Immagina un assistente che, ogni mattina alle 8, legge le ultime notizie dalle fonti che ti interessano, le riassume in italiano e ti recapita un digest ordinato su Telegram, senza che tu debba fare nulla. In questa guida costruiamo esattamente questo con n8n, la piattaforma open source di automazione, collegata a un modello di intelligenza artificiale. È un tutorial di livello intermedio-avanzato: alla fine avrai un'automazione IA funzionante e gli strumenti per costruirne altre.

A chi serve, cosa otterrai e prerequisiti

Questa guida è pensata per chi vuole automatizzare compiti ripetitivi con l'IA senza scrivere un'intera applicazione: professionisti, redazioni, piccole imprese, smanettoni. Otterrai un flusso che, su base programmata, raccoglie contenuti da una fonte (un feed RSS), li fa riassumere a un modello linguistico e li invia su un canale a tua scelta.

Servono: un computer con Node.js 18+ installato (oppure Docker), una chiave API di un modello linguistico (useremo OpenAI, ma vanno bene anche Claude di Anthropic, Gemini di Google o un modello locale via Ollama) e, per la consegna dei messaggi, un bot Telegram gratuito. Non è richiesta esperienza di programmazione: n8n si usa con un'interfaccia visuale a nodi.

Quale strumento di automazione e quale modello scegliere

Sul mercato ci sono diverse opzioni. Zapier e Make sono cloud, comodissimi ma a pagamento e con limiti sul numero di operazioni; sono ottimi per chi non vuole gestire nulla in proprio. n8n è open source: si può usare gratis in self-hosting (controllo totale, dati sulle tue macchine) oppure nella versione cloud a pagamento. Per un tutorial sull'IA, n8n è la prima scelta: ha un nodo "AI Agent" nativo, è gratuito da auto-ospitare e permette di collegare qualsiasi modello.

Per il modello, conta il rapporto qualità/prezzo sul compito. Per riassumere testi va benissimo un modello economico e veloce come GPT-5 mini di OpenAI o Gemini Flash di Google; i modelli di punta (GPT-5.5, Claude Opus) sono sprecati e più costosi per un compito semplice. Se la privacy è cruciale, un modello locale con Ollama azzera i costi e tiene i dati in casa, al prezzo di prestazioni inferiori e di hardware da gestire.

n8n collega trigger, fonti dati e modelli IA con un'interfaccia visuale a nodi.

Passo 1: installare e avviare n8n

Il modo più rapido per provarlo è con npx, che scarica e avvia n8n senza installazione permanente. Apri il terminale e digita:

npx n8n

Dopo qualche minuto vedrai un messaggio con l'indirizzo locale. Apri il browser su http://localhost:5678 e crea l'account proprietario (resta tutto sulla tua macchina). Per un uso stabile e duraturo conviene Docker, che mantiene i dati anche dopo il riavvio:

docker volume create n8n_data
docker run -it --rm \
  --name n8n -p 5678:5678 \
  -v n8n_data:/home/node/.n8n \
  docker.n8n.io/n8nio/n8n

Anche in questo caso l'interfaccia è su http://localhost:5678.

Passo 2: creare il flusso e il trigger programmato

Nella schermata di n8n clicca su Create Workflow. Aggiungi il primo nodo cercando Schedule Trigger: è il nodo che fa partire l'automazione a orari fissi. Impostalo, per esempio, su "Every Day" alle 08:00. Questo nodo sarà l'innesco del nostro digest mattutino.

Collega poi un nodo RSS Read: inserisci l'URL di un feed (per esempio quello di una testata che segui). n8n leggerà gli ultimi articoli pubblicati, restituendo per ciascuno titolo, link e contenuto. Per limitare il numero di voci, puoi aggiungere un nodo Limit e tenere, diciamo, i primi 5 elementi.

Passo 3: collegare il modello IA per i riassunti

Ora il cuore del flusso. Aggiungi il nodo Basic LLM Chain (o, per scenari più complessi, il nodo AI Agent). Come "Chat Model" collega un sotto-nodo OpenAI Chat Model: ti verrà chiesto di inserire le credenziali, cioè la tua chiave API. Seleziona un modello economico come gpt-5-mini.

