Mindket

OpenAI 为 Google 表格的新行写入线索评级

新上架第 1 版 · 更新于

概览

一个给 Google 表格里的新线索评级的 n8n 工作流。每一行新数据连同你对好线索的标准一起发给 OpenAI,得到的答案(合格或不合格)会写进这一行的 Rating 列。

OpenAI 为 Google 表格的新行写入线索评级 是一款 n8n 工作流,属于商务类,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 OpenAI 这一步换成别的模型节点,再让 Extract JSON reply 指向它的文字

平台

连接 2 个应用

运行方式

触发

Google 表格有新行

你的表格每多一行就开始,每分钟检查一次,需要:

  • 一个有 Timestamp、Email Address、Your name、Your business area 和 Your team size 这几列的 Google 表格
  • 一个标题为 Rating 的空列

动作

  1. 从表格里取到新的一行
  2. 线索的名字、邮箱、业务领域和团队规模,连同你对好线索的标准一起发给 OpenAI
  3. 回复是一小段带评级和理由的 JSON,被读成几个字段
  4. 这一行和它的回复按位置合在一起
  5. Timestamp 相同的那一行,在它的 Rating 列得到评级

结果

线索那一行的 Rating 列里写着“qualified”或“not qualified”

集成

开始之前要准备好这些。

Google Sheets

线索清单

提供每一行新数据,并把评级写回去。

需要Google 账号登录

OpenAI

线索评级

按你的标准给每条线索评级,并给出理由。

需要OpenAI API 密钥

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
5 个步骤,由 Google Sheets 事件启动
AI
1 个步骤调用 AI 模型:Qualify leads with GPT
登录
需要登录:Google Sheets、Google service account
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 工作流给 Google 表格里的每条新线索评级。它每分钟检查一次表格有没有新的一行。出现新行时,它把线索的名字、邮箱、业务领域和团队规模,连同你对好线索的标准一起发给 OpenAI。模型回复一个评级(合格或不合格)和一句简短的理由。工作流把评级写进这一行的 Rating 列,理由不保存。干活的是五个节点,还有四张便签解释各个步骤。

适合谁

把线索收在表格或 Google 表单里、再靠人工分拣的销售和社群团队。如果你的线索在 CRM 里,或者给一个人评错级的代价比慢慢人工过一遍还大,就别选它。

谁在用,怎么用
行业谁在用怎么用例子
软件创始人给封闭社群的报名者分拣一位创始人读 Rating 列,邀请标成合格的那些行。
咨询独立顾问挑出先回复哪些表单一位顾问先给合格的行打电话,其余的稍后再说。
代理客户经理筛选主动上门的咨询一位客户经理把每个评级和线索填的团队规模放在一起看。
活动组织者给名额有限的申请分拣一位组织者在发邀请之前,先把表格筛成合格的行。

你需要会一点 n8n:导入一个文件、添加 Google 和 OpenAI 两个凭据,再改一条提示词。

用在哪里

任何能访问 Google 表格和 OpenAI 的 n8n 都能运行它。它在新增一行时开始,所以要先发布这个工作流,它才会自己去检查表格。

  • 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 OpenAI 这一步换成别的模型节点,再让 Extract JSON reply 指向它的文字

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。你需要一个放着线索表格的 Google 账号和一个 OpenAI 密钥。

先准备好这些
需要说明
n8nn8n Cloud 或你自己的服务器
Google一个能读取并编辑你表格的登录
OpenAI一个 API 密钥
一张表格一个有 Timestamp、Email Address、Your name、Your business area、Your team size 和 Rating 列的标签页
  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 Google Sheets 凭据,在 Check for new entries 和 Update lead status 里选中它。前一个用的是触发器凭据,所以 n8n 会要你建两个。
  3. 在这两个节点里,选你的文档和你的标签页。
  4. 添加一个 OpenAI 凭据,在 Qualify leads with GPT 里选中它。
  5. 修改那里的系统消息,写上你自己对好线索的标准。
  6. 发布工作流,往表格里加一行,等一两分钟。

