Mindket

在聊天里发一条消息,就把支出记进 Google 表格

新上架第 1 版 · 更新于

概览

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。

在聊天里发一条消息,就把支出记进 Google 表格 是一款 n8n 工作流,属于财务类,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: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
  • 别的模型:把任何一个聊天模型节点换成别的,智能体下面要保留一个能调用工具的

平台

连接 2 个应用

运行方式

触发

聊天消息

你在 n8n 的聊天窗口里发一条消息就开始,需要:

  • 一条说明你花了什么、花了多少、也可以带上日期的消息

动作

  1. 聊天消息交给一个能记住最近几轮对话的智能体
  2. 智能体调用保存工具,工具把你的消息作为输入,运行这个工作流的第二条流程
  3. 模型读这条消息,返回金额、说明和日期
  4. 往表格里加一行,写着日期、金额、说明和你的原话;没写日期时,用运行的时间
  5. 智能体回复一句说明支出已保存的话,并附上保存这一步返回的内容

结果

你的 Google 表格里多出一行,聊天窗口里有一句确认的回复

集成

开始之前要准备好这些。

OpenAI

智能体和读取

运行聊天智能体,并从你的消息里读出金额、说明和日期。

需要OpenAI API 密钥

Google Sheets

支出记录

每笔支出保存一行。

需要Google 账号登录

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
5 个步骤,由其他工作流调用或由聊天消息启动
AI
2 个步骤调用 AI 模型:Expense text to JSON parser、AI Agent
登录
需要登录:Google Sheets、OpenAI
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 5 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 工作流把一条聊天消息记成一笔支出。你在 n8n 的聊天窗口里输入类似“coffee beans 18.40 eur on 3 march”的内容。一个带短期记忆的智能体把消息交给保存工具,工具运行同一个工作流里的第二条流程。在那条流程里,模型从消息中读出金额、说明和日期,一行新数据进入 Google 表格。随后智能体告诉你这笔支出已保存。干活的是九个节点,还有一张便签解释设置。

适合谁

记录自己或小团队开销、宁愿敲一行字也不想打开表格的人。如果你需要收据、税务类别或汇率换算,就别选它,因为它只保存你消息里写的内容。

谁在用,怎么用
行业谁在用怎么用例子
自由职业自由职业者花钱的当下就记一笔一位设计师买了字体授权,在聊天里输入名称和价格,表格里就多出一行。
零售店主记下小额现金支出一位店主在收银台输入“cleaning supplies 23.50”。
活动组织者追踪一场活动的开销一位组织者在布置场地那天,把每家供应商的账单输入聊天窗口。
家庭一家人维护一份共用的开销清单一位家长输入“school trip 15”,这一行带着当天的日期。

你需要会一点 n8n:导入一个文件、添加 OpenAI 和 Google 凭据,再建一张有四个表头的表格。

用在哪里

任何能访问 OpenAI 和 Google 表格的 n8n 都能运行它。工具调用的是工作流保存下来的那一份,所以要先保存并发布,再试聊天。

  • 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
  • 别的模型:把任何一个聊天模型节点换成别的,智能体下面要保留一个能调用工具的

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。你需要一个 OpenAI 密钥和一张 Google 表格。

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
Google一个能编辑你表格的登录
一张表格一个标签页,表头是 date、cost、descr 和 msg
  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 OpenAI 凭据,在 OpenAI Chat Model 和 OpenAI Chat Model1 里选中它。
  3. 添加一个 Google Sheets 凭据,在 Save expense into Google Sheets 里选中它。
  4. 在那个节点里,选你的文档和你的标签页。
  5. 检查 Parse msg and save to Sheets 指向的是这个工作流本身。文件把它的 Workflow 字段设成了这个工作流自己的 id。
  6. 保存并发布这个工作流。
  7. 打开聊天,发送“coffee beans 18.40 eur on 3 march”,再看表格。

