Mindket

用 OpenAI 为带标签的 Gmail 对话写回信草稿

新上架第 1 版 · 更新于

概览

一个 n8n 工作流,用 AI 智能体在 Gmail 里写回信草稿。它每分钟找出带着你的触发标签的对话,为最后一封邮件写一份回信草稿,再把标签去掉。

用 OpenAI 为带标签的 Gmail 对话写回信草稿 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:在那里新建一个工作流,把文件导入进去,再把它打开
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • 换一个节奏:改 Schedule trigger 里的间隔
  • 换一种语气:改写 Write reply 里的 System Message

平台

连接 2 个应用

运行方式

触发

每分钟一次

它按计时器每分钟运行一次,到你的 Gmail 里找活干:

  • 带着你的触发标签的对话

动作

  1. Gmail 列出带着触发标签的对话
  2. 每个对话的最后一封邮件被完整读出
  3. OpenAI 上的 AI 智能体(gpt-6-luna)用 Markdown 写一封回信,再变成 HTML
  4. 回信被包装成一封邮件,编码后作为草稿存进同一个对话
  5. 触发标签从这个对话上去掉

结果

每个带标签的对话里都有一份回信草稿在等着,供你阅读、修改和发出

集成

开始之前要准备好这些。

Gmail

电子邮件

列出带标签的对话,读出最后一封邮件,存下草稿并去掉标签。

需要一个 Gmail OAuth2 凭据和一个触发标签

OpenAI

语言模型

用 gpt-6-luna 为每个对话写回信文字。

需要一个 OpenAI API 密钥

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
13 个步骤,按计划启动
AI
1 个步骤调用 AI 模型:Write reply
登录
需要登录:Gmail、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 9 种步骤类型中的 8 种,读不懂的是:Gmail

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 工作流用一个 AI 智能体在 Gmail 里写回信草稿。它每分钟查找带着你选定标签的对话,读出每个对话的最后一封邮件,请智能体写一封回信。回信会作为草稿存进同一个对话里,标签随后被去掉。干活的是十四个节点,旁边还有十张便签。

适合谁

要回很多相似邮件、希望有一份初稿等着自己的客服团队和店铺。如果你想让回信不经检查就发出去,就别选它,因为这个工作流只存草稿。

谁在用,怎么用
行业谁在用怎么用例子
客服客服人员从一份草稿开始,而不是从空白开始一位客服给一个对话打上标签,一分钟后发现里面已有一封得体的回信在等着。
零售店主更快地回答订单问题一位店主看到一份回答发货问题的草稿,只改了一句话。
代理机构客户经理让回信的语气保持一致一位经理把机构的语气描述了一次,之后每份草稿都照着它写。
自由职业独立顾问快速处理日常咨询一位顾问给一封询价邮件打上标签,检查草稿之后再发出。

你需要懂一点 n8n:导入一个文件,添加两个凭据,在 Gmail 里建一个标签,并向智能体描述你的业务。

用在哪里

任何能访问 Gmail 和 OpenAI 的 n8n 都能运行它。它自己每分钟检查一次,所以你不用打开 n8n。

  • n8n Cloud:在那里新建一个工作流,把文件导入进去,再把它打开
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • 换一个节奏:改 Schedule trigger 里的间隔
  • 换一种语气:改写 Write reply 里的 System Message

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。先在 Gmail 里建好触发标签,因为你要在两个节点里选它。

先准备好这些
需要说明
n8nn8n Cloud,或者你自己的服务器
Gmail一个能读邮件、改标签并创建草稿的 Gmail OAuth2 凭据,以及一个用来标记对话的标签
OpenAI一个 API 密钥,用于 OpenAI 凭据
  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. 在 Gmail 里建好触发标签,例如 Needs reply。
  3. 添加一个 Gmail 凭据,并在 Get threads with specific labels、Get thread messages、Get single message content、Add email draft to thread 和 Remove AI label from email 里选上它。
  4. 添加一个 OpenAI 凭据,并在 OpenAI Chat Model 里选上它。
  5. 在 Get threads with specific labels 和 Remove AI label from email 里,把 <YOUR_TRIGGER_LABEL_ID> 换成你自己的触发标签。
  6. 在 Write reply 的 System Message 里描述你的业务和语气。
  7. 把工作流打开,然后给一个测试对话加上这个标签。

