Mindket

用 AI 汇总 Google 表格里的表单反馈并发邮件

新上架第 1 版 · 更新于

概览

一个 n8n 工作流,从 Google 表格里汇总一份反馈表单的回答,让 OpenAI 写成简短的报告,再通过 Gmail 以 HTML 邮件发出。

用 AI 汇总 Google 表格里的表单反馈并发邮件 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:在那里导入文件,手动运行
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • Google Sheets:表单的回答
  • Gmail:报告送达的地方

平台

连接 3 个应用

运行方式

触发

手动运行

在 n8n 里点 Test workflow,它就开始运行:

  • 要读取的表格和工作表,在 Get Google Sheets records 里设置
  • 三个问题的字段,在 Aggregate responses into arrays 里设置
  • 要发送邮件的地址,在 Send via Gmail 里设置

动作

  1. 读取 Google 表格那个工作表里的各行
  2. 把每个问题的回答汇总成一个列表
  3. OpenAI 写出报告,包括整体情绪和改进的想法
  4. 把 Markdown 格式的回复转成 HTML
  5. Gmail 把报告发出去

结果

一份表单反馈的 HTML 摘要,送到你的收件箱

集成

开始之前要准备好这些。

Google Sheets

表单回答

存放工作流读取的各行回答。

需要一个 Google Sheets 凭据和表格的 ID

OpenAI

语言模型

根据汇总的回答列表写出报告。

需要一个 OpenAI API 密钥

Gmail

邮件

把写好的报告以 HTML 邮件发出。

需要一个 Gmail 凭据和一个邮箱地址

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
6 个步骤,手动启动
AI
没有步骤调用 AI 模型
登录
需要登录:Google Sheets、OpenAI、Gmail
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 6 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 工作流把一份反馈表单的回答变成一份简短的报告。它读取 Google 表格里的各行,把每个问题的回答汇总成一个列表。OpenAI 写出一份带整体情绪和改进想法的报告,再由 Gmail 以 HTML 邮件发出。运行它的是六个节点,旁边还有四张便签。

适合谁

把反馈收在表格里、想快速读个大概的活动组织者和小团队。如果回答里有不能发给 OpenAI 的个人信息,就别选它。

谁在用,怎么用
行业谁在用怎么用例子
活动活动组织者看哪里做得好、哪里要改一位组织者在工作坊之后拿到一页报告。
教育课程团队汇总学员的意见一位课程负责人从一长串意见里看到主要的诉求。
客户服务客服主管浓缩问卷的回答一位主管读一封邮件,不用翻长长的表格。
产品产品负责人找出反复出现的想法一位负责人看到哪些改进想法一再被提起。

你需要懂一点 n8n,有一份装着回答的表格:导入文件、添加三个凭据,再粘贴表格的 ID。

用在哪里

任何能访问 Google Sheets、OpenAI 和 Gmail 的 n8n 都能运行它。报告会送到你设置的收件箱。

  • n8n Cloud:在那里导入文件,手动运行
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • Google Sheets:表单的回答
  • Gmail:报告送达的地方

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。设置需要三个凭据、一个表格 ID 和一个邮箱地址。

先准备好这些
需要说明
n8nn8n Cloud 或你自己的服务器
Google一个用于 Sheets 和 Gmail 的账户
表格一个叫 Form Responses 1 的工作表,每个问题一列
OpenAI一个 API 密钥
  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 Google Sheets、OpenAI 和 Gmail 的凭据,并在需要的节点里选中它们。
  3. 在 Get Google Sheets records 里,把 <YOUR_SHEET_ID> 换成你的表格 ID。
  4. 在 Send via Gmail 里,把 <YOUR_EMAIL_ADDRESS> 换成应该收到报告的邮箱地址。
  5. 如果你的表单问的是别的问题,就改 Aggregate responses into arrays 里的三个问题名称。
  6. 点 Test workflow,然后看邮件。

如何使用

点 Test workflow。稍后报告就会送到你的收件箱。想要定期的报告,就把手动触发换成定时触发。先拿一份只有几条回答的表格试一试。

想要不同的效果,改这里
要改的在哪里改
报告的样子Summarize via GPT model 里的 system message
问题Aggregate responses into arrays 和 user message
谁收到邮件Send via Gmail
什么时候运行触发节点

示例

一位组织者办了一场工作坊,把三个问题的回答收在一张表格里。有人只写了一行,有人写了一整段。

报告开头是整体情绪,多数是正面的,接着列出改进的想法,比如更长的休息和更清楚的日程。它以格式化文字的邮件送达。

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。这里一个方框读表格,一个方框汇总回答,一个方框问 OpenAI,一个方框转换文字,一个方框发邮件。先拿一份只有几行的表格试一试。

专家:一个 Aggregate 节点给每个问题建一个列表,一个 HTTP Request 把它们发到 Chat Completions。一个 Markdown 节点把回复转成给 Gmail 用的 HTML。

值得细看的地方
节点做什么要知道的
Aggregate responses into arrays把每个问题的回答收成一个列表像 ['What went great?'] 这样的字段路径,出来就是普通的字段名
Summarize via GPT model向 Chat Completions 要报告它用的是 gpt-6-luna,不设 temperature
Convet from Markdown to HTML把回复转成 HTML它读的是 choices[0].message.content
Send via Gmail把 HTML 发成邮件这个节点的署名行是关掉的

