用 Codex 把跨境电商工作流转成 Skill

✍ 饼干哥哥AGI（2.0）🕐 2026-07-20📦 11.5 KB 🟢 已读 𝕏 文章列表

文章探讨了如何利用 Codex 的元技能将 n8n 工作流转化为可复用的 Skill，降低自动化门槛。作者通过 SEO 审计和 GEO 内容生成的实战案例，展示了 Codex 在解析、反问及泛化能力上的优势，同时也对比了 n8n 在确定性和集成方面的强项。

# n8n 又活了？用 Codex把跨境电商工作流转成 Skill **作者**: 饼干哥哥AGI（2.0） **日期**: 2026-07-20T02:31:44.000Z **来源**: [https://x.com/bggg_ai/status/2079031475585110382](https://x.com/bggg_ai/status/2079031475585110382) --- ![Image](/doc/3198/image/img_316ec8bb1d3d.jpg) 做一个skill让Codex原地复活所有n8n 划重点之前一直有人叫我「n8n之神」，过去一年多写的东西，工作流分享、TikTok视频生产、SHEIN的邮件Agent等等确实全靠n8n跑出来的。 ![Image](/doc/3198/image/img_d6fe100a9adb.jpg) 从Agent时代起来之后，从OpenClaw到Codex，n8n自己的官方社区论坛都有人在问「n8n是不是真的要死了」。定时、触发、自动跑，这些Codex现在都能做了。比如这是我用Codex，直接把一个n8n的GEO审计工作流变成了一个Skill。 ![Image](/doc/3198/image/img_80f47ff2e181.jpg) 01 但这次我把n8n拉出来，不是鞭尸，而是复活。划重点 n8n劝退很多人的，从来不是「能不能自动化」，是「太难了」：节点怎么配不会，凭证授权要单独学一遍，参数从上游传到下游对不上就断链，调试起来比写代码还费劲。这个门槛，对普通人来说一直太高。划重点但门槛高不代表这些工作流没用，而是可以变成Skills的原料。 ![Image](/doc/3198/image/img_e53ef4981501.jpg) 这是官方公开的工作流模板库，10000+个工作流，背后是几年时间、无数人踩坑积累下来的自动化逻辑。就算n8n这个界面真的被时代淘汰，这些工作流背后的自动化逻辑没道理跟着一起死。而且谁都能看，谁都能拿，包括AI。我做的事情很简单：把这些模板丢给Codex，让它自己解析、自己判断哪些环节该怎么改。甚至原来那些外接的AI节点，Codex自己顶上。门槛这件事，从「学会用n8n」，变成了「判断它做得对不对」。 02 一个元技能先让Codex学会判断先解释一下：技能是一个打包好的能力，Codex碰到对应的请求就会调用它，审计网站是一个技能，写Listing文案是一个技能，每一个都只认自己那件事。划重点而元技能不干这些具体的事，它干的是"造技能"这件事本身。给它一个n8n工作流链接，它的工作不是把这个工作流的逻辑跑一遍，是把这个工作流拆解、判断、转化成一个新的、独立的技能。划重点简单说：技能解决一个问题，元技能造出能解决问题的技能。所以我打算创建一个这样的元技能：给Codex一个n8n模板链接，不是让它直接生成代码，而是先走一套判断流程，再动手。（相当于把元提示词封装成 skills 了！） ![Image](/doc/3198/image/img_e6b043ba7319.jpg) 划重点具体分五步： 1 解析——读工作流，摸清楚有哪些节点、每个节点在干嘛、依赖了哪些外部服务 2 分类——把每个节点归进几个固定类别：生成式AI节点、存储协作节点、触发节点、人工审批节点等等，每一类都有一条默认处理规则 3 反问——不自己拍板，把关键决策亮给人看，附带推荐方案，人回答同意还是要改 4 出方案——构建计划、目录结构、节点对照表整理好先给我看一遍，人没点头之前不动手写代码 5 验收——拿真实数据跑一次，不许拿编的结果糊弄过去划重点这套流程最后落地成了一个专门的元技能：n8n-to-codex-skill。它自己不干活，它的工作是教会Codex怎么把别的n8n工作流变成技能。 03 11 个节点分类规则，复活任一工作流这个元技能完整的skill.md有好几千字，这里就不整个贴了，放圈子了。