Teamet levererar. Roadmapen rullar på. Och sedan, i det tysta, staplas de ”små” signalerna: commits sent på kvällen, merges på helgen, CI-fel, PR:er som väntar för länge. Du känner av det, men du kan inte bevisa det utan att lägga halva måndagen på att plocka fram siffror.
Den här uppsättningen för GitHub burnout alerts träffar Engineering Managers först, ärligt talat. Men CTO:er och tech leads hamnar ofta i samma detektivarbete när leveransen börjar svaja. Det här flödet förvandlar rå GitHub-aktivitet till en veckovis välmåenderapport och skickar sedan en Gmail-varning när risken sticker iväg.
Nedan ser du hur automatiseringen fungerar, vilka resultat du kan förvänta dig och hur du kör den på ett ansvarsfullt sätt (insikter på teamnivå, inte ”gotcha”-övervakning).
Så fungerar den här automatiseringen
Här är hela arbetsflödet du kommer att sätta upp:
n8n Workflow Template: GitHub + Gmail: varningar och rapporter om överbelastning
flowchart LR
subgraph sg0["Schedule Flow"]
direction LR
n0["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/github.dark.svg' width='40' height='40' /></div><br/>Get Prs"]
n1@{ icon: "mdi:swap-vertical", form: "rounded", label: "Config", pos: "b", h: 48 }
n2@{ icon: "mdi:robot", form: "rounded", label: "AI Agent", pos: "b", h: 48 }
n3@{ icon: "mdi:brain", form: "rounded", label: "Groq Chat Model Report", pos: "b", h: 48 }
n4@{ icon: "mdi:message-outline", form: "rounded", label: "Send a message in Gmail", pos: "b", h: 48 }
n5@{ icon: "mdi:cog", form: "rounded", label: "No Operation, do nothing", pos: "b", h: 48 }
n6["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/code.svg' width='40' height='40' /></div><br/>Analyze Patterns Developer"]
n7@{ icon: "mdi:play-circle", form: "rounded", label: "Schedule Trigger", pos: "b", h: 48 }
n8["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/httprequest.dark.svg' width='40' height='40' /></div><br/>Github Get Commits"]
n9["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/httprequest.dark.svg' width='40' height='40' /></div><br/>Github Get Workflows"]
n10@{ icon: "mdi:cog", form: "rounded", label: "Update Github Issue", pos: "b", h: 48 }
n1 --> n9
n0 --> n6
n2 --> n5
n7 --> n1
n8 --> n0
n10 -.-> n2
n9 --> n8
n3 -.-> n2
n4 -.-> n2
n6 --> n2
end
%% Styling
classDef trigger fill:#e8f5e9,stroke:#388e3c,stroke-width:2px
classDef ai fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
classDef aiModel fill:#e8eaf6,stroke:#3f51b5,stroke-width:2px
classDef decision fill:#fff8e1,stroke:#f9a825,stroke-width:2px
classDef database fill:#fce4ec,stroke:#c2185b,stroke-width:2px
classDef api fill:#fff3e0,stroke:#e65100,stroke-width:2px
classDef code fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
classDef disabled stroke-dasharray: 5 5,opacity: 0.5
class n7 trigger
class n2 ai
class n3 aiModel
class n8,n9 api
class n6 code
classDef customIcon fill:none,stroke:none
class n0,n6,n8,n9 customIcon
Varför det här spelar roll: utmattningssignaler döljer sig mitt framför ögonen
De flesta team har inte ett ”utmattningsproblem” förrän de har det. Det börjar med några sena kvällar för att nå en deadline, ett par helgfixar, en CI-pipeline som fallerar oftare och PR-granskningar som fortsätter att glida. Om du leder människor hamnar du i att gissa vad som är normalt och vad som är en varningssignal, eftersom GitHub-data är utspridd över commits, pull requests och workflow-körningar. Du kan ta fram det manuellt, absolut. Men att göra det varje vecka blir en återkommande skatt, och det är lätt att missa trenden tills någon går in i väggen eller kvaliteten sjunker.
Friktionen ökar över tid. Här är var det faller isär.
- Veckovisa ”hur går det?”-kontroller blir 1–2 timmar av manuellt grävande i commits, PR:er och CI-historik.
- Magkänsleledning tar över eftersom bevisen finns där, men inte sammanfattade på ett sätt du kan agera på.
- Signaler misstolkas när du bara tittar på volym, inte mönster som arbete utanför kontorstid eller obalans i arbetsbelastning.