注意事项

这个工作流把所有回答放进一次请求,所以回答很多的长表单可能超出模型的上限。

  • 修复:n8n 较早的 OpenAI 聊天节点用的是 gpt-4-turbo-preview。OpenAI 的弃用页面(2026 年 11 月 12 日查阅)列出它已在 2026 年 3 月 26 日关闭。这个版本调用 Chat Completions,用 gpt-6-luna,也就是该页面给 gpt-4.1 系列指的替代模型
  • Temperature:原来的 0.3 去掉了,因为模型页面没有列出 temperature
  • 占位符:表格 ID 和邮箱地址要你自己填
  • 没有运行:这个版本没有对 Google Sheets、OpenAI 或 Gmail 运行过
  • 你的数据:回答会发给 OpenAI,报告会发到你的邮箱地址
  • 凭据:JSON 里没有任何凭据

README 和文件

README

用 AI 汇总 Google 表格里的表单反馈并发邮件

一个 n8n 工作流,从 Google 表格里读取一份反馈表单的回答,按问题汇总成列表,让 OpenAI 写成一份简短的报告。报告转成 HTML,再通过 Gmail 发出。

包里有什么

  • workflow.json:n8n 导出的工作流,十个节点:六个会运行的和四张便签。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

  • 凭据的关联都删掉了。请为 Google Sheets、OpenAI 和 Gmail 选你自己的。
  • 汇总这一步原来是 n8n 较早的 OpenAI 聊天节点,模型是 gpt-4-turbo-preview。OpenAI 的弃用页面(2026 年 11 月 12 日查阅)列出 gpt-4-0125-preview(其中包括 gpt-4-turbo-preview)已在 2026 年 3 月 26 日关闭,并指向 gpt-5 或 gpt-4.1。同一页面又列出 gpt-4.1 系列将在 2027 年 1 月 14 日关闭,替代模型是 gpt-6-luna,所以这个版本用 gpt-6-luna。
  • 这一步现在是一个指向 Chat Completions 的 HTTP Request,所以模型名是请求体里的普通文字。0.3 的 temperature 去掉了,因为 gpt-6-luna 的模型页面没有列出 temperature 设置。Convet from Markdown to HTML 现在从 choices[0].message.content 读取回答。
  • 表格 ID 和邮箱地址是占位符:<YOUR_SHEET_ID> 和 <YOUR_EMAIL_ADDRESS>。工作表的名字仍是 Form Responses 1。
  • 便签改写了。其中一个链接到原作者自己的表格,这个链接去掉了。
  • 别的都没改。

开始之前

  • 一个 n8n 实例,n8n Cloud 或自己的服务器都行。
  • 一个用于 Sheets 和 Gmail 的 Google 账户,以及一个 OpenAI API 密钥。
  • 一张装着回答的表格,工作表叫 Form Responses 1。它的第一行是表头:What went great?、How can we improve? 和 What is the chance of recommending our event?。工作流自带的便签说,连着 Google Forms 的表格和单独的表格都可以。

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 Get Google Sheets records 里选中它。把 <YOUR_SHEET_ID> 换成你的表格 ID,并检查工作表的名字。
  3. 添加一个 OpenAI 凭据,在 Summarize via GPT model 里选中它。
  4. 添加一个 Gmail 凭据,在 Send via Gmail 里选中它。把 <YOUR_EMAIL_ADDRESS> 换成应该收到报告的邮箱地址。
  5. 如果你的表单问的是别的问题,就改 Aggregate responses into arrays 里的三个字段名,以及请求体里 user message 对应的几行。
  6. 点 Test workflow,然后看邮件。

一次运行的过程

  1. When clicking "Test workflow" 手动开始这次运行。
  2. Get Google Sheets records 读取工作表的各行。
  3. Aggregate responses into arrays 把每个问题的回答汇总成一个列表。结果是一个条目,每个问题一个字段。
  4. Summarize via GPT model 向 OpenAI 发两条消息。system message 要求先给出整体情绪,再用 Markdown 列出改进的想法。user message 装着三个列表,每个列表的内容用 | 连起来。
  5. Convet from Markdown to HTML 把回复转成 HTML。
  6. Send via Gmail 把 HTML 发成邮件,主题是 Feedback form response,并去掉了 n8n 的署名行。

改变风格

  • 报告的样子:Summarize via GPT model 请求体里的 system message。
  • 问题:Aggregate responses into arrays 里的字段名,和 user message 的各行。
  • 谁收到邮件,以及它的主题:Send via Gmail。
  • 什么时候运行:把手动触发换成定时触发。

注意事项

  • 所有行都放进一次请求。很长的表单或特别多的回答可能超出模型的上限,这种情况就把问题拆开,工作流自带的便签也是这样建议的。
  • 每次运行花一次 OpenAI 调用。
  • gpt-6-luna 默认用中等强度推理。要改的话,在请求体里加上 "reasoning_effort"。
  • 这个版本没有对 Google Sheets、OpenAI 或 Gmail 运行过。
  • 回答会发给 OpenAI,报告会发到你设置的邮箱地址。
  • JSON 里没有任何凭据。
文件
NOTICE.md  659 B
README.md  4 KB
workflow.json  7 KB

3 个文件,共 12 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

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