如何使用

给一个 Gmail 对话加上触发标签。一分钟之内,这个对话里就会出现一份回信草稿,标签也随之消失。打开草稿,改一改,再由你自己发出。草稿的收件人是最后一封邮件的发件人。

想要不同的效果,改这里
要改的在哪里改
触发标签Get threads with specific labels 和 Remove AI label from email 里的标签
多久检查一次Schedule trigger (1 min) 里的间隔
内容和语气Write reply 里的 System Message
模型OpenAI Chat Model 里的 Model

示例

一位店主给一个对话打上标签,里面有位顾客在问一份订单的情况。一分钟后,这个对话里有了一份草稿,是一封简短得体的回信,感谢顾客,并请对方提供订单号。

店主读了草稿,加上一个物流跟踪链接,然后发出。触发标签已经不在了,所以这个对话不会被再写一次草稿。

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。Gmail 对话是由好几封邮件组成的一段往来,草稿是存了但还没有发出的邮件。智能体是负责写回信文字的那个 AI 步骤。

专家:Gmail 的 API 要求原始邮件用 base64url 编码,所以 Build email raw 写出邮件头,Convert raw to base64 负责编码。Loop over threads 收集每个对话的最后一封邮件,它的 done 输出把后面的流程接起来。

值得细看的地方
节点做什么要知道的
Schedule trigger (1 min)Schedule Trigger 1.1,每分钟一次不需要时请把工作流关掉
Get threads with specific labelsGmail 2.1,Thread,Get Many,返回全部结果由触发标签决定选哪些对话
Loop over threadsSplit In Batches 3它的循环输出逐个读对话,它的 done 输出把最后的邮件带往后面
Get thread messagesGmail 2.1,Thread,Get,只要邮件Return last message in thread 留下最后一封
Get single message contentGmail 2.1,Get,完整邮件它把纯文本交给智能体
Write replyAgent 1.7,带系统消息,没有工具它用 Markdown 作答
Convert response to HTMLMarkdown 1,Markdown 转 HTML草稿正文是 HTML
Build email rawSet 3.3,把邮件头和正文写成一个字符串它写出 To、Subject 和 Content-Type
Convert raw to base64Code 2,对每个条目运行一次它把字符串编码成 base64url
Add email draft to threadHTTP Request 4.1,向 Gmail 的草稿地址发 POST它用 Gmail 凭据和对话 id
Remove AI label from emailGmail 2.1,Thread,Remove Labels它在草稿存好之后运行

注意事项

原来的文件调用了一个已经停用的服务,而且要先有你的标签才能安全地运行。

  • 模型:原来是向一个 OpenAI Assistant 要回信。OpenAI 的弃用页面(2026 年 11 月 12 日读取)写着 Assistants API 已在 2026 年 8 月 26 日停用,替代品是 Responses API 和 Conversations API。Mindket 的版本改用一个 gpt-6-luna 上的 AI Agent,而那个助手的指令原来放在 OpenAI 的后台,所以请你自己在 Write reply 里写 System Message
  • 你的触发标签:这个标签是你自己的,所以两个节点里写的是 <YOUR_TRIGGER_LABEL_ID>。没有标签的话,列表会覆盖邮箱里的每个对话,工作流会给每个对话都写一份草稿
  • 编码:原来用的是普通 base64,而 Gmail 的文档要求 base64url。Mindket 的版本用 base64url
  • 多余的字段:原来还在 Map fields for further processing 里存了一个邮件 id,但没有任何步骤用到它,所以去掉了
  • 只存草稿:不会发出任何邮件,草稿的收件人是最后一封邮件的发件人,所以请给对方最后发言的对话打标签
  • 失败的一次运行:如果草稿存好之后有步骤失败,标签会留着,下一次运行会再写一份草稿
  • 你的数据:每个带标签的对话里最后一封邮件的文字会发给 OpenAI
  • 凭据:JSON 里没有任何凭据,所以请自己添加 Gmail 和 OpenAI 凭据

