Mindket

品牌风格通讯的撰写与发送

新上架第 2 版 · 更新于

概览

一个 n8n 工作流:输入一个主题,它写出分三节的通讯,发给 Google 表格里的每个地址。Tavily 找本周的新闻,OpenAI 写各节内容,品牌的配色和标志则从它自己的网站上读取。

品牌风格通讯的撰写与发送 是一款 n8n 工作流,属于营销类,由 Mindket 上架。可免费获取。当前为第 2 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:在那里新建一个工作流,把文件导入进去
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • 订阅者的收件箱:每一期都从你连接的 Gmail 账号发出
  • 其他邮件工具:成品 HTML 保存在记录标签页里,可以把一期内容粘贴到你喜欢的工具里

平台

连接 5 个应用

运行方式

触发

通讯表单

有人提交 Newsletter 表单时开始运行,表单里有:

  • 在 Brand Name 里填品牌名称
  • 在 Brand Website 里填品牌的网址
  • 在 Query 里填要写的主题

动作

  1. Tavily 搜索你的主题在过去一周的新闻,OpenAI 智能体定出标题和三个子主题
  2. 每个子主题再搜索一次,由智能体写出对应的一节,并附上来源链接
  3. 读取品牌首页,得到四个颜色代码和一个标志,再由 ConvertAPI 转成 PNG
  4. 表格里的每个地址,由智能体把这几节排进品牌配色的 HTML 版式
  5. Gmail 发出这一期,Google Sheets 记录下来

结果

一份带品牌标志和配色的通讯,发给表格里的每一位订阅者

集成

开始之前要准备好这些。

OpenAI

语言模型

用 gpt-4.1-mini 运行主题规划、栏目写作、读取颜色、查找标志,以及为每一期生成 HTML 的智能体。

需要OpenAI API 密钥

Tavily

网络搜索

搜索主题在过去一周的新闻,再分别搜索三个子主题,为每一节找来源。

需要Tavily API 密钥,放在两个节点的请求头里

ConvertAPI

文件转换

把品牌标志转成 PNG,返回邮件里标志所指向的链接。

需要ConvertAPI 密钥,放在一个节点的请求头里

Google Sheets

订阅者名单和发送记录

读取订阅者的姓名和邮箱地址,并为每次发出的一期添加一行记录。

需要一个 Google 账号、表格的 ID 和订阅者标签页的 ID

Gmail

邮件

用你自己的账号把这一期发给每个地址。

需要一个有权发邮件的 Google 账号

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
20 个步骤,由表单启动
AI
5 个步骤调用 AI 模型:Information Extractor、Convert Newsletter to HTML、Website scrape、Generate Topics、Generate Content
登录
需要登录:Google Sheets、Gmail、OpenAI、Tavily、ConvertAPI
API 密钥
文件里没有留下 API 密钥;有 2 处留空,需填入你自己的密钥
步骤类型
Mindket 的检查器能读懂它全部 10 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 工作流写一份通讯,表单里要填三项:品牌名称、品牌网站和一个主题。它再把这一期发给 Google 表格里的每个地址。Tavily 搜索你的主题在过去一周的新闻,OpenAI 智能体把结果整理成一个标题和三个子主题。每个子主题各搜一次,写成带来源链接的一节。与此同时,工作流读取品牌首页,得到四个颜色代码和一个标志,标志由 ConvertAPI 转成 PNG。对每个订阅者,最后一个智能体把这几节排进品牌配色的固定 HTML 版式,Google Sheets 记录这一期,Gmail 把它发出去。

适合谁

想让每一期通讯都和自己网站风格一致、又不想请设计师的小品牌、俱乐部和咨询公司。代理公司也适合,每个客户一份副本,用客户自己的表格。

谁在用,怎么用
行业谁在用怎么用例子
专业服务会计师、顾问和他们的市场人员填上事务所的网站和本月的主题,把这一期发给客户名单会计师事务所输入“小企业税务变化”,客户收到一份用事务所配色排好的资讯。
软件产品市场人员给用户发一份产品所在领域的新闻汇总一家项目管理工具公司,不用写一行字,就给用户发了三条远程团队的新闻。
教育课程创作者和培训学校在两次课之间和学员保持联系一所编程学校每周给每一届学员发一份开发者新闻汇总。
俱乐部和协会管理会员名单的志愿者把一个主题变成带俱乐部标志的一期一个跑步俱乐部给会员发一份赛事和装备新闻汇总。
营销代理公司客户经理每个客户一份副本,各用各的表格代理公司给每个客户搭一份副本,客户自己填表单。