如何使用

把你的开销输入聊天窗口,一条消息一笔支出。每条消息加一行。写明金额和用途,不是今天的话再加上日期。

想要不同的效果,改这里
要改的在哪里改
智能体的规则和回复AI Agent 里的系统消息
模型从消息里读什么Expense text to JSON parser 里的属性
表格的列Save expense into Google Sheets
模型两个 OpenAI 聊天模型节点
工具调用的次数AI Agent 里的 Max Iterations 选项

示例

一位自由职业者输入“coffee beans 18.40 eur on 3 march 2026”。模型返回金额 18.4、说明“coffee beans”和日期 2026-03-03。带着这些值和原话的一行进入表格,智能体回复这笔支出已保存,并附上保存这一步返回的内容。

没写日期的消息,用运行的时间作为日期。

新手与专家

新手:n8n 把工作流画成用线连起来的方框,每个方框是一个节点,只做一件事。智能体是一个自己决定何时调用工具的节点。信息提取器从一段文字里取出指定名字的字段。

专家:Parse msg and save to Sheets 是一个 Call n8n Workflow 工具,设成 ={{ $workflow.id }},它的 input1 取 chatInput。在被调用的流程里,Workflow Input Trigger 接到 Expense text to JSON parser,后者的 cost、descr 和 date 成为表格的列,msg 来自 input1。智能体在 3 次迭代后停下。

值得细看的地方
节点做什么要知道的
AI Agent接收消息并调用工具3 次迭代后停止
Parse msg and save to Sheets运行第二条流程按 id 调用这个工作流
Workflow Input Trigger启动第二条流程一个文本字段 input1
Expense text to JSON parser读出金额、说明和日期金额和说明必填
Save expense into Google Sheets追加一行日期缺失时用运行时间

注意事项

有两处模型名变了,而且工具运行的是工作流保存下来的那一份。

  • 模型:两个聊天模型节点原来没设模型,所以运行的是 n8n 为它们这一版定的默认值 gpt-5-mini。按 OpenAI 的页面(2026 年 11 月 12 日查阅),它 2026 年 12 月 11 日关停,页面给出 gpt-5.6-terra。智能体要调用工具,而 gpt-6-luna 在 Chat Completions 里只有把推理强度设成 none 才能调用工具,n8n 的节点从不发这个值,所以智能体用 gpt-5.6-terra。提取器不调用工具,所以用更便宜的 gpt-6-luna
  • 自己的工作流:工具原来指向原作者自己保存的工作流。现在用一个表达式取这个工作流的 id,所以它调用的是你导入的那一份
  • 保存的那一份:工具运行的是保存下来的版本,所以每次修改之后都要保存
  • 记忆:最近五轮对话放在 n8n 的内存里,重启就会清空
  • 没有运行:Mindket 对照 n8n 的源码和 OpenAI 的页面读过这份副本,没有在真实的 n8n 上运行
  • 你的数据:你的消息会发给 OpenAI,数据行进入你的表格
  • 凭据:JSON 里没有任何凭据

README 和文件

README

在聊天里发一条消息,就把支出记进 Google 表格

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。

包里有什么

  • workflow.json:n8n 导出的工作流,10 个节点。九个在运行:聊天触发器;带 OpenAI 聊天模型、窗口记忆和保存工具的智能体;以及第二条流程,里面有一个 Workflow Input Trigger、一个带自己 OpenAI 聊天模型的信息提取器和 Google 表格这一步。一个是便签。里面没有任何凭据。
  • README.md:这份设置说明,压缩包里的是英文版。

