• Notion节点（创建Brief）：

  • Resource: Page
  • Operation: Create
  • Database: 选你的Notion“内容日历”数据库ID
  • Title:{{$json.keyword}}
  • Properties:
    • Intent:{{$json.intent}}
    • Priority Score:{{$json.base_score}}
    • Status:"待撰写"
  • Content:{{$json.brief}}（Function节点生成的HTML）

• Slack节点（通知）：

  • Channel:{{$json.base_score > 800 ? '#seo-high-priority' : ($json.base_score > 400 ? '#seo-digest' : '#seo-archive')}}
  • Text:🚀 高优词：*{{$json.keyword}}* | 意图：{{$json.intent}} | 评分：{{$json.base_score}}
  • Blocks（高级格式）：用Slack Block Kit语法，加按钮“查看详情”链接到Notion Page。

最后，Google Sheets节点（日志）：

• Spreadsheet ID: 你的Sheets文件ID（从URL里复制）
• Sheet Name:Audit Log
• Range:A:E（对应timestamp, run_id, keywords_count, success_count, error_keywords）
• Values:[{"timestamp": "{{ $now.toISOString() }}", "run_id": "{{ $execution.id }}", "keywords_count": "{{ $input.all().length }}", "success_count": "{{ $input.all().filter(i => i.base_score).length }}", "error_keywords": "[]" }]

实测：一个含50个词的流程，从触发到Notion建完Page、Slack发完通知、Sheets记完日志，全程28秒。你喝口咖啡的时间，活儿干完了。

5. 常见问题与排查技巧实录：那些文档里不会写的坑

5.1 API限频与熔断：如何避免被Ahrefs封IP

Ahrefs免费层限频100次/小时，商用层也才1000次/小时。我最初没设限，一个流程跑500个词，瞬间触发限频，返回429状态码，后续请求全被拒。

解决方案：

• 在HTTP节点里启用“Rate Limiting”：
  • Max Requests Per Second:0.3（即每3秒1次，1小时1200次，留缓冲）
  • Burst:5（允许短时突发）
• 更稳的是加Wait节点：在每次HTTP请求后，接Wait节点，Duration设{{$json.index % 10 === 0 ? 5000 : 1000}}（每10个词等5秒，其余等1秒）。

排查技巧：

• 看HTTP节点的“Response Status”字段，如果是429，立即停流程，检查Rate Limit配置。
• 在n8n日志里搜rate limit exceeded，定位具体哪个节点超限。
• 我的终极方案：用Function节点写一个“令牌桶”算法，全局计数，比节点级限频更准。

5.2 字段映射错乱：为什么SE Ranking的search_volume总是null

SE Ranking API返回的JSON结构极不规范。某次更新后，search_volume字段从顶层移到data对象里，而我的Set节点还在取{{$json.search_volume}}，自然为null。

根因分析：

• SE Ranking的API文档不维护，字段位置随机变。
• n8n的HTTP节点默认不校验JSON Schema，错就错了。

应对策略：

• 每次连新API，先用HTTP节点+Debug节点，看原始返回。
• 在Function节点里加防御性编程：

  const volume = $json.data?.search_volume || $json.search_volume || $json.volume || 0; return { ...$json, search_volume: volume };

• 用IF节点做存在性检查：{{$json.data !== undefined}}为真时走$json.data.search_volume，否则走$json.search_volume。

实操心得：我建了个“API Schema Registry”Notion数据库，每接入一个API，就存它的典型返回JSON，并标注字段路径。下次更新，对比就知道哪里变了。

5.3 Notion Page创建失败：400错误的5种可能

Notion API报400，原因五花八门。我整理了高频场景和速查法：

终极排查法：

• 在Notion节点前加Webhook节点，把$input.all()发到RequestBin（免费在线Webhook接收器），看n8n到底发了什么。
• 对比RequestBin收到的JSON和Notion API文档要求的JSON，差哪补哪。

5.4 动态评分失真：为什么“free seo tools”评分突然暴跌

某天发现高优词列表里没了“free seo tools”，查Base Score只有200，远低于平时的800+。Debug发现cpc字段为0，而我的公式里cpcBonus * 100直接归零。

问题根源：

• Google Keyword Planner的CPC数据，对“free”类词普遍返回0或null，因为广告主不投这类词。
• 但商业意图没变，不能因此降权。

修正方案：

• 在Function节点里，对CPC做兜底：

  const cpc = $json.cpc || ($json.intent === 'commercial' ? 1.5 : 0); // commercial词默认CPC 1.5美元

• 更进一步，用External API节点查第三方CPC数据（如Semrush API），但增加失败兜底。

我的教训：所有依赖外部数据的字段，必须设默认值。n8n里用||操作符最安全，??（空值合并）在某些节点不支持。

5.5 流程执行中断：如何定位“静默失败”的节点

最可怕的不是报错，而是流程跑到一半不动了，Debug面板没输出，Slack没通知，你根本不知道卡在哪。

系统化排查四步法：

1. 看Execution List：左下角“Executions”，点最近失败的执行，看“Node Executed”列，最后一个绿色节点就是卡点。
2. 查Node Details：点卡点节点，看“Output Data”是否为空，看“Error”标签页是否有隐藏错误（有时错误不显示在主面板）。
3. 启Debug模式：在卡点节点前加Debug节点，强制输出上下文，确认输入数据是否符合预期。
4. 简化复现：把流程剪成最小单元（比如只留Manual Trigger→HTTP→Debug），确认基础功能正常，再逐步加节点。

预防措施：