AI 自动化

一个 n8n 工作流，让 AI 模型为文章建议标签，创建 WordPress 站点缺的那些并返回它们的 ID，附一个在 RSS 订阅源上的演示。

一个 n8n 工作流，读取一个 WordPress 站点所有已发布的文章，让 AI 模型根据标题为每篇选一个分类，并存到文章上。

一个 n8n 工作流，盯着一个 YouTube 频道，下载每个新视频的英文字幕，让 OpenAI 写三条要点，并把它们连同标题和链接发到 Discord。

一个 n8n 工作流，每 20 分钟向 Live Tennis API 查一次正在进行的比赛，并为每场比赛只往 Discord 频道发一行提醒。

一个对 Pipedrive 新组织做出反应的 n8n 工作流：读取公司网站，让 AI 模型写出简短摘要，保存为 Pipedrive 里的备注，并发到 Slack。

一个监视 Slack 频道里工单表情回应的 n8n 工作流：由 AI 模型写出标题、摘要、建议和优先级，并为每条消息在 Linear 里创建一次工单。

一个回答 Slack 斜杠命令的 n8n 工作流：跑在 Google Gemini 模型上的智能体写出回复，记住和这个人最近的对话，并把它发到频道里。

一个 n8n 工作流：检查 RSS 订阅源，让模型挑出符合你主题的文章，把每篇的简短摘要发到 Slack，并把每篇文章记在一张 Google 表格里。

一个 n8n 工作流：在 WhatsApp 商业号码上回复新的潜客，用 OpenAI 模型给他们评分，并给出可预约的时段。投诉会转给 Slack 里的团队，安静下来的聊天每小时会收到一次跟进。

一个 n8n 工作流：用同一套节点回复 WhatsApp、Instagram 和 Facebook Messenger 的消息。Fiwano 触发器接收每条消息，Fiwano 节点负责回复：文字回一句原话，其他的回一句感谢。

一个 n8n 工作流：回答发到 WhatsApp 商务号码的消息。Gemini 模型把语音、照片或视频变成文字，带短期记忆和维基百科工具的 AI 智能体写出回复。

一个 n8n 工作流：发票逾期 7、14、30 天时，各发一条希伯来语 WhatsApp 提醒。它每天早上从 Google 表格读出未付款的发票，消息发出后给对应的行做标记。

一个每 30 分钟检查你的 YouTube 频道、请 OpenAI 为这段时间内发布的视频写一条短帖子，并把帖子发布到你的 X 账号上的 n8n 工作流。

一个随机挑选两个话题标签之一、请 OpenAI 写一条关于它的短推文，并把话题标签和推文作为一行新记录加进 Airtable 的 n8n 工作流。它不会往 X 上发任何东西。

一个通过第三方搜索服务 Xquik 在 X 上搜索一个短语，并把匹配的帖子整理成带编号的纯文字摘要的 n8n 工作流。它什么也不发送，也不保存任何东西。

一个把粘贴的文章或文字稿变成带编号的 X 串文和一篇 LinkedIn 帖子的 n8n 工作流。AI 智能体只能使用你文字里的事实，文字太少时它会请人来处理。

一个把录音变成 Notion 笔记的 n8n 工作流。它盯着一个 Google Drive 文件夹，每个新录音交给 OpenAI 转成文字，再由第二个 OpenAI 步骤写出结构化摘要，标题和摘要进入一个新的 Notion 页面。

一个去掉 CSV 文件里个人信息列的 n8n 工作流。它盯着一个 Google Drive 文件夹，由 OpenAI 模型指出哪些列含有个人信息，再由 Code 节点删掉它们，清理后的文件放进第二个 Drive 文件夹。

一个生成测试数据的 n8n 工作流。它向 OpenAI 模型要三份各十个虚构用户的名单，每份存成一个 CSV 文件，文件名形如 funny_names_1.csv。

一个归档发票的 n8n 工作流。它盯着一个 Google Drive 文件夹，把每个新文件交给 LlamaParse 读取，再由 OpenAI 模型取出明细行，Airtable 里得到一条发票记录和每个明细行各一条记录。

一个供其他工作流调用的 n8n 工作流。你交给它一个 PDF、一个 Adobe PDF Services 操作名和该操作的设置，它取令牌、上传文件、启动任务，并把 Adobe 的回答交还给调用方。

一个 n8n 工作流，用 AI 给客户反馈分类。带 feedback 字段的 POST 得到一个分类和一句话备注，备注发到应该处理它的团队的 Discord 频道。

一个 n8n 工作流，让 Supabase 表和 Notion 数据库保持一致。被编辑的页面会重新读取、切片并再次嵌入，聊天窗口根据已存的片段回答问题。

一个 n8n 工作流，把邮件变成 Notion 任务。加号地址在 Airtable 里选出一条路由，AI 写出任务标题、描述和摘要，页面落在这条路由的 Notion 数据库里。

