Mindket

Google Sheets 项目摘要工具

新上架第 1 版 · 更新于

概览

一个供 AI 智能体调用的 n8n 工作流,当作工具使用。它读取项目表的每一行,让 OpenAI 根据每个项目的名称、备注和状态写一段简短的总结,再把所有总结一起返回。

Google Sheets 项目摘要工具 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

先运行
in:  { }
out: { "response": "<每个项目的总结>" }

平台

连接 2 个应用

运行方式

触发

被其他工作流调用

另一个工作流(比如 AI 智能体的工具)调用它时开始运行,调用方传入:

  • 什么都不用传:它不从调用方读取任何字段

动作

  1. 从 Google Sheets 读取项目表的每一行
  2. OpenAI 根据每个项目的名称、备注和状态写一段简短的总结
  3. 把这些总结合并成一条回复

结果

一条回复,里面有表中每个项目的简短总结

集成

开始之前要准备好这些。

Google Sheets

电子表格

返回你选定的表格里的每一行,带上每个项目的名称、备注和状态。

需要一个 Google 账号,用 OAuth2 登录

OpenAI

语言模型

用 gpt-4o 为每个项目写一段简短的总结,每行调用一次。

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,由其他工作流调用启动
AI
1 个步骤调用 AI 模型:OpenAI
登录
需要登录:Google Sheets
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 工作流是给 AI 智能体用的工具,需要由另一个工作流来调用它。五个节点排成一条线运行。一个 Google Sheets 节点读取项目表的每一行,gpt-4o 根据每个项目的名称、备注和状态写一段简短的总结。最后两个节点把这些总结合并到 response 字段里。调用方传入的内容,工作流一概不读,所以答案永远覆盖你指给它的那张表。

适合谁

把项目记在表格里的团队负责人和自由职业者,想让智能体回答“现在各个项目进展如何”,又不想有人把表格行复制进聊天。定时流程也可以调用它,再把结果发邮件出去。

用在哪里

任何能访问 Google Sheets 和 OpenAI 的 n8n 都行,n8n Cloud 或你自己的服务器都可以。在有东西调用它之前,它什么也不会做。智能体的 Call n8n Workflow Tool 节点是最常见的调用方,前面接聊天或 Telegram 机器人。每周定时运行的工作流里放一个 Execute Workflow 节点也行。

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。你需要准备两样东西:一个 OpenAI 密钥,和一张每个项目占一行、带有名称、备注和状态三列的 Google 表格。

  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 节点里选中它。
  3. 添加一个 Google Sheets OAuth2 凭据,在 Google Sheets 里选中它。
  4. 在同一个节点里,在 Document 中选你的表格,那里现在是 YOUR_SHEET_ID,再在 Sheet 中选标签页。
  5. 让列名对得上。OpenAI 里的提示读的是带一个末尾空格的 Project Name ,以及 Notes 和 Status,作者的表格就是这样写的。改你的表头,或者改那段提示。
  6. 保存,然后在调用方工作流里加一个运行它的节点。如果是智能体,给工具写一句话说明它返回表中每个项目的总结,因为智能体靠这句话决定什么时候用它。

调用方传入的内容工作流不读,返回一个文本字段 response:

in:  { }
out: { "response": "<每个项目的总结>" }

如何使用

问智能体项目进展如何。它调用工具,工具每次都重新读一遍表格,智能体再根据 response 回答。不用智能体也能试:在编辑器里直接运行这个工作流,Execute Workflow Trigger 上什么都不用固定。

示例

表里有两个项目。

这张表
Project NameNotesStatus
网站改版文案已通过,logo 文件还没到进行中
第四季度报告周五已把初稿发给财务等待审阅

每一行单独交给 OpenAI,所以模型会写两段总结,每个项目一段。Aggregate 把两段都合并到 response,智能体再把它们整理成自己的回答。

新手与专家

新手:子工作流就是一个普通的工作流,从 Execute Workflow Trigger 开始,等着被调用。先单独运行它,用一张小表,看看每个节点往下传了什么。

专家:Google Sheets 没有过滤条件,所以每一行都要花一次 gpt-4o 调用,表很长时,智能体要读的回复也很长。可以按 Status 加一个过滤,把已完成的项目排除在外。OpenAI 里的提示只带三列,其他列要按名称自己加进去。

