Cómo Crear un Agente Autónomo en n8n que Busque Noticias y las Publique en Redes Sociales

Imagina un asistente que trabaja mientras duermes: busca las noticias más relevantes de tecnología, las resume de forma atractiva, y las publica en Twitter, LinkedIn y Facebook sin que tengas que hacer nada.

Esto ya no es ciencia ficción. Con n8n y el nodo AI Agent puedes crear "trabajadores digitales" que ejecutan tareas complejas de forma autónoma, tomando decisiones inteligentes gracias a LLMs como GPT-4 o Claude.

En este tutorial construiremos un agente autónomo completo paso a paso, con el workflow listo para importar.

¿Qué es un agente autónomo y por qué n8n es perfecto para crearlos?

Un agente autónomo de IA es un sistema que toma decisiones, ejecuta acciones y aprende de los resultados sin intervención humana constante.

Diferencia entre automatización tradicional y agentes

Aspecto	Automatización tradicional	Agentes autónomos
Decisiones	Reglas fijas (if/then)	Razonamiento con LLM
Adaptabilidad	Requiere reprogramar	Se adapta al contexto
Complejidad	Tareas simples y repetitivas	Tareas complejas multi-paso
Herramientas	APIs predefinidas	Usa herramientas dinámicamente
Errores	Falla y para	Reintenta con estrategias alternativas

Por qué n8n es ideal para agentes

Según el blog oficial de n8n, la plataforma fue 3 veces más rápida que escribir código Python con LangChain para un caso de uso real (SanctifAI):

"Creamos nuestro primer workflow en n8n en solo 2 horas gracias al builder visual y los sistemas de enrutamiento." — SanctifAI

Las ventajas de n8n para agentes:

Nodo AI Agent nativo: Basado en LangChain, con razonamiento y memoria
400+ integraciones: APIs de redes sociales, bases de datos, servicios web
Visual y código: Combina drag-and-drop con JavaScript/Python cuando necesitas
Self-hosted: Tus datos, tus reglas, sin límites de ejecución
Gratuito: Licencia fair-code, sin costes ocultos

Arquitectura del agente: Cómo funciona

Flujo completo del agente

code

1┌─────────────────────────────────────────────────────────────────┐
2│                    AGENTE AUTÓNOMO DE NOTICIAS                  │
3├─────────────────────────────────────────────────────────────────┤
4│                                                                 │
5│  1. TRIGGER (Schedule)                                          │
6│     └── Cada 6 horas                                           │
7│                                                                 │
8│  2. BÚSQUEDA DE NOTICIAS                                       │
9│     ├── RSS Feeds (TechCrunch, Wired, etc.)                   │
10│     ├── Google Trends                                          │
11│     └── News API                                               │
12│                                                                 │
13│  3. AGENTE AI (Razonamiento)                                   │
14│     ├── Analiza relevancia                                     │
15│     ├── Selecciona las mejores                                 │
16│     └── Decide qué publicar y dónde                           │
17│                                                                 │
18│  4. GENERACIÓN DE CONTENIDO                                    │
19│     ├── Resumen para Twitter (280 chars)                       │
20│     ├── Post largo para LinkedIn                               │
21│     └── Versión Facebook                                       │
22│                                                                 │
23│  5. APROBACIÓN (Opcional)                                      │
24│     └── Telegram/Slack para revisar antes de publicar          │
25│                                                                 │
26│  6. PUBLICACIÓN                                                │
27│     ├── Twitter/X                                              │
28│     ├── LinkedIn                                               │
29│     └── Facebook                                               │
30│                                                                 │
31│  7. LOGGING                                                    │
32│     └── Google Sheets para tracking                            │
33│                                                                 │
34└─────────────────────────────────────────────────────────────────┘

