Mindket

用 AI 给新的 Gmail 邮件分类并记进 Google 表格

新上架第 1 版 · 更新于

概览

一个 n8n 工作流:取新的未读 Gmail 邮件,让 GPT 把每封标为紧急、重要、资讯或垃圾邮件并写一句话摘要,再记进 Google 表格。它不会移动或删除任何邮件。

用 AI 给新的 Gmail 邮件分类并记进 Google 表格 是一款 n8n 工作流,属于效率类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,或复制它的 JSON,再导入 n8n 画布。在 n8n 里启用之前,它不会运行。

速览

用在
  • n8n Cloud:导入文件并发布
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • Google Sheets:一个叫 Email log、有五个命名列的标签页

平台

连接 3 个应用

运行方式

触发

新的未读邮件

一封新的未读邮件到达你的 Gmail 时开始运行,每分钟检查一次。它带来:

  • 发件人的名字和地址
  • 主题和日期
  • 正文,其中前 500 个字符会被用到

动作

  1. 保留每封邮件的发件人、主题、日期和正文前 500 个字符
  2. 让 GPT 把邮件标为 urgent、important、informational 或 spam,并写一句话摘要
  3. 把每个回答接回它的邮件,读不出来的回答记为 informational
  4. 为每封邮件向你的 Google 表格追加一行

结果

一份 Google 表格日志,记录每封新未读邮件的日期、发件人、主题、类别和一句话摘要,你的邮箱不会有任何改动

集成

开始之前要准备好这些。

Gmail

邮件来源

取新的未读邮件,并完整解析。

需要一个 Gmail OAuth2 凭据

OpenAI

语言模型

给每封邮件分类并写出摘要。这个副本请求的是 gpt-6-luna。

需要一个 OpenAI API 密钥

Google Sheets

电子表格

为每封邮件追加一行。

需要一个 Google Sheets OAuth2 凭据,和一个有五个命名列的标签页

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
5 个步骤,由 Gmail 事件启动
AI
1 个步骤调用 AI 模型:AI: Classify
登录
需要登录:Google Sheets、Gmail
API 密钥
文件里没有留下 API 密钥
步骤类型
Mindket 的检查器能读懂它全部 4 种步骤类型

以上内容读自工作流文件,并非实际运行的结果。

关于

它是什么

这个 n8n 工作流给你的新未读邮件分类,并留下一份日志。它每分钟取一次 Gmail 里新的未读邮件。一个 Code 步骤保留发件人、主题、日期和正文的前 500 个字符。GPT 把每封邮件标为 urgent、important、informational 或 spam,并用 JSON 写出一句话摘要。第二个 Code 步骤把回答接回它的邮件,再由 Google Sheets 加一行。什么都不会被移动、贴标签、删除或回复。五个节点负责运行,另有一个便签。

适合谁

邮箱很忙、想先看看 AI 会怎么分类、再决定让不让它动手的人。如果你希望邮件被自动移动或贴标签,就别选它。这个工作流只记日志。每封邮件都会发给 OpenAI。

谁在用,怎么用
行业谁在用怎么用例子
运营团队负责人在给助手任何权限之前,先看它会标记什么一位负责人读日志,看模型抓出了哪些紧急邮件。
客服共享邮箱衡量收件箱里有多少是垃圾邮件或资讯一位客服主管在一周后统计各个类别。
销售客户经理在冗长的邮件串里发现重要邮件一位经理在表格里筛出 important,先处理那些。
自由职业独立工作者每天拿到一份来信清单一位自由职业者读一句话摘要,而不是读每一封邮件。

你需要懂 n8n 的设置:导入文件、添加三个凭据,再给表格起个名字。

用在哪里

能访问 Gmail、OpenAI 和 Google Sheets 的 n8n 都能运行它。

  • n8n Cloud:导入文件并发布
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • Google Sheets:一个叫 Email log、有五个命名列的标签页

