Inkorgen fylls på, du öppnar ett meddelande och sedan stannar du upp. Inte för att du inte vet vad du ska säga, utan för att du letar efter rätt dokument, rätt policy, rätt stycke med ”så här gör vi”.
Den här automatiseringen för Gmail AI-utkast träffar supportansvariga först. Men byråägare som svarar på kundmejl och driftschefer som hanterar leverantörstrådar känner det också. Du får korrekta utkast som hämtas från dina egna Google Drive-dokument, och sedan godkänner (eller justerar) du direkt i Gmail.
Nedan ser du hur arbetsflödet gör om nya mejl till korta sammanfattningar, genererar ett svarsklart utkast med hjälp av en RAG-kunskapsbas och bara skickar när du säger ”ja”.
Så fungerar automatiseringen
Hela n8n-arbetsflödet, från trigger till slutligt resultat:
n8n Workflow Template: Gmail + Google Drive: godkända AI-e-postutkast
flowchart LR
subgraph sg0["Qdrant Vector Store Flow"]
direction LR
n0@{ icon: "mdi:message-outline", form: "rounded", label: "Email Trigger (IMAP)", pos: "b", h: 48 }
n1["<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/markdown.dark.svg' width='40' height='40' /></div><br/>Markdown"]
n2@{ icon: "mdi:message-outline", form: "rounded", label: "Send Email", pos: "b", h: 48 }
n3@{ icon: "mdi:cube-outline", form: "rounded", label: "Qdrant Vector Store", pos: "b", h: 48 }
n4@{ icon: "mdi:vector-polygon", form: "rounded", label: "Embeddings OpenAI", pos: "b", h: 48 }
n5@{ icon: "mdi:robot", form: "rounded", label: "Email Summarization Chain", pos: "b", h: 48 }
n6@{ icon: "mdi:robot", form: "rounded", label: "Write email", pos: "b", h: 48 }
n7@{ icon: "mdi:brain", form: "rounded", label: "OpenAI", pos: "b", h: 48 }
n8@{ icon: "mdi:message-outline", form: "rounded", label: "Gmail", pos: "b", h: 48 }
n9@{ icon: "mdi:robot", form: "rounded", label: "Text Classifier", pos: "b", h: 48 }
n10@{ icon: "mdi:swap-vertical", form: "rounded", label: "Edit Fields", pos: "b", h: 48 }
n20@{ icon: "mdi:brain", form: "rounded", label: "DeepSeek Chat Model", pos: "b", h: 48 }
n21@{ icon: "mdi:robot", form: "rounded", label: "Email Reviewer", pos: "b", h: 48 }
n8 --> n9
n7 -.-> n6
n7 -.-> n21
n7 -.-> n9
n1 --> n5
n10 --> n8
n6 --> n10
n21 --> n10
n9 --> n2
n9 --> n21
n4 -.-> n3
n20 -.-> n5
n3 -.-> n6
n3 -.-> n21
n0 --> n1
n5 --> n6
end
subgraph sg1["When clicking ‘Test workflow’ Flow"]
direction LR
n11@{ icon: "mdi:play-circle", form: "rounded", label: "When clicking ‘Test workflow’", pos: "b", h: 48 }
n12["<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/>Create collection"]
n13["<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/>Refresh collection"]
n14@{ icon: "mdi:cog", form: "rounded", label: "Get folder", pos: "b", h: 48 }
n15@{ icon: "mdi:cog", form: "rounded", label: "Download Files", pos: "b", h: 48 }
n16@{ icon: "mdi:robot", form: "rounded", label: "Default Data Loader", pos: "b", h: 48 }
n17@{ icon: "mdi:robot", form: "rounded", label: "Token Splitter", pos: "b", h: 48 }
n18@{ icon: "mdi:cube-outline", form: "rounded", label: "Qdrant Vector Store1", pos: "b", h: 48 }
n19@{ icon: "mdi:vector-polygon", form: "rounded", label: "Embeddings OpenAI1", pos: "b", h: 48 }
n14 --> n15
n15 --> n18
n17 -.-> n16
n19 -.-> n18
n13 --> n14
n16 -.-> n18
n11 --> n12
n11 --> n13
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 n11 trigger
class n5,n6,n9,n21,n16,n17 ai
class n7,n20 aiModel
class n3,n18 ai
class n4,n19 ai
class n12,n13 api
classDef customIcon fill:none,stroke:none
class n1,n12,n13 customIcon
Problemet: snabba svar utan att gissa
De flesta team har inte svårt att svara. De har svårt att svara korrekt, konsekvent och i tid. Ett mejl kommer in med frågor om prissättning, onboarding-steg, en avtalsklausul eller en felsökningslösning, och plötsligt hoppar du mellan gamla trådar, Drive-mappar och Slack-pingar av typen ”vem kan det här?”. Gör du det 30 gånger om dagen har du bränt timmar bara på att växla kontext. Än värre: förr eller senare skickar du något som är lite fel. Inte av illvilja, bara för att det är inaktuellt, inkonsekvent eller saknar en viktig detalj som ligger i ett dokument ingen kommer ihåg att öppna.