Componentes clave

Schedule Trigger: Dispara el agente cada X horas
RSS/HTTP Nodes: Obtiene noticias de múltiples fuentes
AI Agent Node: El cerebro que decide qué hacer
Chat Model Node: Conexión a GPT-4, Claude o modelo local
Tool Nodes: Herramientas que el agente puede usar
Social Media Nodes: Twitter, LinkedIn, Facebook
IF/Switch Nodes: Lógica condicional
Error Handling: Reintentos y notificaciones de error

Paso 1: Configurar n8n (si no lo tienes)

Opción A: Docker Compose (Recomendado)

yaml

1# docker-compose.yml
2version: "3.8"
3services:
4  n8n:
5    image: docker.n8n.io/n8nio/n8n:latest
6    container_name: n8n
7    restart: unless-stopped
8    ports:
9      - "5678:5678"
10    environment:
11      - N8N_HOST=localhost
12      - N8N_PORT=5678
13      - N8N_PROTOCOL=http
14      - NODE_ENV=production
15      - WEBHOOK_URL=http://localhost:5678/
16      - GENERIC_TIMEZONE=Europe/Madrid
17      # Credenciales de encriptación (genera tu propia clave)
18      - N8N_ENCRYPTION_KEY=tu-clave-secreta-muy-larga
19    volumes:
20      - ./n8n_data:/home/node/.n8n

bash

1# Iniciar
2docker compose up -d
3 
4# Acceder
5open http://localhost:5678

Opción B: Home Assistant Add-on

Si ya tienes Home Assistant:

Ve a Configuración > Complementos > Tienda de complementos
Busca "n8n" e instala
Accede desde la barra lateral

Paso 2: Configurar credenciales necesarias

Antes de crear el workflow, necesitas credenciales para:

OpenAI (o alternativa)

Ve a Credentials > Add Credential > OpenAI API
Introduce tu API Key de platform.openai.com

Alternativamente, puedes usar:

Anthropic Claude: Similar configuración
Ollama local: Gratis, requiere servidor Ollama corriendo

Twitter/X

Crea una app en developer.twitter.com
Genera API Key, API Secret, Access Token, Access Token Secret
En n8n: Credentials > Twitter OAuth1

Crea app en LinkedIn Developer Portal
Solicita permisos de w_member_social
En n8n: Credentials > LinkedIn OAuth2

News API (Opcional)

Regístrate en newsapi.org (gratis para desarrollo)
En n8n: Credentials > HTTP Header Auth

- Header Name: X-Api-Key

- Header Value: tu API key

Paso 3: Crear el workflow del agente

3.1 Trigger programado

json

1{
2  "nodes": [
3    {
4      "name": "Schedule Trigger",
5      "type": "n8n-nodes-base.scheduleTrigger",
6      "parameters": {
7        "rule": {
8          "interval": [
9            {
10              "field": "hours",
11              "hoursInterval": 6
12            }
13          ]
14        }
15      },
16      "position": [0, 0]
17    }
18  ]
19}

3.2 Obtener noticias de RSS

json

1{
2  "name": "RSS TechCrunch",
3  "type": "n8n-nodes-base.rssFeedRead",
4  "parameters": {
5    "url": "https://techcrunch.com/feed/"
6  }
7}

Añade múltiples nodos RSS para diversas fuentes:

javascript

1// Fuentes recomendadas de tecnología en español e inglés
2const feeds = [
3  "https://techcrunch.com/feed/",
4  "https://www.wired.com/feed/rss",
5  "https://www.theverge.com/rss/index.xml",
6  "https://feeds.feedburner.com/elandroidelibre",
7  "https://www.xataka.com/feedburner.xml",
8  "https://hipertextual.com/feed"
9];

3.3 Merge y filtrar noticias

json

1{
2  "name": "Merge Feeds",
3  "type": "n8n-nodes-base.merge",
4  "parameters": {
5    "mode": "append"
6  }
7}

Añade un nodo Code para filtrar por fecha (últimas 24h):

javascript

1// Filtrar noticias de las últimas 24 horas
2const now = new Date();
3const yesterday = new Date(now - 24 * 60 * 60 * 1000);
4 
5const recentNews = items.filter(item => {
6  const pubDate = new Date(item.json.pubDate || item.json.isoDate);
7  return pubDate > yesterday;
8});
9 
10// Limitar a las 10 más recientes
11return recentNews.slice(0, 10);

