用n8n-to-codex-skill这个元技能，把n8n 10000+公开模板转成Codex原生Skill，含SEO审计和GEO内容两个真实案例。
用n8n-to-codex-skill这个元技能，把n8n 10000+公开模板转成Codex原生Skill，含SEO审计和GEO内容两个真实案例。
京东开源 24B 参数图像模型，业内首个底层融合空间智能的一体化方案，支持相机控制、物体旋转与空间关系操控
n8n 的官方模板库有 10000+ 个公开工作流，是几年时间无数人踩坑积累下来的自动化逻辑。但 n8n 的劝退门槛一直很高：节点配置、凭证授权、上下游参数对不上就断链，调试比写代码还费劲。
这篇教程教你用 n8n-to-codex-skill 这个 meta-skill（元技能），把任一 n8n 工作流转成 Codex 原生 Skill。门槛从"学会用 n8n"降到了"判断 Codex 转换得对不对"。文中附两个真实案例：SEO 审计 skill 和 GEO 内容生成 skill，以及 Codex 相对 n8n 到底强在哪、弱在哪。
适合有 Codex 使用经验、想把存量自动化资产搬到 Agent 时代的开发者和跨境运营。
在动手前先理清两个概念：
n8n-to-codex-skill 就是后者。
把 n8n 链接丢给 Codex 后，meta-skill 会强制走这套流程：
分类是这套流水线的核心。下表是 meta-skill 内置的节点对照规则，理解了它你就能预判 Codex 会怎么处理你的工作流：
| 节点类型 | 例子 | 默认处理 |
|---|---|---|
| 生成式 AI / 内容生成 | LLM 文本、图像、语音生成 | Codex 顶上；图像/视频先确认 Codex 有对应额度，没有再问是否保留外部 API |
| 爬虫节点 | 无认证 HTTP、抓公开网页/RSS | 脚本直接实现，不需要 Key |
| 付费数据服务 | GSC、Exa.ai、DataForSEO、Airtop | 保留外部调用，必须用户提供凭证 |
| 存储协作工具 | Google Sheets、Notion、飞书、Gmail | 默认本地化，问是否保留原集成 |
| 触发节点 | Webhook、Chat Trigger、表单、Cron | 默认改一次性命令，问是否保留定时/常驻 |
| 数据转换 / 整形 | Set、Code、Edit Fields | 原样保留逻辑，脚本实现 |
| 控制流 / 分支 | IF、Switch、Merge、Loop、Wait | 原样保留逻辑 |
| 人工审批 | sendAndWait、Slack 审批 | 问是否保留人工确认步骤 |
| 子工作流调用 | Execute Workflow | 递归解析被调用的子工作流，不能跳过 |
| 错误处理 / 重试 | Error Trigger、Stop and Error、Retry | 保留错误处理意图，用 try/except 实现 |
| 文档 / 注释 | Sticky Note | 转写进 SKILL.md，不参与运行 |
原工作流 6 个节点，做的事：给一个网址 → 爬虫抓 HTML → 提取可见文本/标题层级/meta → AI 打分（0-10）→ 输出修复建议。
测了两个儿童玩具 DTC 品牌：
💡 避坑：Shopify 5 月起默认生成 llms.txt，但 Lovevery 和 Yoto 都返回 404。让 Codex 重新核实后确认是 404——这两个站点是自建前端，不是 Shopify 标准模板。这类"反常识"结果正是真实数据验收的价值。
原工作流：表单收集需求 → AI 生成内容 → Gmail 人工审批 → Google Sheets 记录状态。
⚠️ 重要发现：Codex 解析过程中发现，这个模板本身可能从来没完整跑通过——好几处节点引用的是根本不存在的节点。n8n 模板库 10000+ 个，但没人保证每个都是跑通的成品。
在反问阶段把上一个 SEO 审计 skill 的报告接入内容生成 skill：
串联机制是通的，但没法证明这些新内容真的会让 ChatGPT 多引用一次。AI 创作内容没有客观标准，人审也是拿主观标准评判。
n8n 没有死，是有些活换了个更聪明的干法。