如何使用

把线索加进表格,或者让你的表单替你加,然后读 Rating 列。一行会写着“qualified”或“not qualified”。改了标准,之后的新行就按新标准来。工作流给你发布之后才进来的行评级。

想要不同的效果,改这里
要改的在哪里改
好线索的标准Qualify leads with GPT 里的系统消息
模型看到的信息同一个节点里的用户消息
表格和列Check for new entries 和 Update lead status
多久检查一次Check for new entries 里的轮询时间
模型Qualify leads with GPT 里的 Model 字段

示例

一位创始人用 Google 表单收一个封闭社群的加入申请。新来了一行:名字“Dana Reyes”,业务领域“Logistics”,团队规模 40。模型回复评级“qualified”,理由是这位线索带着 40 人的团队。这一行的 Rating 单元格随后写着“qualified”,理由不保存。

如果模型除了 JSON 还回答了别的东西,解析这一步就会让这一行的运行停下来。

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。触发器节点开始一次运行,这里是新增的一行。Merge 节点把两路数据按顺序对齐,Set 节点把一条数据改成需要的样子。

专家:Check for new entries 同时连到 Merge 和 Qualify leads with GPT。Extract JSON reply 对 message.content 执行 JSON.parse,Merge 按位置把每一行和它的回复配成一对。Update lead status 按 Timestamp 匹配,只写 Rating。

值得细看的地方
节点做什么要知道的
Check for new entries轮询表格里新增的行每分钟检查一次
Qualify leads with GPT让 OpenAI 给线索评级每行一次调用
Extract JSON reply把回复读成几个字段需要干净的 JSON
Merge把每一行和它的回复合在一起按位置配对
Update lead status把评级写回去按 Timestamp 匹配

注意事项

有一行模型名需要替换,而且只有评级会写回表格。

  • 模型:按 OpenAI 的页面(2026 年 11 月 12 日查阅),gpt-4-turbo-preview 已在 2026 年 3 月 26 日关停,页面给出的替代是 gpt-5 或 gpt-4.1,而这两个自己也在关停名单上。Mindket 的副本用 gpt-6-luna,这是 OpenAI 给它们起的接替名字。评级只是一段不带工具的普通回复,所以这个模型合适。温度设置已删除,因为它的页面没有列出温度
  • 只写评级:模型给的理由不会写进表格
  • 没有运行:Mindket 对照 n8n 的源码读过这份副本,没有在真实的 n8n 上运行,也没有拿真实的表格试过
  • 评级是机器对一个人的猜测,所以把它当作初步分拣,对你要采取行动的行再核对一下
  • 你的数据:每条线索的名字、邮箱、业务领域和团队规模都会发给 OpenAI
  • 凭据:JSON 里没有任何凭据

README 和文件

README

OpenAI 为 Google 表格的新行写入线索评级

一个给 Google 表格里的新线索评级的 n8n 工作流。它每分钟检查一次表格有没有新的一行,把线索的名字、邮箱、业务领域和团队规模,连同你对好线索的标准一起发给 OpenAI。得到的答案(合格或不合格)会写进这一行的 Rating 列。

包里有什么

  • workflow.json:n8n 导出的工作流,9 个节点。五个在运行:一个表格触发器、OpenAI 这一步、读取回复的一步、一个 Merge 和表格更新。四个是便签。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

  • Qualify leads with GPT 原来用 gpt-4-turbo-preview,温度是 0.3。OpenAI 的弃用页面(2026 年 11 月 12 日查阅)显示这个模型已在 2026 年 3 月 26 日关停,并给出 gpt-5 或 gpt-4.1。这两个在同一页的关停名单上也有:gpt-5 在 2026 年 12 月 11 日,gpt-4.1 在 2027 年 1 月 14 日,接替它们的分别是 gpt-5.6-sol 和 gpt-6-luna。节点现在用 gpt-6-luna。评级只是一段不带工具的普通回复,所以这个模型合适。温度已删除,因为该模型的页面没有列出温度设置。
  • 凭据关联已删除。两个表格节点里的文档和标签页是空的,由你自己选。四张便签重写过,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。好线索的标准、回复格式、合并和更新都照原文件。