3.4 El nodo AI Agent (el cerebro)

Este es el componente más importante. Configura el nodo AI Agent:

json

1{
2  "name": "AI Agent",
3  "type": "@n8n/n8n-nodes-langchain.agent",
4  "parameters": {
5    "promptType": "define",
6    "text": "={{ $json.prompt }}",
7    "options": {
8      "systemMessage": "Eres un experto en marketing de contenidos tecnológicos. Tu trabajo es:\n\n1. Analizar las noticias proporcionadas\n2. Seleccionar las 3 más relevantes e interesantes para una audiencia tech\n3. Crear contenido atractivo para redes sociales\n\nCriterios de selección:\n- Novedad: ¿Es una noticia reciente y original?\n- Relevancia: ¿Interesa a desarrolladores, emprendedores o entusiastas tech?\n- Engagement: ¿Genera curiosidad o debate?\n\nPara cada noticia seleccionada, genera:\n- tweet: Versión de 280 caracteres con emoji y hashtags\n- linkedin: Post profesional de 200-300 palabras\n- facebook: Post casual de 100-150 palabras\n\nResponde SOLO en formato JSON válido."
9    }
10  }
11}

3.5 Configurar el modelo de chat

Conecta un nodo OpenAI Chat Model al agente:

json

1{
2  "name": "OpenAI Chat Model",
3  "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
4  "parameters": {
5    "model": "gpt-4-turbo-preview",
6    "options": {
7      "temperature": 0.7,
8      "maxTokens": 2000
9    }
10  }
11}

3.6 Preparar el prompt dinámico

Antes del agente, añade un nodo Code para construir el prompt:

javascript

1// Construir prompt con las noticias
2const noticias = items.map((item, i) => {
3  return `
4NOTICIA ${i + 1}:
5Título: ${item.json.title}
6Descripción: ${item.json.contentSnippet || item.json.description}
7Fuente: ${item.json.link}
8Fecha: ${item.json.pubDate || item.json.isoDate}
9`;
10}).join('\n---\n');
11 
12return [{
13  json: {
14    prompt: `Analiza estas noticias de tecnología y genera contenido para redes sociales:
15 
16${noticias}
17 
18Recuerda:
191. Selecciona las 3 mejores
202. Genera tweet, linkedin y facebook para cada una
213. Responde en JSON con esta estructura:
22{
23  "selected_news": [
24    {
25      "title": "...",
26      "source_url": "...",
27      "tweet": "...",
28      "linkedin": "...",
29      "facebook": "..."
30    }
31  ]
32}`
33  }
34}];

3.7 Parsear respuesta del agente

Añade un nodo Code para extraer el JSON:

javascript

1// Parsear respuesta del agente
2const response = items[0].json.output;
3 
4try {
5  // Extraer JSON de la respuesta
6  const jsonMatch = response.match(/\{[\s\S]*\}/);
7  if (jsonMatch) {
8    const parsed = JSON.parse(jsonMatch[0]);
9    return parsed.selected_news.map(news => ({ json: news }));
10  }
11} catch (error) {
12  console.error('Error parseando JSON:', error);
13}
14 
15return [];

3.8 Publicar en Twitter

json

1{
2  "name": "Post Twitter",
3  "type": "n8n-nodes-base.twitter",
4  "parameters": {
5    "text": "={{ $json.tweet }}",
6    "additionalFields": {}
7  },
8  "credentials": {
9    "twitterOAuth1Api": "tu-credencial"
10  }
11}

3.9 Publicar en LinkedIn

json

1{
2  "name": "Post LinkedIn",
3  "type": "n8n-nodes-base.linkedIn",
4  "parameters": {
5    "text": "={{ $json.linkedin }}\n\n🔗 Fuente: {{ $json.source_url }}",
6    "postAs": "person",
7    "visibility": "PUBLIC"
8  },
9  "credentials": {
10    "linkedInOAuth2Api": "tu-credencial"
11  }
12}