你需要会一点 n8n:导入文件、添加五种凭据、准备一个有两个标签页的表格。如果这些对你来说很陌生,又不想学,就别选它。它的来源页面估计设置要接近 20 分钟,前提是所有账号和密钥都已经备好。

用在哪里

你运行的任何 n8n 都行,只要能访问 OpenAI、Tavily、ConvertAPI、Google 和品牌的网站。

  • n8n Cloud:在那里新建一个工作流,把文件导入进去
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • 订阅者的收件箱:每一期都从你连接的 Gmail 账号发出
  • 其他邮件工具:成品 HTML 保存在记录标签页里,可以把一期内容粘贴到你喜欢的工具里

设置

点“获取”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。导入之前先准备好下面这些。

先准备好这些
需要说明
n8nn8n Cloud 或你自己的服务器
OpenAI一个 API 密钥
Tavily一个 API 密钥
ConvertAPIConvertAPI 账号里的一个密钥
Google一个同时用于 Gmail 和 Google Sheets 的账号,外加一个有订阅者标签页和记录标签页的表格
表格需要的两个标签页
标签页列工作流用它做什么
订阅者Email、Name读取每一行。Email 是这一期发往的地址,Name 用在问候语里
记录,即第一个标签页Email、Message、Email Created At、Email Send At每发出一期就添加一行。Email 里存的是主题行,Message 里存的是 HTML
  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 OpenAI 凭据,在 OpenAI 和 OpenAI Chat Model6 里选中它。
  3. 打开 Tavily 和 Tavily1。在各自的 Authorization 请求头里,把 <YOUR_TAVILY_KEY> 换成你的密钥,Bearer 和它后面的空格要保留。
  4. 在 Convertor 里用同样的办法处理 <YOUR_CONVERTAPI_SECRET>。
  5. 添加 Google Sheets 凭据。在 Get row(s) in sheet 和 Save Newsletter 里选中它,把 YOUR_SHEET_ID 换成你的表格地址里 /d/ 和 /edit 之间的那一长串 ID。
  6. 在 Get row(s) in sheet 里,把 YOUR_SUBSCRIBERS_TAB_ID 换成订阅者标签页地址里 gid= 后面的数字。Save Newsletter 写入第一个标签页,也就是 gid=0。
  7. 添加 Gmail 凭据,在 Sending Emails 里选中它。
  8. 在订阅者标签页里放两三个你自己的地址,保存,用表单的测试地址发一次测试,再点 Publish 发布工作流。

标志这一步要的是 ai 格式的文件。Convertor 里的地址以 /convert/ai/to/png 结尾,ConvertAPI 在这个地址里写明来源和目标格式,所以标志是 SVG 或 JPG 的话,要把地址改成对应的格式。

如何使用

从 On form submission 打开表单,填写 Brand Name、Brand Website 和 Query,三项都必填,然后提交。表单会立刻确认收到。运行在后台继续:先做调研和配色分析,再为每个订阅者生成一期排好版的内容,写一行记录,发一封邮件。到 Executions 里打开这次运行就能跟着看。

想要不同的效果,改这里
要改的在哪里改
新闻有多新、挖得多深Tavily 请求体里的 time_range 和 search_depth。Tavily1 只发子主题,想让第二次搜索也收窄,就在那里加上它们
每一节的语气Generate Content 的 system message
版式、问候语和页脚Convert Newsletter to HTML 的 system message 里的 HTML 骨架。只有文字颜色会随品牌变化,版式保持原样
一期的篇幅同一条消息把一期限制在 1,000 词以内
模型OpenAI 和 OpenAI Chat Model6 里的 gpt-4.1-mini

示例

一家咖啡烘焙店的表单内容:

Brand Name: Harbor Coffee Roasters
Brand Website: https://harborcoffee.example
Query: specialty coffee prices and cafe trends

Generate Topics 按解析器的结构回答,解析器要求恰好三个主题:

{
  "title": "…",
  "topics": ["…", "…", "…"]
}

Website scrape 用同样的方式返回颜色,Convert Newsletter to HTML 则把一期内容作为主题行和 HTML 正文返回:

{
  "primary_color": "…",
  "secondary_color": "…",
  "accent_color": "…",
  "background_color": "…"
}
{
  "subject": "…",
  "content": "<html>…</html>"
}

每个订阅者收到的邮件,依次有标志、主色的标题、按姓名称呼的问候语和写明日期的开头。接着是三节带 Source 链接的内容、按刊物排序的来源列表、结尾和页脚。

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。凭据是 n8n 替你保管的密钥,你在哪个节点里选中它,就交给哪个节点用。先用表单的测试地址跑一次,表格里只放你自己的地址。到 Executions 里打开这次运行,每个节点都会显示它收到了什么、发出了什么,密钥填错或标签页选错,在这里就能看出来。