一个 n8n 工作流，监视 Notion 数据库里的新页面。它读取每个页面，把文字切成片段，用 OpenAI 嵌入模型变成向量，再存进 Supabase 表。

一个 n8n 工作流，监视 Notion 数据库里的新页面。它读取每个页面，把文字切成片段，用 Gemini 嵌入模型变成向量，再存进 Pinecone 索引。

一个 n8n 工作流，带一个聊天页面，根据一个存着问答的 Notion 数据库来回答问题。AI 智能体按关键词或标签搜索数据库，读匹配的页面，并附上页面链接回复。

一个 n8n 工作流，在聊天里要一个 Notion 数据库链接，让 Claude 为这个数据库写出一个 n8n 助手工作流。它会检查 JSON，出了问题就让 Claude 重来，最后返回可以粘贴进 n8n 的 JSON。

一个 n8n 工作流，取 Notion 里日期是今天的那一行，让 OpenAI 整理它页面上的文字，再连同页面里的图片发到 LinkedIn。之后把这一行的状态设为 Done。

一个 n8n 工作流，每个工作日早上读取 Hugging Face 的每日论文列表，请 OpenAI 概括每篇摘要。每篇新论文在 Notion 里存成一行，已经在表里的论文会被跳过。

一个 n8n 工作流，让 OpenAI 根据领域、风格和灵感给 X 账号写帖子，检查长度，每六小时或随时发布。

一个 n8n 工作流，有一张填活动详情和图片提示的表单。OpenAI 画图，Bannerbear 把它和文字放到模板上，横幅发到 Discord。

一个 n8n 工作流，按关键词搜索 Reddit，留下有点赞的近期帖子，让 OpenAI 检查每个是不是讲这个话题，并写一句话摘要。

一个 n8n 工作流，接收一个想法和一个视频链接，让 PostWire 为每个网络写文案，并用一次请求把视频发布到 TikTok、Instagram 和 YouTube。

一个带 webhook 的 n8n 工作流，接收一篇博客文章，把它变成四篇社交帖子。OpenAI 找出要点，写出一条 X 长串帖子、一篇 LinkedIn 帖子、一条 Instagram 配文和一篇 Facebook 帖子，再由 Google 表格保存。

一个 n8n 工作流：取你在 X 上最新的三位关注者，把他们的头像做成小圆形，放到一张横幅模板上。然后把结果上传为你的个人资料横幅。

一个 n8n 工作流，用你自己 Ollama 服务器上的模型，根据一个主题为 X、LinkedIn、Reddit 和 Instagram 写草稿帖子。第二遍会把它们再读一次并改正错误。它不会替你发帖。

一个 n8n 工作流，用你自己的口吻回复 Instagram 私信。ManyChat 把每条消息发到一个 webhook，OpenAI 智能体带着这次聊天的简短记忆写回复，回复再以 JSON 发回去。

一个 n8n 工作流：把 Google Drive 里的银行对账单 PDF 按页转成 Markdown，由 Gemini 把每页当图片来读。然后列出每笔存款的日期、说明和金额。

一个 n8n 工作流，用 LlamaParse 读取 Gmail 里的发票 PDF，让 OpenAI 模型提取字段，并在 Google Sheets 里加一行数据。然后把邮件标为已处理。

一个 n8n 工作流，用你自己搭建的 Cradl AI 智能体读取 Gmail 里的发票 PDF。人可以核对它没把握的值，每个发票行都会成为 Google Sheets 里的一行。

一个带网页表单的 n8n 工作流。上传一份 PDF，贴上以字段名为键的 JSON 值，JustFill 的托管 API 就会填好表单，并返回指向成品 PDF 的链接。字段匹配不用 AI 模型。

一个 n8n 工作流，用九条规则对照你的供应商清单和未结采购订单检查供应商发票，然后入账、开审核工单或通知应付账款。每个外部系统都是你自己提供的 REST 调用。

一个 n8n 工作流，监视一个 Google Drive 文件夹里付款流水的 PDF 和图片。AI 模型读取每一份，给每一行加上类别，再把 CSV 文件存进另一个 Drive 文件夹。

一个 n8n 工作流，带一个网页表单，接收一张照片，返回最前面那辆车的车牌号。由 OpenRouter 上的一个视觉模型来读车牌。

一个 n8n 工作流，接收发给 Telegram 机器人的简历 PDF，让 OpenAI 模型把它整理成几个部分。它再生成一个整洁的 HTML 页面，用 Gotenberg 打印成 PDF，并把 PDF 发回来。

一个 n8n 工作流，把同一份 PDF 和同一条提示词直接发给 Claude 和 Google Gemini。你可以比较两个模型各自提取出什么，中间不需要单独的 OCR 步骤。

一个 n8n 工作流，每天早上在 X 上搜索带某个话题标签的帖子，存进 MongoDB，并用 Google 给它们的情绪打分。分数写进 Postgres，情绪为正的帖子会发到一个 Slack 频道。

一个 n8n 工作流，把简历 PDF 变成一张图片，再请 Google Gemini 判断候选人是否适合某个职位。模型看到的是图片，所以藏在 PDF 里的文字不应该左右结论。

一个把网址清单变成 Markdown 的 n8n 工作流。Firecrawl 返回每个页面的标题、描述和链接，工作流分批处理清单，节奏符合速率限制。