注意事项

留在表里的每一行都会发给 OpenAI,所以不想外发的列不要放进提示里。

  • 费用:每一行调用一次 OpenAI
  • 只读:工作流只读取表格,不往里写任何东西
  • 表头名称:表达式要求 Project Name 末尾带一个空格,所以表头写成 Project Name 的表格,在你修改之前,模型拿不到项目名称
  • 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

Google Sheets 项目摘要工具

一个 n8n 工作流,做成供其他工作流调用的样子,通常当作 AI 智能体的工具。它读取项目表的每一行,根据每个项目的名称、备注和状态,返回一段简短的总结。

包里有什么

  • workflow.json:n8n 导出的工作流,五个节点。里面没有任何凭据,作者自己的表格已换成 YOUR_SHEET_ID。
  • 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。
  • 一个能打开这张表格的 Google 账号,表格里每个项目占一行,并有 Project Name、Notes 和 Status 三列。
  • 一个调用它的工作流:带 Call n8n Workflow Tool 节点的智能体,或任何带 Execute Workflow 节点的流程。这个文件只从 Execute Workflow Trigger 开始运行。

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,填你的 API 密钥,在 OpenAI 节点里选中它。
  3. 添加一个 Google Sheets OAuth2 凭据并登录,在 Google Sheets 里选中它。
  4. 在同一个节点里,在 Document 中选你的表格,那里现在是 YOUR_SHEET_ID,再在 Sheet 中选标签页。
  5. 检查列名。OpenAI 里的提示读的是带一个末尾空格的 Project Name ,然后是 Notes 和 Status,作者的表格就是这样写的。改你的表头,或者改那段提示,直到对上。
  6. 保存工作流。在调用方工作流里,加一个运行它的节点,并在那里选中这个工作流。如果是智能体的工具,写一句话说明它返回表中每个项目的总结:智能体靠这句话决定什么时候用它。

调用方传入什么、拿回什么

它不从调用方读取任何内容,所以没有什么要传的。它返回一个字段。

| 字段 | 方向 | 内容 |
|---|---|---|
| response | 传出 | 所有项目的总结,合并在一个字段里 |

改动它

  • 读哪些行:Google Sheets 没有过滤条件,所以每一行都会读。在那里加一个过滤,比如按 Status,就能把已完成的项目排除在外。
  • 读哪个标签页:Google Sheets 里的 Sheet 字段,导出时是第一个标签页。
  • 每段总结写什么:OpenAI 里的提示。它拿到的是名称、备注和状态,想带上别的列,就把那一列加进提示里。
  • 模型:OpenAI 节点用 gpt-4o。

注意事项

  • OpenAI 每一行运行一次,所以有 200 个项目的表要调用 200 次,并得到一条很长的回复。
  • 每一行的名称、备注和状态都会发给 OpenAI。不想外发的列,别放进去。
  • 工作流只读取表格,不往里写任何东西。
  • Sheet 字段指向一个标签页,所以删掉那个标签页,读取就会失败。
文件
README.md  3 KB
workflow.json  3 KB

2 个文件,共 6 KB,以 zip 压缩包下载。

更新内容

  • 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

Nanosaur2-670M

well9472 · 工具包

用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。

新上架

waqf-ocr-hand-written-v1

Waqf-AI · 工具包

读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型,适合要把阿拉伯语手写内容数字化的人。

新上架

Wan2.2-TI2V-5B-Diffusers

Wan-AI · 工具包

根据文本提示或图像加文字生成视频片段,最高 720P、每秒 24 帧,Diffusers 格式,适合单块消费级 GPU。

新上架

效率类的相似商品

查看效率类的全部商品

Wan2.1-T2V-1.3B-Diffusers

Wan-AI · 工具包

用小型的 1.3B Wan2.1 模型根据文字提示词生成短的 480P 视频,已打包成 diffusers 库可用的形式。在约 8.19 GB 显存的消费级显卡上就能运行。

新上架

Dulu Malayalam ASR

serendipitylabs · 工具包

在 CPU 或 CUDA GPU 上把马拉雅拉姆语语音转成文字,是 Serendipity Labs 的早期研究版本。适合想为简短清晰的录音生成转写草稿的人。

新上架

LFM2.5-350M-home-assistant-sft

OrdenWills · 工具包

把“关掉电视”这样的日常家居指令变成结构化的工具调用,并先检查设备状态。这是一个 3.5 亿参数的模型,适合智能家居开发者和爱好者。

新上架