专家:三路输入在 Merge 里汇合:标志、配色和各节内容,顺序就是这样。Convert Newsletter to HTML 按位置读取它们(output[0]、output[1]、output[2]),所以改接线时要保持这个顺序。

AI 步骤各在哪里运行
步骤模型要知道的
Generate Topics通过 OpenAI 使用 gpt-4.1-mini解析器只接受恰好三个主题,所以每次运行在第一次搜索之外还要再搜三次
Generate Content同一个模型每个主题运行一次,并被要求只引用真实的来源
Website scrape 和 Information Extractor同一个模型读取服务器返回的首页 HTML,所以在浏览器里才生成页面的网站,可能没有多少内容可读
Convert Newsletter to HTML通过 OpenAI Chat Model6 使用 gpt-4.1-mini每个订阅者运行一次,循环每转一圈发一封邮件

注意事项

每次运行都要花钱,邮件从你自己的账号发出,所以先拿你自己的地址测试。

  • 费用:OpenAI、Tavily 和 ConvertAPI 各自收自己那部分的费用。一次运行搜索四次,每个订阅者还要生成一次 HTML
  • 名单长,运行就长:HTML 智能体对每个地址重新运行一次,所以不同读者收到的措辞可能略有不同,记录里也会多出一行
  • 发送上限:Gmail 限制一个账号每天能发多少封,名单很大时要用专门做群发的发送工具
  • 退订:版式里没有退订的一行,如果读者所在地的法律要求,就自己加到页脚里
  • 公开的表单:工作流发布之后,任何拿到表单地址的人都能用你的密钥发起运行,给你的名单发邮件,所以要么打开表单触发器的基本认证,要么别把地址给别人
  • 密钥:Tavily 和 ConvertAPI 的密钥放在请求头字段里,不在凭据里,所以导出工作流时它们会一起带走
  • 来源和标志:智能体被要求只引用真实的来源,所以名单收到之前,先自己读一读前几期。邮件里的标志是指向 ConvertAPI 所存副本的链接,要先确认它会保存多久
  • 一处修复:页面上的这份文件,在把调研结果和各节内容拼接起来的表达式里,丢掉了三处换行的反斜杠,所以它们是用字母 n 拼在一起的。Mindket 把换行补了回去
  • 凭据:这个 JSON 里没有任何凭据,也没有作者账号里的任何东西

README 和文件

README

品牌风格通讯的撰写与发送

一个 n8n 工作流。在表单里填上品牌名称、品牌网站和一个主题,它会研究这个主题,写出品牌配色的三节通讯,发给 Google 表格里的每个地址。

包里有什么

  • workflow.json:n8n 导出的工作流,26 个节点,其中一个是便签。里面没有任何凭据,也没有指定任何表格,要你把它指向自己的表格。
  • README.md:这份设置说明,压缩包里的是英文版。

开始之前

  • 一个 n8n 实例,n8n Cloud 或自己的服务器都行。
  • 一个 OpenAI API 密钥。
  • 一个 Tavily API 密钥。
  • 一个 ConvertAPI 密钥。
  • 一个用于 Gmail 和 Google Sheets 的 Google 账号。
  • 一个有两个标签页的表格(见下文)。

准备表格

| 标签页 | 列 | 工作流用它做什么 |
|---|---|---|
| 订阅者 | Email、Name | 读取每一行。Email 是这一期发往的地址,Name 用在问候语里 |
| 记录,即第一个标签页 | Email、Message、Email Created At、Email Send At | 每发出一期就添加一行。Email 里存的是主题行,Message 里存的是 HTML |

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 OpenAI 凭据,在 OpenAI 和 OpenAI Chat Model6 里选中它。
  3. 打开 Tavily 和 Tavily1。在各自的 Authorization 请求头里,把 <YOUR_TAVILY_KEY> 换成你的密钥,Bearer 和它后面的空格要保留。
  4. 在 Convertor 里用同样的办法处理 <YOUR_CONVERTAPI_SECRET>。
  5. 添加 Google Sheets 凭据。在 Get row(s) in sheet 和 Save Newsletter 里选中它,把 YOUR_SHEET_ID 换成你的表格地址里 /d/ 和 /edit 之间的那一长串 ID。
  6. 在 Get row(s) in sheet 里,把 YOUR_SUBSCRIBERS_TAB_ID 换成订阅者标签页地址里 gid= 后面的数字。Save Newsletter 写入第一个标签页,也就是 gid=0。如果你的记录在别的标签页,就改成那个标签页的 gid= 数字。
  7. 添加 Gmail 凭据,在 Sending Emails 里选中它。
  8. 在订阅者标签页里放两三个你自己的地址并保存。用表单的测试地址发一次测试,再点画布顶部的 Publish 发布工作流(也可以按 Shift+P)。