3.10 Sistema de aprobación (opcional pero recomendado)

Para revisar antes de publicar, añade aprobación via Telegram:

json

1{
2  "name": "Telegram Approval",
3  "type": "n8n-nodes-base.telegram",
4  "parameters": {
5    "chatId": "tu-chat-id",
6    "text": "📰 *Nueva publicación pendiente*\n\n*Título:* {{ $json.title }}\n\n*Tweet:* {{ $json.tweet }}\n\n*LinkedIn:* {{ $json.linkedin }}\n\n¿Aprobar publicación?",
7    "replyMarkup": "inlineKeyboard",
8    "inlineKeyboard": {
9      "rows": [
10        {
11          "row": {
12            "buttons": [
13              { "text": "✅ Aprobar", "callbackData": "approve_{{ $json.id }}" },
14              { "text": "❌ Rechazar", "callbackData": "reject_{{ $json.id }}" }
15            ]
16          }
17        }
18      ]
19    },
20    "parse_mode": "Markdown"
21  }
22}

Paso 4: Workflow completo listo para importar

Copia este JSON y pégalo en n8n (Ctrl+V en el canvas):

json

1{
2  "name": "Agente Autónomo de Noticias Tech",
3  "nodes": [
4    {
5      "parameters": {
6        "rule": {
7          "interval": [
8            {
9              "field": "hours",
10              "hoursInterval": 6
11            }
12          ]
13        }
14      },
15      "name": "⏰ Cada 6 horas",
16      "type": "n8n-nodes-base.scheduleTrigger",
17      "position": [0, 300]
18    },
19    {
20      "parameters": {
21        "url": "https://techcrunch.com/feed/"
22      },
23      "name": "📰 TechCrunch",
24      "type": "n8n-nodes-base.rssFeedRead",
25      "position": [200, 200]
26    },
27    {
28      "parameters": {
29        "url": "https://www.xataka.com/feedburner.xml"
30      },
31      "name": "📰 Xataka",
32      "type": "n8n-nodes-base.rssFeedRead",
33      "position": [200, 400]
34    },
35    {
36      "parameters": {
37        "mode": "append"
38      },
39      "name": "🔗 Merge Feeds",
40      "type": "n8n-nodes-base.merge",
41      "position": [400, 300]
42    },
43    {
44      "parameters": {
45        "jsCode": "// Filtrar últimas 24h y limitar a 10\nconst now = new Date();\nconst yesterday = new Date(now - 24 * 60 * 60 * 1000);\n\nconst recent = items.filter(item => {\n  const date = new Date(item.json.pubDate || item.json.isoDate);\n  return date > yesterday;\n});\n\nreturn recent.slice(0, 10);"
46      },
47      "name": "🔍 Filtrar Recientes",
48      "type": "n8n-nodes-base.code",
49      "position": [600, 300]
50    },
51    {
52      "parameters": {
53        "jsCode": "const noticias = items.map((item, i) => {\n  return `NOTICIA ${i + 1}:\\nTítulo: ${item.json.title}\\nDescripción: ${item.json.contentSnippet || item.json.description}\\nFuente: ${item.json.link}\\nFecha: ${item.json.pubDate || item.json.isoDate}`;\n}).join('\\n---\\n');\n\nreturn [{\n  json: {\n    prompt: `Analiza estas noticias de tecnología:\\n\\n${noticias}\\n\\nSelecciona las 3 mejores y genera para cada una:\\n- tweet (280 chars, con emoji y hashtags)\\n- linkedin (200-300 palabras, profesional)\\n- facebook (100-150 palabras, casual)\\n\\nResponde SOLO en JSON válido con esta estructura:\\n{\"selected_news\": [{\"title\": \"...\", \"source_url\": \"...\", \"tweet\": \"...\", \"linkedin\": \"...\", \"facebook\": \"...\"}]}`\n  }\n}];"
54      },
55      "name": "📝 Preparar Prompt",
56      "type": "n8n-nodes-base.code",
57      "position": [800, 300]
58    },
59    {
60      "parameters": {
61        "promptType": "define",
62        "text": "={{ $json.prompt }}",