- När risken är verklig dokumenteras den för sent, vilket gör uppföljning (och processförbättringar) svårare att motivera.
Det du bygger: veckovisa GitHub-välmåenderapporter + Gmail-varningar
Det här flödet körs enligt ett veckoschema och hämtar de aktivitetssignaler som ofta korrelerar med överbelastning. Det samlar in senaste commit-tider, pull request-aktivitet och CI/workflow-körningar från ditt GitHub-repo. Sedan omvandlar ett litet analyssteg råa händelser till tydliga ”arbetsmönster”-signaler, som arbete utanför kontorstid och helgaktivitet, plus samarbetsindikatorer som frekvens för PR-granskning och merges. Därefter producerar en AI-agent en professionell välmåendebedömning med skyddsräcken: evidensbaserad, teamfokuserad och utformad för att undvika personliga omdömen. Slutligen kan flödet skapa ett GitHub-ärende som loggar veckans rapport (bra för trenduppföljning) och skicka en Gmail-notis när risken passerar din tröskel.
Flödet startar med en schemalagd körning och en enkel konfiguration (repo-ägare, reponamn och återblicksperiod, vanligtvis 7 dagar). Därifrån hämtar det GitHub-data, tolkar mönster och genererar en veckorapport med en välmåendepoäng och rekommenderade åtgärder. Om poängen är oroande pingar Gmail rätt person så att det inte passerar obemärkt.
Det du bygger
| Det som automatiseras | Det du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att du gör en veckokontroll på tre ställen: commits, PR:er och workflow-körningar. Manuell kan du lägga cirka 30 minuter per område, och sedan ytterligare 30 minuter på att skriva en sammanfattning, alltså ungefär 2 timmar varje vecka. Med det här flödet kör den schemalagda triggen automatiskt, datainsamlingen sker i bakgrunden och du lägger bara cirka 5–10 minuter på att skumma den genererade rapporten. Om risken sticker iväg får du en Gmail-varning samma dag, istället för att upptäcka det under nästa veckas 1:1:or.
Innan du börjar
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för self-hosting om du föredrar det (Hostinger funkar bra)
- GitHub för repoaktivitet och API-åtkomst
- Gmail för att skicka varningsmejl automatiskt
- Groq API-nyckel (hämta den i Groq Console)
Svårighetsgrad: Medel. Du kopplar in autentisering och justerar några konfigfält som reponamn och varningsadress.
Vill du att någon bygger detta åt dig? Prata med en automatiseringsexpert (gratis 15-minuters konsultation).
Steg för steg
Ett veckoschema sätter igång allt. n8n kör detta i den takt du väljer (veckovis som standard), så du är inte beroende av att någon kommer ihåg att ”göra hälsokollen”.
Repo-inställningar tillämpas. Ett enkelt konfigsteg sätter repo-ägare, reponamn, återblicksperiod (vanligtvis 7 dagar) och vart varningar ska mejlas via Gmail.
GitHub-aktivitet samlas in och normaliseras. Flödet hämtar workflow-körningar (CI-hälsa), senaste commits (inklusive tidpunkt) och pull requests (samarbete och genomströmning). Sedan omvandlar en kodbaserad analys det till signaler som arbete utanför kontorstid, helgaktivitet och fördelning av arbetsbelastning mellan bidragsgivare.
AI tar fram rapporten och åtgärder körs. AI-agenten genererar en strukturerad välmåenderapport för teamet med en hälsopoäng och rekommenderade nästa steg. Flödet loggar rapporten genom att skapa ett GitHub-ärende och kan skicka en Gmail-varning när poängen passerar din tröskel.
Du kan enkelt ändra varningströskeln och återblicksperioden utifrån dina behov. Se hela implementeringsguiden nedan för alternativ för anpassning.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera triggern för schemalagd körning
Ställ in arbetsflödet att köras enligt ett veckoschema så att rapporten om repositoryts hälsa genereras automatiskt.
- Lägg till och öppna Scheduled Run Trigger.
- Ställ in intervallregeln att köra var 7:e dag (noden använder
daysIntervalinställt på7). - Bekräfta att exekveringsflödet startar i Scheduled Run Trigger och fortsätter till Set Repository Config.
Steg 2: Anslut GitHub-datakällor
Konfigurera repositoryidentifierare och hämtning av data via GitHub API i exakt den ordning som arbetsflödet använder.