标志这一步

Convertor 把品牌的标志文件 POST 到 https://v2.convertapi.com/convert/ai/to/png。ConvertAPI 在这个地址里写明来源和目标格式,所以这一步适合 ai 格式的标志。标志是 SVG 或 JPG 的话,把地址里的 ai 改成标志的格式。邮件里的标志,就是 ConvertAPI 为转换后的文件返回的链接(Files[0].Url)。

改变风格

  • 新闻的时间范围:time_range 和 search_depth 在 Tavily 的请求体里。Tavily1 只发子主题,想让第二次搜索也收窄,就在那里加上它们。
  • 语气:各节的写法改 Generate Content 的 system message,标题和主题改 Generate Topics 的。
  • 版式、问候语和页脚:HTML 骨架在 Convert Newsletter to HTML 的 system message 里。只有文字颜色会随品牌变化。同一条消息把一期限制在 1,000 词以内。
  • 模型:两个 OpenAI 节点里的 gpt-4.1-mini。
  • 顺序:Merge 按标志、配色、各节内容的顺序汇合,Convert Newsletter to HTML 按位置读取它们(output[0]、output[1]、output[2])。改接线时要保持这个顺序。

注意事项

  • 表单一提交就会答复。之后运行只做一次调研,却要为每个订阅者写一期 HTML,所以名单长,运行就长。不同读者收到的措辞可能略有不同,记录里也会为每个人多出一行。
  • 一次运行搜索四次:主题一次,三个子主题各一次。OpenAI、Tavily 和 ConvertAPI 各自收自己那部分的费用。
  • Gmail 限制一个账号每天能发多少封。名单很大时,要用专门做群发的发送工具。
  • 版式里没有退订的一行。如果读者所在地的法律要求,就自己加到页脚里。
  • 工作流发布之后,任何拿到表单地址的人都能发起一次运行,花掉你的密钥额度,给你的名单发邮件。表单触发器可以要求输入用户名和密码。
  • Tavily 和 ConvertAPI 的密钥放在请求头字段里,不在凭据里,所以导出工作流时它们会一起带走。分享之前先把它们删掉。
  • 智能体被要求只引用真实的来源。名单收到之前,先自己读一读前几期。
  • 品牌的首页会发给 OpenAI,标志会发给 ConvertAPI,转换后的文件由它保存。要依赖旧邮件里的标志链接之前,先确认它会保存多久。
  • Mindket 拿到的那份副本,在 Generate Topics、Generate Content 和 Convert Newsletter to HTML 里把调研结果和各节内容拼接起来的表达式中,丢掉了三处换行的反斜杠,它们是用字母 n 拼在一起的。Mindket 把换行补了回去。
文件
README.md  5 KB
workflow.json  26 KB

2 个文件,共 30 KB,以 zip 压缩包下载。

更新内容

  • 第 2 版 · 2026-11-09

    Updated by Mindket to the current version of this kit.

  • 第 1 版 · 2026-11-03

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

DeepSeek-R1-GGUF

unsloth · 工具包

671B 参数 DeepSeek-R1 推理模型的 GGUF 版本,带 1.58-bit 和 2-bit 动态量化,可在内存足够的本机上用 llama.cpp 运行。

新上架

Axion-1.0-35B-GGUF

prithivMLmods · 工具包

提供 Axion-1.0-35B 的 GGUF 文件,这是一个有约 30 亿激活参数的 35B 混合专家模型,面向科学推理、信息查找和工具使用。适合配合 llama.cpp 在本地使用。

新上架

HEART

Phips · 工具包

用一个超分辨率网络放大低分辨率图像,可以在一块消费级 GPU 上训练,并导出为 ONNX。适合训练或运行图像放大模型的人。

新上架

营销类的相似商品

查看营销类的全部商品

Huashu Design

alchaincyf · 技能

把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。

新上架29.4k

Pixel Art XL

nerijs · 工具包

一个用于 Stable Diffusion XL 的像素画风格附加模型,把文字提示词变成像素风图片,并可搭配 LCM LoRA 加快运行。适合游戏开发者、设计师和爱好者。

新上架

Licon MSR for LTX-2.5

LiconStudio · 工具包

给模型最多五张参考图,让生成视频中的人物、服装、物体和背景保持一致。这是用于 ComfyUI 中 LTX-2.5 的 LoRA,还可以为两位说话者添加音频参考。

新上架