63        "options": {
64          "systemMessage": "Eres un experto en marketing de contenidos tecnológicos. Selecciona las noticias más relevantes e interesantes para una audiencia tech hispanohablante. Siempre responde en JSON válido."
65        }
66      },
67      "name": "🤖 AI Agent",
68      "type": "@n8n/n8n-nodes-langchain.agent",
69      "position": [1000, 300]
70    },
71    {
72      "parameters": {
73        "model": "gpt-4-turbo-preview",
74        "options": {
75          "temperature": 0.7
76        }
77      },
78      "name": "OpenAI GPT-4",
79      "type": "@n8n/n8n-nodes-langchain.lmChatOpenAi",
80      "position": [1000, 500]
81    },
82    {
83      "parameters": {
84        "jsCode": "const response = items[0].json.output;\ntry {\n  const jsonMatch = response.match(/\\{[\\s\\S]*\\}/);\n  if (jsonMatch) {\n    const parsed = JSON.parse(jsonMatch[0]);\n    return parsed.selected_news.map(news => ({ json: news }));\n  }\n} catch (e) {\n  console.error('Error:', e);\n}\nreturn [];"
85      },
86      "name": "📤 Extraer Contenido",
87      "type": "n8n-nodes-base.code",
88      "position": [1200, 300]
89    },
90    {
91      "parameters": {
92        "text": "={{ $json.tweet }}"
93      },
94      "name": "🐦 Post Twitter",
95      "type": "n8n-nodes-base.twitter",
96      "position": [1400, 200]
97    },
98    {
99      "parameters": {
100        "text": "={{ $json.linkedin }}\\n\\n🔗 {{ $json.source_url }}"
101      },
102      "name": "💼 Post LinkedIn",
103      "type": "n8n-nodes-base.linkedIn",
104      "position": [1400, 300]
105    },
106    {
107      "parameters": {
108        "sheetId": "TU_SHEET_ID",
109        "range": "Publicaciones!A:F",
110        "options": {},
111        "dataMode": "autoMapInputData"
112      },
113      "name": "📊 Log a Sheets",
114      "type": "n8n-nodes-base.googleSheets",
115      "position": [1600, 300]
116    }
117  ],
118  "connections": {
119    "⏰ Cada 6 horas": {
120      "main": [
121        [
122          { "node": "📰 TechCrunch", "type": "main", "index": 0 },
123          { "node": "📰 Xataka", "type": "main", "index": 0 }
124        ]
125      ]
126    },
127    "📰 TechCrunch": {
128      "main": [[{ "node": "🔗 Merge Feeds", "type": "main", "index": 0 }]]
129    },
130    "📰 Xataka": {
131      "main": [[{ "node": "🔗 Merge Feeds", "type": "main", "index": 1 }]]
132    },
133    "🔗 Merge Feeds": {
134      "main": [[{ "node": "🔍 Filtrar Recientes", "type": "main", "index": 0 }]]
135    },
136    "🔍 Filtrar Recientes": {
137      "main": [[{ "node": "📝 Preparar Prompt", "type": "main", "index": 0 }]]
138    },
139    "📝 Preparar Prompt": {
140      "main": [[{ "node": "🤖 AI Agent", "type": "main", "index": 0 }]]
141    },
142    "OpenAI GPT-4": {
143      "ai_languageModel": [[{ "node": "🤖 AI Agent", "type": "ai_languageModel", "index": 0 }]]
144    },
145    "🤖 AI Agent": {
146      "main": [[{ "node": "📤 Extraer Contenido", "type": "main", "index": 0 }]]
147    },
148    "📤 Extraer Contenido": {
149      "main": [
150        [
151          { "node": "🐦 Post Twitter", "type": "main", "index": 0 },
152          { "node": "💼 Post LinkedIn", "type": "main", "index": 0 }
153        ]
154      ]
155    },
156    "🐦 Post Twitter": {
157      "main": [[{ "node": "📊 Log a Sheets", "type": "main", "index": 0 }]]
158    },
159    "💼 Post LinkedIn": {
160      "main": [[{ "node": "📊 Log a Sheets", "type": "main", "index": 0 }]]
161    }
162  }
163}