- Öppna Set Repository Config och ställ in JSON Output till
{ "repoowner": "[YOUR_ID]", "reponame": "[YOUR_ID]", "period": 7, "emailreport": "[YOUR_EMAIL]" }. - Öppna Retrieve Workflow Runs och ställ in URL till
=https://api.github.com/repos/{{ $json.repoowner}}/{{ $json.reponame}}/actions/runs. - I Retrieve Workflow Runs ställer ni in Query Parameters så att den innehåller
createdmed värdet={{ $now.minus({ days: $json.period || 7 }).toISO() }}..*ochper_pagemed värdet50. - Inloggningsuppgifter krävs: Anslut era githubApi-inloggningsuppgifter i Retrieve Workflow Runs.
- Öppna Fetch Git Commits och ställ in URL till
=https://api.github.com/repos/{{ $('Set Repository Config').first().json.repoowner }}/{{ $('Set Repository Config').first().json.reponame }}/commits. - I Fetch Git Commits ställer ni in query-parametern created till
={{ $now.minus({ days: $json.period || 7 }).toISO() }}..*. - Inloggningsuppgifter krävs: Anslut era githubApi-inloggningsuppgifter i Fetch Git Commits.
- Öppna Retrieve Pull Requests och ställ in Owner till
=https://github.com/{{ $('Set Repository Config').first().json.repoowner }}och Repository till=https://github.com/{{ $('Set Repository Config').first().json.repoowner }}/{{ $('Set Repository Config').first().json.reponame }}. - I Retrieve Pull Requests ställer ni in State till
alloch Direction tilldesc. - Inloggningsuppgifter krävs: Anslut era githubApi-inloggningsuppgifter i Retrieve Pull Requests.
Exekveringsordningen är linjär: Scheduled Run Trigger → Set Repository Config → Retrieve Workflow Runs → Fetch Git Commits → Retrieve Pull Requests → Evaluate Dev Activity → Wellness Analysis Agent → No-Op Placeholder.
⚠️ Vanlig fallgrop: Om ni glömmer att ersätta [YOUR_ID] och [YOUR_EMAIL] i Set Repository Config kommer alla efterföljande GitHub-anrop och e-postleverans att misslyckas.
Steg 3: Konfigurera processorn för utvecklingsaktivitet
Det här steget beräknar mönster för commits, PR:er och workflow-hälsa före AI-analysen.
- Öppna Evaluate Dev Activity och behåll JavaScript Code som angivet för att beräkna totaler, sena kvällar, helgarbete och felfrekvenser.
- Bekräfta att koden refererar till indata från Fetch Git Commits, Retrieve Pull Requests och Retrieve Workflow Runs.
- Verifiera att analysperioden härleds från Set Repository Config via
period(standard7dagar).
Steg 4: Konfigurera AI-agenten för wellness-analys
Konfigurera AI-agenten, anslut Groq-modellen och säkerställ att agenten tar emot den beräknade JSON-analysen.
- Öppna Wellness Analysis Agent och behåll prompten i Text intakt för att bevara skyddsräcken och rapportstruktur.
- Bekräfta att prompten injicerar analysdata med
{{ JSON.stringify( $('Evaluate Dev Activity').first().json )}}. - Öppna Groq Chat Report Model och ställ in Model till
openai/gpt-oss-120b. - Inloggningsuppgifter krävs: Anslut era groqApi-inloggningsuppgifter i Groq Chat Report Model.
- Säkerställ att Groq Chat Report Model är ansluten till Wellness Analysis Agent som språkmodell.
- Observera att Create GitHub Issue och Gmail Report Dispatch är verktyg som är anslutna till Wellness Analysis Agent; lägg till inloggningsuppgifter via de överordnade verktygsanslutningarna i stället för att redigera undernoderna direkt.
Steg 5: Konfigurera utdataåtgärder
Definiera hur AI-rapporten skickas och loggas när kritiska larm upptäcks.
- Öppna Create GitHub Issue och behåll Title och Body mappade till AI-utdata med
{{ /*n8n-auto-generated-fromAI-override*/ $fromAI('Title', ``, 'string') }}och{{ /*n8n-auto-generated-fromAI-override*/ $fromAI('Body', ``, 'string') }}. - Säkerställ att Owner och Repository är inställda på
{{ $('Set Repository Config').first().json.repoowner }}respektive{{ $('Set Repository Config').first().json.reponame }}. - Inloggningsuppgifter krävs: Anslut era githubApi-inloggningsuppgifter via verktygsanslutningen i Wellness Analysis Agent för Create GitHub Issue.