设置

点“下载”会把一个压缩包存到你的下载文件夹,里面有 workflow.json 和 Mindket 写的设置说明。设置就是三个凭据和一个表格 id。

先准备好这些
需要说明
n8nn8n Cloud 或你自己的服务器
Gmail一个 OAuth2 凭据,对应要分类的邮箱
OpenAI一个 API 密钥。模型是 gpt-6-luna
Google Sheets一个 OAuth2 凭据,和一个叫 Email log 的标签页,列为 Date、From、Subject、Category 和 Summary
  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File,选中 workflow.json。
  2. 添加一个 Gmail 凭据,在 Gmail: New Email 里选中它。
  3. 添加一个 OpenAI 凭据,在 AI: Classify 里选中它。
  4. 添加一个 Google Sheets 凭据,在 Log to Sheets 里选中它。把 <YOUR_SHEET_ID> 换成你表格的 id。
  5. 发布工作流,然后用另一个地址给自己发一封测试邮件。

如何使用

让它一直运行,想看收到了什么时就打开表格。先读前几行,判断这些类别适不适合你的邮件,不适合就改提示词。

想换个结果,改这里
想改的在哪里改
看哪些邮件Gmail: New Email 里的过滤条件
类别和摘要AI: Classify 里的系统消息
模型能看到多少正文Parse Email 里的长度
列Log to Sheets 里的映射,以及你标签页的第 1 行

示例

一封邮件到了,主题是“Contract needs your signature today”。

{"category": "urgent", "summary": "A contract is waiting for your signature by the end of today."}

表格里多出一行,有日期、发件人、主题、类别 urgent,和那句一句话摘要。

新手与专家

新手:n8n 把工作流画成用线连起来的方框,每个方框叫一个节点,只做一件事。这个工作流读邮件,让模型给它分类,再写一行。先给自己发两三封测试邮件。

专家:两个 Code 步骤包着一次对模型的调用。

想看细一点,看这里
节点它做什么要知道的
Gmail: New Email未读邮件的触发器,完整解析每封新邮件一项
Parse Email保留发件人、主题、日期和 500 个字符它处理一次检查里的每一项
AI: Classify打开了 JSON 输出的 OpenAI 节点回答以对象的形式返回
Merge Result把每个回答接回它的邮件读不出来的回答会变成 informational
Log to Sheets追加这一行第 1 行必须有那五个名称

注意事项

类别只是一个猜测,所以先读前几行,再决定要不要依赖它们。

  • 修复:AI 这一步原来用的节点类型在那个版本里并不存在,所以现在改用 n8n 的 OpenAI 节点。原来的副本每次检查还只处理第一封邮件,并且读取了完整输出里没有的摘要字段
  • 模型:gpt-4o-mini 将在 2027 年 1 月 14 日关停,所以这个副本请求 gpt-6-luna,并去掉了温度和 token 上限
  • 费用和数据:每封邮件调用一次 OpenAI,发出去的是发件人、主题和 500 个字符的正文
  • 已读状态:工作流不会把任何邮件标为已读,所以“未读”过滤条件只限制每次检查取哪些邮件
  • 表格:第 1 行必须有 Date、From、Subject、Category 和 Summary,否则表格这一步会停下
  • 没有运行过:Mindket 没有用 Gmail、OpenAI 或 Google Sheets 运行过它
  • 凭据:JSON 里没有任何凭据

README 和文件

README

用 AI 给新的 Gmail 邮件分类并记进 Google 表格

一个 n8n 工作流,给你的新未读邮件分类并留下日志。它每分钟取一次 Gmail 里新的未读邮件。一个模型把每封邮件标为 urgent、important、informational 或 spam,并写一句话摘要。结果进入一张 Google 表格。这是稳妥的第一步:什么都不会被移动、删除、贴标签或回复。

