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 **lettvekts publiser/abonner-format** som leverer rene, strukturerte oppdateringer om hva som er nytt. I n8n gjør det det mulig å **hente inn et feed**, **normalisere hvert element**, **behandle oppføringer med en LLM**, og **lagre resultatet i Airtable**, noe som gir en langt mer stabil tilnærming enn scraping.

Definisjon

RSS er ofte et **bedre valg enn web scraping** fordi det leverer **strukturerte oppdateringer**, støtter **rimelig og effektiv polling** med ETag eller Last-Modified, og gir **innebygd deduplisering** gjennom GUID-er. Det er også langt **mindre sårbart** enn scraping, som feiler hver gang et nettsteds markup endres.

I denne demoen går du fra start til slutt: **finn eller bygg et RSS-feed**, **utløs og les det i n8n**, **normaliser innkommende elementer**, **loop gjennom dem**, **bruk en LLM til å generere tweets**, og **lagre resultatene i Airtable**.

Se etter et RSS-ikon eller `/feed`-lenke på blogger, Google News-emner eller YouTube-kanaler. Hvis ingen finnes, bruk en generator som **RSS.app** (native feeds er renere);

Steg 1 — Skaff et feed

Opprett en gratis konto, utforsk etter emne, og kopier den genererte feed-URL-en (XML fungerer fint). Bruk filtre for å fjerne duplikater eller begrense etter nøkkelord;

Steg 2 — (Valgfritt) Bygg med RSS.app

Legg til en **RSS Trigger** (lim inn feed-URL) for å teste ett element, deretter en **RSS Feed (Read)**-node for å hente ~25 elementer;

Steg 3 — Koble til n8n

I en **Code- eller LLM-node**, rens feeden: fjern HTML, hent ut det første bildet, og standardiser felter som `title`, `text`, `url` og `publishedAt`. Fjern nesten identiske titler;

Steg 4 — Normaliser elementer

Loop gjennom elementene én etter én. LLM-en skriver en kort, meningsbærende tweet per artikkel, som deretter lagres i **Airtable**. Kjør noen elementer for å verifisere resultatet og juster filtre ved behov.

Steg 5 — Generer og lagre tweets

Du kan nå ta hvilken som helst RSS-feed, behandle elementene, og automatisk gjøre hvert element om til en tweet lagret i Airtable. Bruk enkel aggregering for små feeder eller normaliser pluss løkke for større. Med en ryddig Code-node, kontrollerte batcher og pålitelig deduplisering får du en strømlinjeformet, gjenbrukbar arbeidsflyt for å konvertere RSS-oppdateringer til innhold for sosiale medier.

Hvorfor er normaliser pluss løkke-tilnærmingen foretrukket fremfor enkel aggregering ved behandling av RSS-feeder?

n8n er en fleksibel automatiseringsplattform for å koble sammen apper, transformere data og bygge AI-drevne arbeidsflyter. Du vil utvikle solide grunnleggende ferdigheter gjennom virkelige, praktiske eksempler, som dekker utløsere, håndtering av JSON, teori om dataflyt, AI-integrasjon, webhooks og komplette automatiseringsprosesser. Fokuset er på å forstå hvordan informasjon beveger seg gjennom en arbeidsflyt og hvordan denne informasjonen kan struktureres slik at noder og API-er oppfører seg forutsigbart. Resultatet er evnen til å designe, feilsøke og levere pålitelige automatiseringer som fungerer fra ende til ende.

En praktisk oversikt over n8ns miljø, kjerneverktøy og tankesett som kreves for å bygge automatiseringer. Konsepter inkluderer effektiv bruk av AI, forståelse av hvordan data flyter gjennom noder, import av maler og omforming av rådata til strukturert output.

En grundig gjennomgang av de essensielle komponentene i arbeidsflyter. Utløsere, datamanipuleringsnoder, HTTP-forespørsler, webhooks og flytkontrolllogikk. Materialet gir en tydelig mental modell for hvordan kjøringer starter, hvordan data formes, og hvordan rutingsbeslutninger tas.

En grundig gjennomgang av hvordan n8n representerer og behandler data. Temaer inkluderer JSON-struktur, lesing av komplette payloads, reparasjon av ugyldig JSON, håndtering av arrayer og objekter, samt arbeid med binære filer. Målet er forutsigbar og trygg datahåndtering i alle arbeidsflyter.

En trinnvis omforming av en ODT-plan til en strukturert automatiseringsmal. Materialet dekker pålitelige RSS-feeder, klargjøring av data for LLM-er, generering av tweets med Airtable-løkker, utforming av resultatbaserte flyter og kartlegging av hele arbeidsflyten i Miro.

En komplett gjennomgang fra innledende konsept til endelig resultat. Emner inkluderer strukturering av flyten, normalisering av API-data, løkker, feilsikring og tilbakeskriving til Airtable med en raffinert automatisering som demonstrerer ende-til-ende pålitelighet og klarhet.

Pålitelige RSS-feeder