Mindket 对照 n8n 的源码读过这份副本,没有在真实的 n8n 上运行,也没有拿真实的表格试过。

开始之前

  • 一个 n8n 实例,n8n Cloud 或自己的服务器都行。
  • 一个能读取并编辑你表格的 Google 账号。
  • 一个 OpenAI API 密钥。
  • 一张 Google 表格,里面有一个标签页,列为 Timestamp、Email Address、Your name、Your business area、Your team size 和 Rating。写进表格的 Google 表单会生成前五列。

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 Google Sheets 凭据,在 Check for new entries 和 Update lead status 里选中它。前一个用的是触发器凭据,所以 n8n 会要你建两个。
  3. 在这两个节点里,选你的文档和你的标签页。
  4. 添加一个 OpenAI 凭据,在 Qualify leads with GPT 里选中它。
  5. 修改那个节点里的系统消息,写上你自己对好线索的标准。
  6. 发布工作流,往表格里加一行,等一两分钟。这一行的 Rating 单元格就会填上。

一次运行的过程

  1. Check for new entries 每分钟看一次表格,把自上次查看以来新增的每一行传下去。
  2. Qualify leads with GPT 给模型发两条消息。系统消息里是你的标准:带团队的决策者算,团队越大越好,公司域名的邮箱算第二个理由。有一个理由就够得到 qualified。模型被要求一步一步地想,并用 qualified 或 not qualified 回复,格式是带 rating 和 explanation 的 JSON。用户消息填入这一行的名字、邮箱、业务领域和团队规模。
  3. Extract JSON reply 把回复读进一个 reply 字段。
  4. Merge 按位置把每一行和它的回复配成一对。
  5. Update lead status 按 Timestamp 找到这一行,把 reply.rating 写进 Rating 列。explanation 不写。

想改的地方

  • 好线索的标准:Qualify leads with GPT 里的系统消息。
  • 模型看到的信息:同一个节点里的用户消息。
  • 表格和列:Check for new entries 和 Update lead status。
  • 多久检查一次:Check for new entries 里的轮询时间。
  • 模型:Qualify leads with GPT 里的 Model 字段。

要知道的

  • 只有评级会写回表格。想把理由也留下,就加一个 Explanation 列,在 Update lead status 里把 reply.explanation 映射给它。
  • 模型被要求只回复 JSON,别的什么也不要。如果它多说了别的,Extract JSON reply 会让这一行的运行停下来。
  • 更新这一步按 Timestamp 找行,所以每一行都要有这一列的值,表单会替你填。
  • 评级是机器对一个人的猜测。把它当作初步分拣,对你要采取行动的行再核对一下。
  • 数据去向:每条线索的名字、邮箱、业务领域和团队规模都会发给 OpenAI。
  • 费用:每行一次模型调用,由 OpenAI 计费。
文件
NOTICE.md  655 B
README.md  4 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

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

商务类的相似商品

查看商务类的全部商品

pplx-decider-v1.1-27b

perplexity-ai · 工具包

根据文字和图片为一个决策挑出最合适的选项,比如哪个团队应该处理一条请求,并给出每个选项的概率,适合构建分流和审核工作流的开发者。

新上架

NuExtract3

numind · 工具包

以文本或图像读取文档,按你要的字段填写 JSON 模板,或把页面转成 Markdown。这是一个 4B 模型,适合处理扫描件、表单和发票的团队。

新上架

Drex DLM

nace-ai · 工具包

一次推理就对一份文档的是非题、选择题和打分题给出每个选项的概率。这是 Nace.AI 的 8B 决策模型,你可以自己运行,许可证为非商业。

新上架