Paso 5: Optimizaciones avanzadas

5.1 Añadir memoria al agente

Para que el agente recuerde publicaciones anteriores y evite repetir:

json

1{
2  "name": "Memory Buffer",
3  "type": "@n8n/n8n-nodes-langchain.memoryBufferWindow",
4  "parameters": {
5    "sessionKey": "news_agent_memory",
6    "windowSize": 10
7  }
8}

5.2 Usar herramientas personalizadas

El agente puede usar "tools" para buscar información adicional:

javascript

1// Tool: Buscar en Google Trends
2{
3  "name": "Check Google Trends",
4  "type": "@n8n/n8n-nodes-langchain.toolHttpRequest",
5  "parameters": {
6    "url": "https://trends.google.com/trends/api/dailytrends",
7    "options": {
8      "description": "Verifica si un tema es tendencia en Google. Usa esta herramienta para validar la relevancia de una noticia."
9    }
10  }
11}

5.3 Rate limiting para evitar spam

javascript

1// Nodo Code: Rate limiting
2const lastRun = $getWorkflowStaticData('global');
3const now = Date.now();
4 
5// Mínimo 1 hora entre ejecuciones exitosas
6if (lastRun.lastSuccess && (now - lastRun.lastSuccess) < 3600000) {
7  console.log('Rate limit: esperando más tiempo entre publicaciones');
8  return [];
9}
10 
11// Guardar timestamp
12lastRun.lastSuccess = now;
13 
14return items;

5.4 Detección de duplicados

javascript

1// Verificar si ya publicamos esta noticia
2const db = $getWorkflowStaticData('global');
3db.publishedUrls = db.publishedUrls || [];
4 
5const newItems = items.filter(item => {
6  const url = item.json.source_url;
7  if (db.publishedUrls.includes(url)) {
8    return false;  // Ya publicada
9  }
10  db.publishedUrls.push(url);
11  return true;
12});
13 
14// Mantener solo últimas 100 URLs
15if (db.publishedUrls.length > 100) {
16  db.publishedUrls = db.publishedUrls.slice(-100);
17}
18 
19return newItems;

Paso 6: Métricas y monitorización

Google Sheets para tracking

Crea una hoja con estas columnas:

Actualiza métricas con otro workflow programado:

javascript

1// Obtener métricas de Twitter
2// (Requiere API v2 con analytics)
3const tweetId = $json.tweet_id;
4const metrics = await $http.get(
5  `https://api.twitter.com/2/tweets/${tweetId}?tweet.fields=public_metrics`
6);
7 
8return [{
9  json: {
10    likes: metrics.data.public_metrics.like_count,
11    retweets: metrics.data.public_metrics.retweet_count,
12    replies: metrics.data.public_metrics.reply_count
13  }
14}];

Alertas de error

json

1{
2  "name": "Error Handler",
3  "type": "n8n-nodes-base.telegram",
4  "parameters": {
5    "chatId": "tu-chat-id",
6    "text": "⚠️ Error en agente de noticias:\n\n{{ $json.error.message }}"
7  }
8}

Resultados esperados y ROI

Tiempo ahorrado

Tarea manual	Tiempo/semana	Con agente
Buscar noticias	3h	0h
Escribir posts	2h	0h
Publicar en 3 redes	1h	0h
Total	6h/semana	0h

Ahorro anual: 312 horas = ~8 semanas de trabajo

Costes

Concepto	Coste mensual
OpenAI API (GPT-4)	€10-30
n8n self-hosted	€3 (electricidad)
APIs redes sociales	€0 (planes gratuitos)
Total	€13-33/mes