我们相对原来的副本改了什么

  • 两个 OpenAI Chat Model 节点都没设模型,所以运行的是 n8n 为它们这一版定的默认值 gpt-5-mini。OpenAI 的弃用页面(2026 年 11 月 12 日查阅)显示这个模型 2026 年 12 月 11 日关停,并给出 gpt-5.6-terra。
  • AI Agent 下面的 OpenAI Chat Model 现在用 gpt-5.6-terra。智能体要调用工具,而 OpenAI 关于 gpt-6-luna 的页面说,Chat Completions 里只有把推理强度设成 none 才支持函数调用,n8n 的聊天模型节点从不发这个值。
  • Expense text to JSON parser 下面的 OpenAI Chat Model1 现在用 gpt-6-luna。那个节点把格式要求放进提示词,不调用任何工具。
  • Parse msg and save to Sheets 原来指向原作者自己 n8n 里保存的一个工作流。它的 Workflow 字段现在是表达式 ={{ $workflow.id }},也就是这个工作流本身,所以工具运行的是你导入的这份副本的第二条流程。
  • 凭据关联已删除。Save expense into Google Sheets 里的文档和标签页是空的,由你自己选。便签重写过,去掉了指向原作者表格的链接。
  • 文件的名称是我们起的。
  • 别的都没改。智能体的规则、提取器的三个字段和表格的列都照原文件。

Mindket 对照 n8n 的源码和 OpenAI 的页面读过这份副本,没有在真实的 n8n 上运行。

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。
  • 一个能编辑你表格的 Google 账号。
  • 一张 Google 表格,里面有一个标签页,表头是 date、cost、descr 和 msg。

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 OpenAI 凭据,在 OpenAI Chat Model 和 OpenAI Chat Model1 里选中它。
  3. 添加一个 Google Sheets 凭据,在 Save expense into Google Sheets 里选中它。
  4. 在那个节点里,选你的文档和你的标签页。
  5. 检查 Parse msg and save to Sheets 指向的是这个工作流本身。文件把它的 Workflow 字段设成了这个工作流自己的 id。
  6. 保存并发布这个工作流。
  7. 打开聊天,发送“coffee beans 18.40 eur on 3 march”,再看表格。

一次运行的过程

  1. When chat message received 把你的消息交给 AI Agent,它带着 Window Buffer Memory 和 OpenAI Chat Model。
  2. 智能体的系统消息让它成为一位乐于助人的会计。遇到支出消息,它必须用保存工具,回复是一句固定的确认语,后面跟着工具返回的内容。它在 3 次迭代后停下。
  3. Parse msg and save to Sheets 对智能体来说叫 save_expense_in_db。它运行这个工作流的第二条流程,并把你的消息作为 input1 交给它。
  4. Workflow Input Trigger 启动那条流程,把 input1 交给 Expense text to JSON parser。
  5. Expense text to JSON parser 请它的模型把这笔支出转成 JSON,有三个字段:cost(数字,必填)、descr(说明,必填)和 date(UTC 格式的日期)。
  6. Save expense into Google Sheets 追加一行,有 date、cost、descr 和 msg(也就是你的原话)。模型没给日期时,日期用运行的时间。
  7. 智能体回复那句确认的话。

想改的地方

  • 智能体的规则和回复:AI Agent 里的系统消息。
  • 模型从消息里读什么:Expense text to JSON parser 里的属性。
  • 表格的列:Save expense into Google Sheets。想加一个字段,就同时加到提取器和表格里。
  • 模型:两个 OpenAI 聊天模型节点。AI Agent 下面要保留一个能调用工具的。
  • 工具调用的次数:AI Agent 里的 Max Iterations 选项。

要知道的

  • 工具运行的是工作流保存下来的版本,所以每次修改之后都要保存。
  • 没写日期的消息,用运行的时间作为日期。
  • 聊天记忆把最近五轮对话放在 n8n 进程里,重启就会清空。
  • 能打开聊天窗口的人,都能往你的表格里加行。
  • 数据去向:你的消息会发给 OpenAI,数据行进入你的表格。
  • 费用:每笔支出有几次模型调用,由 OpenAI 计费。智能体在工具前后各调用一次它的模型,提取器再调用一次。
文件
NOTICE.md  674 B
README.md  5 KB
workflow.json  9 KB

3 个文件,共 14 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

财务类的相似商品

查看财务类的全部商品

Kronos-mini

NeoQuasar · 工具包

用一个 4.1M 参数、基于 45 多家交易所数据训练的基础模型来预测金融 K 线序列。适合想用小模型做价格预测实验的量化研究人员和开发者。

新上架

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。

新上架免费