Nel campo del prompt, scrivi le istruzioni usando le variabili che arrivano dal nodo RSS. Ecco un prompt copiabile ed efficace:

Sei un assistente di una redazione italiana. Riassumi in 3 frasi, in italiano chiaro e senza sensazionalismi, la seguente notizia. Aggiungi alla fine una riga "Perche conta:" con il motivo per cui e rilevante. Titolo: {{ $json.title }} Contenuto: {{ $json.contentSnippet }}

Il risultato atteso, per ogni articolo, è un riassunto di tre frasi seguito da una riga che ne spiega l'importanza. n8n eseguirà il prompt una volta per ciascun elemento ricevuto dal feed.

Il nodo LLM riceve i contenuti dal feed e li riassume secondo il prompt impostato.

Passo 4: consegnare il digest su Telegram

Per ricevere i riassunti, crea un bot Telegram: nell'app cerca BotFather, invia /newbot, scegli un nome e ottieni il token. Avvia una chat con il tuo nuovo bot e recupera il tuo chat id (puoi usare il bot @userinfobot). In n8n aggiungi il nodo Telegram, inserisci il token come credenziale, imposta l'operazione "Send Message" e nel testo del messaggio richiama l'output del modello, per esempio:

{{ $json.text }}

Collega i nodi in sequenza: Schedule Trigger -> RSS Read -> Limit -> Basic LLM Chain -> Telegram. Clicca Test workflow per eseguirlo subito e verificare che il messaggio arrivi. Quando funziona, attiva il flusso con l'interruttore in alto a destra: da quel momento girerà ogni mattina in automatico.

Variante avanzata: l'AI Agent con strumenti

Per andare oltre il semplice riassunto, sostituisci la Basic LLM Chain con il nodo AI Agent. A differenza di una catena lineare, un agente può decidere quali strumenti usare per raggiungere un obiettivo. Puoi collegargli, come "tool", un nodo di ricerca web, un foglio Google o un database. Un prompt di sistema utile per l'agente:

Sei un agente che prepara un briefing quotidiano. Per ogni notizia ricevuta, valuta se e davvero rilevante per un pubblico italiano interessato di tecnologia. Scarta le notizie ripetitive o di puro marketing. Per quelle che tieni, scrivi un riassunto di 3 frasi e assegna un punteggio di importanza da 1 a 5.

Con questo schema l'automazione non si limita a riassumere: filtra, valuta e prioritizza, avvicinandosi al lavoro di una piccola redazione.

Errori comuni e come risolverli

  • "Could not connect to localhost:5678": n8n non è ancora avviato o la porta è occupata. Attendi il messaggio di avvio nel terminale o cambia porta con la variabile N8N_PORT.
  • Errore 401 / "Incorrect API key" dal nodo del modello: la chiave API è errata o non ha credito. Verifica la chiave e che l'account abbia un metodo di pagamento attivo.
  • Errore 429 "Rate limit": stai inviando troppe richieste insieme. Aggiungi un nodo Wait tra un elemento e l'altro, o riduci il numero di voci con Limit.
  • Variabili vuote nel prompt: i nomi dei campi RSS variano da feed a feed. Controlla l'output del nodo RSS Read e usa i nomi esatti (a volte è content invece di contentSnippet).

Alternative, quando non usare n8n e come proseguire

n8n è ideale quando vuoi controllo, dati in casa e costi bassi. Se invece cerchi la massima semplicità senza gestire nulla, Make o Zapier sono più immediati. Se l'automazione è molto specifica e complessa, a volte conviene scrivere direttamente uno script in Python: più lavoro iniziale, ma libertà totale. Evita n8n quando il flusso è banale (un solo passaggio) o quando non puoi mantenere un server attivo per le esecuzioni programmate.

Da qui puoi crescere: collega altri trigger (un webhook, una nuova email, un messaggio), aggiungi un database per memorizzare cosa hai già inviato ed evitare duplicati, oppure usa l'AI Agent con più strumenti per costruire veri assistenti operativi. Il principio resta lo stesso: un trigger, una fonte di dati, un modello che ragiona e un canale di consegna. Una volta capito questo schema, le automazioni IA che puoi costruire sono quasi infinite.