README 和文件

README

用 OpenAI 为带标签的 Gmail 对话写回信草稿

一个 n8n 工作流,在 Gmail 里写回信草稿。它每分钟查找带着你选定标签的对话,请 AI 智能体为最后一封邮件写一封回信,并作为草稿存进同一个对话。随后标签被去掉,不会发出任何邮件。

包里有什么

  • workflow.json:n8n 导出的工作流,十四个干活的节点和十张便签。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

  • 原来向一个 OpenAI Assistant 要回信,而 Assistants API 已经停用。Mindket 的版本有一个叫 Write reply 的 AI Agent,配一个用 gpt-6-luna 的 OpenAI Chat Model。见“需要知道的”。
  • 触发标签现在是 Get threads with specific labels 和 Remove AI label from email 里的 <YOUR_TRIGGER_LABEL_ID>,由你自己选。
  • Convert raw to base64 现在写出 base64url,这是 Gmail 的文档所要求的。
  • Map fields for further processing 不再存一个没有任何步骤用到的邮件 id。
  • 三张便签被改写成了设置说明,取代作者自己的笔记。

开始之前

  • 一个 n8n 实例,n8n Cloud 或者你自己的服务器。
  • 一个 Gmail 账号,以及里面一个用来标记你想要草稿的对话的标签,例如 Needs reply。
  • 一个 OpenAI API 密钥。

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. 在 Gmail 里建好触发标签。
  3. 添加一个 Gmail 凭据,并在 Get threads with specific labels、Get thread messages、Get single message content、Add email draft to thread 和 Remove AI label from email 里选上它。
  4. 添加一个 OpenAI 凭据,并在 OpenAI Chat Model 里选上它。
  5. 在 Get threads with specific labels 和 Remove AI label from email 里,把 <YOUR_TRIGGER_LABEL_ID> 换成你自己的标签。
  6. 在 Write reply 的 System Message 里描述你的业务和语气。
  7. 把工作流打开,然后给一个测试对话加上标签,等一分钟。

一次运行是怎么走的

  1. Schedule trigger (1 min) 启动工作流。
  2. Get threads with specific labels 列出带着标签的对话。
  3. Loop over threads 一次取一个,Get thread messages 读出每个对话。
  4. Return last message in thread 留下最后一封邮件,Get single message content 把它完整读出。
  5. Write reply 请模型用 Markdown 写一封回信。
  6. Map fields for further processing 收集对话和回信,Convert response to HTML 把回信变成 HTML。
  7. Build email raw 写出邮件,Convert raw to base64 给它编码。
  8. Add email draft to thread 把草稿存进对话。
  9. Remove AI label from email 把触发标签去掉。

想要不同的效果,改这里

  • 标签:Get threads with specific labels 和 Remove AI label from email 里的标签。
  • 多久检查一次:Schedule trigger (1 min) 里的间隔。
  • 内容和语气:Write reply 里的 System Message。
  • 模型:OpenAI Chat Model。

需要知道的

  • OpenAI 的弃用页面(2026 年 11 月 12 日读取)写着 Assistants API 已在 2026 年 8 月 26 日停用,替代品是 Responses API 和 Conversations API。原来的那个助手叫 Customer assistant,它的指令放在 OpenAI 的后台,所以不在文件里。请把指令写进 Write reply 的 System Message。
  • 同一个页面写着 gpt-4o、gpt-4o-mini 和 gpt-4.1 的各个快照将在 2027 年 1 月 14 日停用,替代品是 gpt-6-luna。这个版本用的就是 gpt-6-luna。
  • 两个节点里没有标签的话,列表会覆盖邮箱里的每个对话,工作流会给每个对话都写一份草稿。
  • Gmail 的 API 文档(2026 年 11 月 12 日读取)把 raw 字段描述为 “RFC 2822 formatted and base64url encoded string”。
  • 不会发出任何邮件。草稿的收件人是最后一封邮件的发件人,所以请给对方最后发言的对话打标签。
  • 如果草稿存好之后有步骤失败,标签会留着,下一次运行会再写一份草稿。
  • 每个带标签的对话里最后一封邮件的文字会发给 OpenAI。
文件
NOTICE.md  643 B
README.md  4 KB
workflow.json  15 KB

3 个文件,共 19 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

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