划重点先摘最有信息量的骨架：类型例子默认推荐生成式AI/内容生成节点 LLM文本生成、图像生成、语音生成 Codex顶上；图像/视频生成先确认Codex有没有对应能力（额度），没有再问是否保留外部API 爬虫节点无认证HTTP请求，抓公开网页、公开RSS 脚本直接实现，不需要Key；甚至外部节点·付费数据服务 GSC、Exa.ai[1]、DataForSEO、Airtop 保留外部调用，必须用户提供凭证——真实数据，编不出来外部节点·存储协作工具 Google Sheets、Notion、飞书、Gmail发送默认建议本地化，问是否保留原集成触发节点 Webhook、Chat Trigger、表单、定时/Cron 默认改一次性命令，问是否保留定时/常驻数据转换/整形节点 Set、Code、Edit Fields 原样保留逻辑，脚本直接实现控制流/分支节点 IF、Switch、Merge、Loop、Wait 原样保留逻辑人工审批节点 sendAndWait、Slack审批问是否保留人工确认步骤子工作流调用节点 Execute Workflow 递归解析被调用的子工作流，不能跳过错误处理/重试节点 Error Trigger、Stop and Error、节点自带Retry 保留错误处理意图，用try/except实现文档/注释节点 Sticky Note 转写进SKILL.md，不参与运行不过再多的规则也只是设计。真正顶不顶用，得拿真实的n8n模板跑一遍才知道：分类对不对，反问准不准，最后跑出来的东西能不能用。先看下面 SEO & GEO 场景的两个实战Case。 04 丢一个网址，SEO审计的问题摆在前这里审计skill的复刻对象是n8n模板库里的4151，地址传送：https://n8n.io/workflows/4151-ai-seo-readability-audit-check-website-friendliness-for-llms/ 这个工作流一共六个节点，大概干的事是：给一个网址，然后爬虫抓取原始HTML，提取可见文本、标题层级、meta信息等等这些特征，再让AI打分——0到10分，可读性有多少，然后输出几条修复建议。我直接把链接丢给 Codex，让它调用元技能复现： ![Image](/doc/3198/image/img_637d2626568e.jpg) Codex上网成功扒了工作流，开始评估，然后反问了我几个问题：触发方式、AI节点、输出报告放哪、robots.txt这块要不要加强巴拉巴拉，迎接 Codex 的轰炸吧！！ ![Image](/doc/3198/image/img_8b73dd077db8.jpg) ![Image](/doc/3198/image/img_3e92b10da717.jpg) 调用我聪明的大脑回答完毕后，Codex 进一步把详细的方案摆出来，让我确认。 ![Image](/doc/3198/image/img_00b22bec9859.jpg) 确认之后它就开始噼里啪啦打造这个 skills，完事之后测了我给它的两个竞品独立站——Lovevery和Yoto，都是做儿童玩具的头部DTC品牌。跑通了，看到 200 心情很美好。Lovevery打了 7.7 分、另一个打了 8.6 分，更有意思的是robots.txt检测结果：六个AI爬虫，两个网站全部放行，而llms.txt返回404。 ![Image](/doc/3198/image/img_dd8063fdc61b.jpg) 嗯…我记得Shopify官方5月说过店铺后台默认会生成llms.txt，理论上应该存在。于是我让Codex重新核实了一遍，还是404。所以这两个头部不是Shopify标准模板，而是自建前端，才没有把这个文件透出来。 05 GEO内容当场写，但有个局限这一个skill复刻自8768，n8n模板库地址是：https://n8n.io/workflows/8768-google-form-ai-seo-geo-optimization-human-approval/ 原模板是这么运作的：表单收集需求，AI生成内容，Gmail人工审批，Google Sheets记录状态。但表单收集的字段其实是一套技术博客案例模板，为了适配跨境中的产品页，直接把字段拆成页面类型、卖点、目标人群等等。Gmail审批也去掉了，改成本地人工确认，不用再接一个邮箱账号。划重点只要逻辑对，可以复用任何场景。 ![Image](/doc/3198/image/img_6e0953a4266c.jpg) 注意！ Codex解析过程中发现bug：这个模板本身可能从来没有完整跑通过。好几处节点引用的是根本不存在的节点！！也就是模板库一万多个模板，但没人保证每一个都是跑通过的成品。在阶段二反问时我突发奇想打算串联两个skill，比如传入前一个审计skill生成的报告。内容生成时会读这份报告的具体缺口，针对性地补充：缺H3就生成分层标题，缺JSON-LD就生成schema建议等等。 ![Image](/doc/3198/image/img_80c5dba77243.jpg) 跑了一次验收，输入产品「Stage-Based Play Kit」，配上Lovevery的真实审计报告做参照。生成结果里有一节专门叫「How This Responds to the Audit Report」，逐条对应审计报告发现的四个问题。 ![Image](/doc/3198/image/img_b709577a16ef.jpg) 划重点串联机制是通的，但有个局限。这个内容生成skill 能读取审计报告、能针对性生成内容、能逐条对应缺口。它没法证明、也没有办法证明，这些新写的内容真的会让ChatGPT多引用一次。。。毕竟 AI 创作的内容没有客观标准、人来审核也是拿主观标准去评判。 06 Codex等Agent，到底是哪里真的比n8n强？站得住脚的「更强」，有三处。优点第一，能看出原系统的bug。8768那个工作流，节点引用断裂，指向根本不存在的节点——Codex在解析阶段就抓出来了，不是等运行崩溃了才知道。n8n没有这个能力，它只会在跑到那个断点时报错。第二，能在一次判断里，同时做确定和不确定的事。审计skill的打分逻辑，长度、标签这些能钉死的部分交给规则引擎，摘要这类需要归纳的部分交给AI判断。n8n的节点要么是纯代码，全确定；要么是LLM节点，全黑箱。没有中间态。第三，泛化能力。一个n8n workflow只能干它自己那件事。这次的元技能，理论上能吃掉n8n.io那一万多个模板里的任何一个，自己解析、自己反问边界。这是「会自动化」和「学会怎么自动化」的差距。老牌就是老牌但有几处，n8n仍然更强，不能回避。确定性和可审计性，n8n跑一百次同一个workflow，节点执行路径完全一致，出问题还能精确定位到哪个节点。Codex的skill是推理加规则的混合，长期大批量跑，一致性天然不如纯节点链路。另外是集成桥接，n8n能连很多外部节点，配个凭证立马能用。Codex得现写脚本处理鉴权和数据格式。需要判断、需要自我纠错的场景，Codex更强。需要成熟连接器、需要一眼看穿哪里出错的场景，n8n目前还是更合适的工具。 n8n没有死，是有些活，换了个更聪明的干法。 ## 相关链接 - [饼干哥哥AGI（2.0）](https://x.com/bggg_ai) - [@bggg_ai](https://x.com/bggg_ai) - [985](https://x.com/bggg_ai/status/2079031475585110382/analytics) - [Exa.ai](https://exa.ai/) - [https://n8n.io/workflows/4151-ai-seo-readability-audit-check-website-friendliness-for-llms/](https://n8n.io/workflows/4151-ai-seo-readability-audit-check-website-friendliness-for-llms/) - [https://n8n.io/workflows/8768-google-form-ai-seo-geo-optimization-human-approval/](https://n8n.io/workflows/8768-google-form-ai-seo-geo-optimization-human-approval/) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [10:31 AM · Jul 20, 2026](https://x.com/bggg_ai/status/2079031475585110382) - [985 Views](https://x.com/bggg_ai/status/2079031475585110382/analytics) --- *导出时间: 2026/7/20 19:38:27*

🔗 相关文档