AI 自动化

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，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，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，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。

一个回答 PDF 问题并标出每个答案出处的 n8n 工作流。每条回复的结尾，都有 OpenAI 模型所用的每一段 Pinecone 内容的文件名和行号范围。

一个能让你和 PDF 聊天的 n8n 工作流。运行一次，它把 Google Drive 里的 PDF 载入 Pinecone，之后 OpenAI 模型会根据 PDF 中匹配的几段，在 n8n 的聊天里回答你的问题。

一个把你在 n8n 聊天窗口里输入的支出记下来的 n8n 工作流。智能体调用一个保存步骤，模型从你的消息里读出金额、说明和日期，再往 Google 表格里加一行。

一个根据公司文档回答问题的 n8n 工作流。它盯着一个 Google Drive 文件夹，用 Gemini 把新文件存进 Pinecone，n8n 聊天窗口里的智能体再根据最接近的片段作答。

一个 n8n 工作流，让人们向 Telegram 机器人询问 Google 表格里的日程。AI 模型根据当前的行来回答。n8n 里的聊天框可以测试同一个流程。

一个 n8n 工作流，带一个聊天框和一个 AI 智能体，回答关于一张 Google 表格里客户表的问题。它通过三个小工具，只读取需要的列和行。

一个 n8n 工作流：带聊天窗口和 AI 智能体，智能体通过一个工具读取一份 Google 文档，只根据它回答问题，并保留一小段对话记忆。文档里没有答案时，它会直说。

一个带聊天智能体的 n8n 工作流，它会读两份 Google 文档，一份是记忆，一份是笔记。它在聊天窗口和 Telegram 里作答，你聊天时它还会存下新的记忆和笔记。

一个 n8n 工作流，用 DeepSeek 智能体回答 Telegram 消息。每收到一条消息，它先读 Google 文档里的长期记忆，需要时存下新的，再在同一个聊天里回复。

一个 n8n 工作流，用 OpenAI 上的 AI 模型回答 Telegram 消息。它记得每个聊天最近的十次交流，所以追问也能接上，并把每条回复发回同一个聊天。

一个运行小型 Telegram 聊天机器人的 n8n 工作流，它有三种行为。它用用户的语言聊天，欢迎新用户，消息以画图命令开头时就画一幅图。

一个在 Telegram 里用 OpenAI 的 gpt-5.6-terra 上的 AI 智能体聊天的 n8n 工作流。有人要画画时，智能体会调用同一个工作流的第二条路径，由它画出图片并发到聊天里。

一个用 OpenAI 的 gpt-5.6-terra 上的 AI 智能体回答 Telegram 消息的 n8n 工作流。文字直接交给智能体，语音则先转成文字。

一个给会画图的 Telegram 机器人用的 n8n 工作流。你写一条消息，OpenAI 图像模型把文字变成一张图，机器人再把图发回你的聊天。

一个把 Telegram 机器人变成聊天助手的 n8n 工作流。每条消息经由一个被要求有帮助地、带表情符号地回答的 AI 智能体交给 OpenAI 模型，答案回到同一个聊天。

一个用 AI 智能体回答 Telegram 消息的 n8n 工作流。智能体按名字称呼每个人，记住聊天里最近的十条消息，并把回复发回给发送者。

一个 n8n 工作流，通过 IMAP 读取新邮件，让 OpenRouter 上的模型给每封邮件写摘要，再把摘要推送到一个 LINE 聊天。

一个 n8n 工作流，工作日 8:00 运行，读取最近一天的未读 Gmail，让 OpenAI 写一份紧急邮件排在前面的简短意大利语摘要。摘要会送到一个 Telegram 聊天里。

一个为举报邮箱准备的 n8n 工作流。它给每封新的 Gmail 邮件截图，让 ChatGPT 判断 HTML 和邮件头，并开出一张标成恶意或无害的 Jira 工单，附上截图。

一个 n8n 工作流，把聊天里的问题变成一份研究报告。模型提出搜索查询，SerpAPI 运行它们，Jina 读取结果页面，第三步写出 Markdown 报告。

一个 n8n 工作流，根据你自己的 OpenAI 向量库回答聊天里的问题，并把每个来源文件的名字写进回答里，紧跟在它所支持的那一段后面。

一个回答 YouTube 相关问题的 n8n 聊天智能体。它能找频道、列视频、读简介和评论、取文字稿、评判缩略图，并把每次聊天的历史记录保存在 Postgres。

一个 n8n 工作流，回答关于 GitHub REST API 的问题。它下载 GitHub 的 OpenAPI 描述，以 OpenAI 嵌入向量的形式存进 Pinecone，并让 AI Agent 在聊天窗口里搜索它。

