Summary  
This chapter explains how to poll and parse RSS feeds in an automated workflow, normalize and deduplicate items by GUID or ETag, and apply custom transformations (HTML stripping, image extraction, tagging) in code.  

General domain of usage  
Content aggregation and automation

RSS er et **letvægts publish/subscribe-format**, der leverer rene, strukturerede opdateringer om, hvad der er nyt. I n8n gør det det muligt at **indlæse et feed**, **normalisere hvert element**, **behandle poster med en LLM** og **gemme output i Airtable**, hvilket giver en langt mere stabil tilgang end scraping.

Definition

RSS er ofte et **bedre valg end web scraping**, fordi det leverer **strukturerede opdateringer**, understøtter **billig og effektiv polling** med ETag eller Last-Modified, og tilbyder **indbygget deduplikering** via GUIDs. Det er også langt **mindre skrøbeligt** end scraping, som fejler, hver gang et websteds markup ændres.

I denne demo gennemføres hele processen: **find eller opret et RSS-feed**, **udløs og læs det i n8n**, **normaliser indkommende elementer**, **loop igennem dem**, **brug en LLM til at generere tweets**, og **gem resultaterne i Airtable**.

Se efter et RSS-ikon eller `/feed`-link på blogs, Google News-emner eller YouTube-kanaler. Hvis der ikke findes et, kan du bruge en generator som **RSS.app** (native feeds er renere);

Trin 1 — Find et feed

Opret en gratis konto, udforsk efter emne, og kopier den genererede feed-URL (XML fungerer fint). Brug filtre til at fjerne dubletter eller begrænse efter nøgleord;

Trin 2 — (Valgfrit) Byg med RSS.app

Tilføj en **RSS Trigger** (indsæt feed-URL) for at teste ét element, og derefter en **RSS Feed (Read)** node for at hente ca. 25 elementer;

Trin 3 — Forbind til n8n

I en **Code- eller LLM-node** renses feedet: fjern HTML, udtræk det første billede, og standardiser felter som `title`, `text`, `url` og `publishedAt`. Fjern dubletter med næsten identiske titler;

Trin 4 — Normaliser elementer

Loop igennem elementerne ét ad gangen. LLM'en skriver en kort, holdningspræget tweet pr. artikel, som derefter gemmes i **Airtable**. Kør et par elementer for at verificere output og juster filtre om nødvendigt.

Trin 5 — Generér & gem tweets

Du kan nu tage ethvert RSS-feed, behandle dets elementer og automatisk omdanne hvert enkelt til et tweet, der gemmes i Airtable. Brug simpel aggregering til små feeds eller normalisering plus loop til større feeds. Med en ren Code-node, kontrollerede batches og pålidelig deduplikering får du et strømlinet, genanvendeligt workflow til at konvertere RSS-opdateringer til socialt indhold.

Hvorfor foretrækkes normalisering plus loop frem for simpel aggregering ved behandling af RSS-feeds?

n8n er en fleksibel automatiseringsplatform til at forbinde apps, transformere data og opbygge AI-drevne arbejdsgange. Du opnår solide grundlæggende færdigheder gennem virkelige, praktiske eksempler, der dækker triggere, JSON-håndtering, dataflow-teori, AI-integration, webhooks og komplette automatiseringsopbygninger. Fokus er på at forstå, hvordan information bevæger sig gennem en arbejdsgang, og hvordan denne information struktureres, så noder og API'er opfører sig forudsigeligt. Resultatet er evnen til at designe, fejlfinde og implementere pålidelige automatiseringer, der fungerer fra ende til anden.

En praktisk oversigt over n8n's miljø, kerneværktøjer og den nødvendige tankegang for at opbygge automatiseringer. Begreber omfatter effektiv anvendelse af AI, forståelse af hvordan data flyder gennem noder, import af skabeloner og omdannelse af rå input til struktureret output.

En fokuseret gennemgang af de væsentlige arbejdsgangskomponenter. Triggere, datamanipulationsnoder, HTTP-forespørgsler, webhooks og flowkontrollogik. Materialet opbygger en klar mental model for, hvordan eksekveringer starter, hvordan data formes, og hvordan rutevalg træffes.

En grundig gennemgang af, hvordan n8n repræsenterer og behandler data. Emner omfatter JSON-struktur, læsning af komplette payloads, reparation af defekt JSON, håndtering af arrays og objekter samt arbejde med binære filer. Målet er forudsigelig og sikker datahåndtering på tværs af alle workflows.

En trinvis omdannelse af en ODT-plan til en struktureret automatiseringsplan. Materialet dækker pålidelige RSS-feeds, forberedelse af data til LLM'er, generering af tweets med Airtable-løkker, design af resultatbaserede flows og kortlægning af hele workflowet i Miro.

En komplet opbygning fra det indledende koncept til det endelige output. Emner omfatter strukturering af flowet, normalisering af API-data, løkker, fejlsikring og tilbageskrivning til Airtable med en gennemarbejdet automatisering, der demonstrerer pålidelighed og klarhed fra ende til anden.

Pålidelige RSS-feeds