- Öppna Gmail Report Dispatch och ställ in Send To till
{{ $('Set Repository Config').first().json.emailreport }}. - Behåll Subject som
📊 Team Health and Wellness Reportoch mappa Message till{{ /*n8n-auto-generated-fromAI-override*/ $fromAI('Message', ``, 'string') }}. - Inloggningsuppgifter krävs: Anslut era gmailOAuth2-inloggningsuppgifter via verktygsanslutningen i Wellness Analysis Agent för Gmail Report Dispatch.
- Låt No-Op Placeholder vara kvar som en slutnod för felsökning eller framtida utbyggnad.
Tips: AI-instruktionerna anger att GitHub-issues och e-post endast används vid kritiska larm (Health Score < 90). Om ni vill avisera alltid, justera prompten i Wellness Analysis Agent.
Steg 6: Testa och aktivera ert arbetsflöde
Kör ett manuellt test för att bekräfta datahämtning, AI-analys och leverans av utdata innan ni aktiverar schemat.
- Klicka på Execute Workflow för att köra ett manuellt test från Scheduled Run Trigger.
- Verifiera att Retrieve Workflow Runs, Fetch Git Commits och Retrieve Pull Requests returnerar GitHub-data utan fel.
- Kontrollera utdata från Evaluate Dev Activity för beräknade totaler och frekvenser, och bekräfta sedan att Wellness Analysis Agent producerar en strukturerad HTML-rapport.
- Bekräfta att Create GitHub Issue och Gmail Report Dispatch endast körs när AI:n bedömer att det är ett kritiskt larm.
- När allt är validerat, slå på arbetsflödet till Active så att Scheduled Run Trigger körs veckovis i produktion.
Felsökningstips
- GitHub-inloggningar kan löpa ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera först scopes för din personal access token (repo-åtkomst) och repo-synlighet.
- Om du använder Wait-noder eller extern rendering varierar processtider. Öka väntetiden om nedströmsnoder fallerar på tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in din tonalitet tidigt, annars kommer du att redigera utdata i all evighet.
Snabba svar
Cirka 30 minuter om du redan har din GitHub-token och Groq-nyckel.
Nej. Du kopplar främst konton och redigerar värden för repo-konfigurationen. Koden för mönsteranalysen ingår redan i flödet.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 $/månad för högre volym. Du behöver också räkna in kostnader för Groq API-användning, som varierar med rapportens storlek.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller self-hosting på en VPS. För self-hosting är Hostinger VPS prisvärd och hanterar n8n bra. Self-hosting ger dig obegränsat antal körningar men kräver grundläggande serverhantering.
Ja, och det bör du troligen göra. De flesta team justerar värdena i ”Set Repository Config” (repo-ägare, reponamn, period) och anpassar prompten som används av Wellness Analysis Agent så att den matchar din ledarstil. Om du vill ha annan avisering byter du ut noden Gmail Report Dispatch mot Slack eller Teams och behåller resten av analysen intakt.
Oftast är det tokenen. Skapa en ny GitHub personal access token, säkerställ att den har rätt repo-behörigheter och uppdatera autentiseringen i n8n. Om repot ligger i en org kan SSO-inställningar blockera åtkomst tills du auktoriserar tokenen. Rate limiting kan också dyka upp om du frågar ett aktivt repo eller kör flödet för ofta, så veckovis körning hjälper.
För ett enskilt repo med veckoschema fungerar det normalt bra på vilken n8n-plan som helst, eftersom det är en körning per vecka per repo.
Ofta, ja, eftersom det här inte är en enkel tvåstegszap. Du hämtar flera GitHub-endpoints, kör ett anpassat analyssteg och genererar en strukturerad rapport med en AI-agent, vilket är den typen av flersteglogik som blir klumpig (och dyr) i Zapier/Make. n8n ger dig också ett self-host-alternativ, så ”en veckorapport per repo” förblir förutsägbart när du skalar upp. Med det sagt: om du bara vill ha en enkel ”skicka ett mejl när commits sker” går Zapier snabbare. Prata med en automatiseringsexpert om du vill ha hjälp att välja.
Kör det veckovis, håll det objektivt, och du kommer att se överbelastning medan det fortfarande går att åtgärda. Flödet sköter bevakningen så att du kan fokusera på att leda teamet.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.