一个 n8n 工作流，在聊天窗口里推荐电影。它用 OpenAI 嵌入向量把你的电影 CSV 载入 Qdrant，再由一个 AI Agent 要来三部接近你喜欢的、远离你不喜欢的电影。

一个 n8n 工作流，下载德州税法，把各条法条用 Mistral 做嵌入存进 Qdrant，再加一个聊天窗口。OpenAI Agent 从最接近的法条里作答，也能按名称取出某一条或某一章。

一个 n8n 工作流，监视一个文件夹，把里面的文本文件存进 Qdrant 向量库，文件变化时自动新增、替换和清除。再用聊天窗口通过 Mistral 回答关于这些文件的问题。

一个用聊天框驱动的 n8n 工作流。每条消息都发给你 LM Studio 服务器上的每个模型，Google 表格记录每条回复的耗时和可读性得分。

一个用聊天框对话的 n8n 工作流。给它一位 n8n 创作者的用户名，OpenAI 智能体会读取这位创作者公开的每周和每月数据，并写出一份 Markdown 报告。

一个 n8n 聊天：每条消息都发给你自己 Ollama 服务器上的 Llama 3.2。模型把回答写成一个 JSON 对象，聊天里显示你的提问、模型的回答和它出自的 JSON。

一块 n8n 画布，四种接入 DeepSeek 的方式：Ollama 上的本地 R1 模型回答聊天，两个直接调用 API 的请求（开思考和关思考），还有一个带记忆的智能体。

一个模型只是一行文字设置的 n8n 聊天智能体。它把每条消息通过 OpenRouter 发给你指定的模型，模型可以来自它列表上的任何一家，并为每次聊天保留最近几条消息。

一个回答发到 webhook 的顾客问题的 n8n 工作流。OpenAI 模型根据你填进一个节点里的公司信息作答，每个问题和回答都会记进一张 Google 表格。

一个分两步的 n8n 工作流。一步把每个工作流用了哪些凭据存下来，另一步是个聊天，由智能体用 SQL 作答。它只读类型、ID 和名称，从不读密钥。

一个带聊天窗口的 n8n 工作流。Gemini 智能体把你的请求变成一次 Proxmox API 调用，工作流用你的令牌运行它，第二个智能体再解释结果。

一个 n8n 工作流，服务 WooCommerce 店铺的聊天。商品问题交给目录搜索，关于店铺的问题则根据存在 Qdrant 集合里的店铺文档来回答。

一个 n8n 工作流，监视运行 n8n 的机器上的一个文件夹。有文件到来时，Mistral 聊天模型为每个零散文件选一个子文件夹，再由一小段 shell 脚本把它移进去。

一个 n8n 工作流，用同一段示例文字演示五种调用 OpenAI 聊天模型的小例子：写摘要、译成德语、写出图片提示词、要 SVG 代码，以及起草快速回复。

一个 n8n 工作流，只根据一份 Google Drive 文档回答聊天里的问题，别的一概不答。每条消息都会重新读一遍文件，把文字交给带七条规则的 AI Agent，并记住这次聊天。

一个 n8n 工作流，演示 AI Agent 在聊天里使用两个自定义工具。一个工具返回日期和时间，另一个在同一文件的子工作流里查询虚构国家的首都。

一个带聊天框的 n8n 工作流：输入一条消息，在你自己的 Ollama 里运行的 Mistral NeMo 就以 JSON 返回姓名、联系方式、主题和时间。文字只在 n8n 和你的 Ollama 之间流动。

一个 n8n 工作流，把一次聊天请求发给主模型，那次调用失败时，再把同一个请求发给第二个模型。两次调用用同一个网关地址和同一个密钥。

一个放在网站聊天组件后面的 n8n 工作流。一个用 OpenAI gpt-4o 的 AI 智能体查看你 Outlook 日历里的空闲时间，预约 30 分钟的 Teams 会议，访客还没准备好时就把咨询用邮件发给你。

一个给 LINE 官方账号用的 n8n 工作流。LINE 把每条消息发到一个 webhook，Claude 用同一种语言写出一条简短的回复，工作流再通过 LINE 的回复 API 把它发回去。

一个带聊天窗口的 n8n 工作流，里面是一个会记住对话的 AI Agent。每条消息连同之前的消息一起阅读，助手通过一个 OpenAI 模型作答，还能使用 Calculator 工具。

一个带聊天窗口的 n8n 工作流。每条消息经由 Basic LLM Chain 发给你自己机器上 Ollama 提供的模型，回答回到同一个窗口。