里面有什么

  • workflow.json:n8n 导出的工作流,六个节点,其中一个是便签。里面没有任何凭据。
  • README.md:这份说明。

和原来的副本相比,我们改了什么

  • AI 这一步原来是一个版本为 1.8 的 n8n-nodes-base.openAi 节点。这个节点类型只有 1 和 1.1 两个版本,而且选项也不同。AI: Classify 现在是 n8n 的 OpenAI 节点(它有 1.8 版本),用它的 Message a Model 操作,并打开了 JSON 输出。
  • 模型原来是 gpt-4o-mini,OpenAI 将在 2027 年 1 月 14 日关停它。现在它请求 gpt-6-luna,也就是 OpenAI 指明的替代品。温度 0.2 和 200 个 token 的上限已去掉。这个模型的页面没有列出温度设置,而且 OpenAI 把推理模型的思考也算进输出上限,所以很小的上限可能把回答截断。
  • Parse Email 原来每次检查只处理第一封邮件。两次检查之间来了好几封时,其余的就丢了。现在它处理所有邮件,Merge Result 把每个回答配对到它的邮件。
  • 摘要原来读的是完整邮件输出里没有的一个字段,所以模型只看到发件人和主题。现在它改用正文文字的开头部分。
  • Merge Result 原来期望回答是文本。OpenAI 节点现在把它作为对象返回,所以代码两种都接受。
  • 表格 id 原来来自一个环境变量,只有自托管的 n8n 才能设置它。现在它是占位符 <YOUR_SHEET_ID>。标签页是 Email log,节点里列出了它的五个列。
  • 便签的标题更短了,最后一行也更朴素。

开始之前

  • 一个可以用 OAuth2 连到 n8n 的 Gmail 账号。
  • 一个 OpenAI API 密钥。
  • 一张 Google 表格,里面有一个叫 Email log 的标签页。第 1 行放这些名称:Date、From、Subject、Category 和 Summary。缺了任何一个,表格这一步就会停下。

设置

  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File。选中 workflow.json。
  2. 添加一个 Gmail OAuth2 凭据,在 Gmail: New Email 里选中它。
  3. 添加一个 OpenAI 凭据,在 AI: Classify 里选中它。
  4. 添加一个 Google Sheets OAuth2 凭据,在 Log to Sheets 里选中它。把 <YOUR_SHEET_ID> 换成你表格的 id,也就是它的地址里 /d/ 与 /edit 之间的那一段。
  5. 发布工作流,然后用另一个地址给自己发一封测试邮件。

一次运行的过程

  1. Gmail: New Email 取新的未读邮件,并完整解析它们。
  2. Parse Email 保留邮件 id、发件人的地址和名字、主题、正文的前 500 个字符和日期。
  3. AI: Classify 让模型返回含 category 和 summary 的 JSON。类别是 urgent、important、informational 或 spam。
  4. Merge Result 把每个回答接回它的邮件。如果某个回答读不出来,这封邮件就记为 informational,没有摘要。
  5. Log to Sheets 向 Email log 标签页追加一行。

想换个结果,改这里

  • 看哪些邮件:Gmail: New Email 里的 Read Status 和其他过滤条件。
  • 类别和摘要:AI: Classify 里的系统消息,以及 Merge Result 里的兜底。
  • 模型能看到多少正文:Parse Email 里的 substring 长度。
  • 列:Log to Sheets 里的映射,以及你标签页的第 1 行。

值得知道的事

  • 工作流不会把任何邮件标为已读。“未读”过滤条件只限制每次检查取哪些邮件。
  • 每封新邮件调用一次 OpenAI,发出去的是发件人、主题和正文的开头部分。
  • 模型给的类别只是一个猜测。在信任它们之前,先读前几行。
  • Mindket 没有用 Gmail、OpenAI 或 Google Sheets 运行过这个工作流。这些说明依据的是 n8n 公开的节点代码和 OpenAI 的页面(读取于 2026 年 11 月 12 日),而其中两个 Code 步骤已在本地电脑上用示例邮件跑过。
文件
NOTICE.md  628 B
README.md  4 KB
workflow.json  6 KB

3 个文件,共 11 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

效率类的相似商品

查看效率类的全部商品

Guizang PPT Skill

op7418 · 技能

能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。

新上架29.8k

Frontend Slides

zarazhangrui · 技能

从零开始或从 PowerPoint 文件生成 HTML 演示文稿,并展示几种视觉风格预览供你挑选,适合不懂 CSS 和 JavaScript、又想做网页幻灯片的人。

新上架32.3k

IPTV

iptv-org · 工具包

把来自多个国家的公开电视直播频道整理成播放列表,任何支持直播流的视频播放器都能打开。适合想看直播的观众,也适合需要频道数据的开发者。

新上架144k