Engagement típico

Con contenido consistente y bien curado:

Twitter: 50-200 impresiones/tweet
LinkedIn: 100-500 visualizaciones/post
Crecimiento seguidores: 5-15%/mes

Errores comunes y cómo evitarlos

El agente genera contenido genérico

Solución: Mejora el system prompt con ejemplos específicos:

code

1EJEMPLO de buen tweet:
2"🚀 OpenAI acaba de lanzar GPT-5 y supera a humanos en el 95% de tareas cognitivas.
3 
4El benchmark muestra:
5- Coding: 99.2% precisión
6- Razonamiento: 98.7%
7- Creatividad: 94.1%
8 
9¿El fin del trabajo intelectual? 🧵 #AI #GPT5"

Rate limits de APIs

Solución: Añade delays entre publicaciones:

json

1{
2  "name": "Wait",
3  "type": "n8n-nodes-base.wait",
4  "parameters": {
5    "unit": "seconds",
6    "amount": 30
7  }
8}

Contenido duplicado en redes

Solución: Personaliza cada plataforma más:

javascript

1// Twitter: directo y con gancho
2// LinkedIn: contexto profesional
3// Facebook: más casual y pregunta

Conclusión: Tu primer trabajador digital

Has creado un agente autónomo que:

Busca noticias de múltiples fuentes cada 6 horas
Analiza y selecciona las más relevantes con GPT-4
Genera contenido optimizado para cada red social
Publica automáticamente (o pide aprobación)
Registra todo para análisis posterior

Este es solo el principio. Puedes expandir el agente para:

Responder comentarios automáticamente
Generar hilos de Twitter sobre temas trending
Crear newsletters semanales
Publicar en Threads, Mastodon, Bluesky...

¿Siguiente paso? En el próximo artículo exploramos el hardware open source para control por voz: M5Stack Atom Echo y por qué es el futuro de los asistentes privados en español.

¿Ya tienes tu agente funcionando? Comparte tu workflow en los comentarios. Y si este tutorial te ha sido útil, suscríbete a la newsletter para más automatizaciones con n8n.

Cómo Crear un Agente Autónomo en n8n que Busque Noticias y las Publique en Redes Sociales

¿Qué es un agente autónomo y por qué n8n es perfecto para crearlos?

Diferencia entre automatización tradicional y agentes

Por qué n8n es ideal para agentes

Arquitectura del agente: Cómo funciona

Flujo completo del agente

Componentes clave

Paso 1: Configurar n8n (si no lo tienes)

Opción A: Docker Compose (Recomendado)

Opción B: Home Assistant Add-on

Paso 2: Configurar credenciales necesarias

OpenAI (o alternativa)

Twitter/X

LinkedIn

News API (Opcional)

Paso 3: Crear el workflow del agente

3.1 Trigger programado

3.2 Obtener noticias de RSS

3.3 Merge y filtrar noticias

3.4 El nodo AI Agent (el cerebro)

3.5 Configurar el modelo de chat

3.6 Preparar el prompt dinámico

3.7 Parsear respuesta del agente

3.8 Publicar en Twitter

3.9 Publicar en LinkedIn

3.10 Sistema de aprobación (opcional pero recomendado)

Paso 4: Workflow completo listo para importar

Paso 5: Optimizaciones avanzadas

5.1 Añadir memoria al agente

5.2 Usar herramientas personalizadas

5.3 Rate limiting para evitar spam

5.4 Detección de duplicados

Paso 6: Métricas y monitorización

Google Sheets para tracking

Alertas de error

Resultados esperados y ROI

Tiempo ahorrado

Costes

Engagement típico

Errores comunes y cómo evitarlos

El agente genera contenido genérico

Rate limits de APIs

Contenido duplicado en redes

Conclusión: Tu primer trabajador digital

Posts Recomendados

¿Te ha gustado? Hay más cada semana