AI 效率技能与自动化

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，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 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，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 webhook、接收语音提问的 n8n 工作流。OpenAI 把你的录音转成文字，Gemini 带着之前的对话回答，ElevenLabs 把回答读出来，作为音频文件返回。

一个 n8n 工作流，在 Strava 活动被修改时读取它，请 Google Gemini 聊天模型以铁人三项教练的身份回答，再把笔记发成邮件。游泳、骑行和跑步都管，还会安排接下来的训练。

一个 n8n 工作流，用在每个字段的说明就是提示词的 Baserow 表上。给一行附上 PDF，OpenAI 聊天模型就填好每个还空着的、带说明的格子。改了字段，整列会重新填一遍。

一个 n8n 工作流，用在每个字段的说明就是提示词的 Airtable 表上。给一行附上 PDF，OpenAI 聊天模型就填好每个还空着的、带说明的格子。改了字段，整列会重新填一遍。

一个带聊天智能体的 n8n 工作流，智能体跑在本地的 Ollama 模型上。它算出一个地点的经纬度，从 Open-Meteo 读一天的气温，并用 Wikipedia 回答一般问题。记忆保存最近 20 轮对话。

一个 n8n 工作流：读取 Supabase 存储桶里的 PDF 和文本文件，把文字作为 OpenAI 向量存进 Supabase 的表，再给你一个能据此回答的聊天智能体。