Friktionen byggs på. Här är var det faller isär i verkligheten.
- Du slösar cirka 5–10 minuter per mejl på att söka i Drive, klistra in utdrag och skriva om så att det låter mänskligt.
- Två personer svarar olika på samma fråga, vilket förvirrar kunder och skapar i det tysta fler följdfrågor.
- När det blir stressigt börjar du triagera utifrån oro, inte prioritet.
- Även ”snabba” svar behöver dubbelkollas eftersom ingen litar på autoskick-system när det gäller riktiga kunder.
Lösningen: skapa utkast från Drive och godkänn sedan
Det här arbetsflödet bevakar en inkorg efter nya meddelanden, gör om varje mejl till korrekt formaterad text och tar sedan fram en tajt sammanfattning (upp till cirka 100 ord) så att du direkt förstår ärendet. Därefter genererar det ett professionellt svarutkast, men det ”hallucinerar” inte utifrån generisk träningsdata. I stället använder det retrieval-augmented generation, vilket betyder att det hämtar stödjande kontext från dina egna Google Drive-dokument som du har indexerat i en sökbar kunskapsbas. Sedan skickas utkastet till Gmail för mänsklig granskning med enkel fritextfeedback. Om du godkänner skickar arbetsflödet svaret till den ursprungliga avsändaren. Om du avböjer skickas din feedback tillbaka i en redigeringsloop för att förbättra utkastet innan något ens lämnar din inkorg.
Arbetsflödet startar med en IMAP-inkorgstrigger och en Drive-kunskapsuppdatering som bygger ett Qdrant-vektorindex från dina dokument. Därifrån sammanfattar AI mejlet, skriver ett svar med retrieval och skickar utkastet till Gmail för godkännande. Slutligen skickas mejlet eller återgår till redigering beroende på din feedback ”Godkänd/Avböjd”.
Det här får du: automatisering vs. resultat
| Det här automatiserar arbetsflödet | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att ditt team hanterar cirka 25 kundmejl per dag som kräver ”slå upp policyn och svara”. Manuellt innebär även 6 minuter per mejl ungefär 2,5 timmar av sökande, sammanfattande och omskrivning. Med det här arbetsflödet lägger du kanske 1 minut på att skumma sammanfattning och utkast och sedan godkänna eller lägga till en snabb notering. AI och retrieval gör grovjobbet i bakgrunden, så du hamnar närmare 30 minuters granskningstid i stället för att tappa en halv arbetsdag.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Självhostat alternativ om du föredrar det (Hostinger fungerar bra)
- Gmail för utkast och godkännande direkt i inkorgen
- Google Drive för att lagra dokumenten du vill att AI ska använda
- OpenAI API-nyckel (hämta den i din OpenAI-dashboard)
Kunskapsnivå: Medel. Du kopplar konton, lägger till autentiseringsuppgifter och justerar lätt prompts och mappningar.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Ett nytt mejl kommer in i inkorgen. IMAP-triggern bevakar en angiven inkorg och hämtar in varje inkommande meddelande direkt när det landar.
Mejlet städas upp och sammanfattas. HTML konverteras till läsbar text och en AI-kedja för sammanfattning komprimerar meddelandet till en kort, skannbar brief så att du slipper läsa om långa trådar.
Dina Drive-dokument blir ”källan som gäller”. Arbetsflödet hittar en Google Drive-mapp, laddar ner filer, delar upp dem i chunkar och skriver in dem i ett Qdrant-vektorindex med hjälp av embeddings. När ett svarutkast skapas hämtar retrieval-verktyget de mest relevanta utdragen från indexet så att utkastet matchar era policys och er befintliga dokumentation.
Du godkänner i Gmail och sedan skickas det (eller loopar tillbaka). Utkastet levereras till Gmail för granskning. Din feedback klassificeras som Godkänd eller Avböjd; godkända utkast skickas via noden för e-postutskick, medan avböjda utkast routas tillbaka till en granskningsagent för redigering.
Du kan enkelt ändra omfattningen på Drive-mappen för att passa olika team (support, sälj, drift) eller byta godkännandesteget till Telegram för snabbare interna granskningar. Se den fullständiga implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementation
Steg 1: Konfigurera den manuella triggern
Konfigurera den manuella startpunkten som används för att initiera och återställa er Qdrant-samling innan ni indexerar dokument.
- Lägg till och konfigurera Manual Test Trigger som er starttrigger för körningar av uppsättningen.
- Bekräfta att Manual Test Trigger skickar output till både Initialize Collection och Reset Collection parallellt.
- I Initialize Collection, ställ in URL till
https://QDRANTURL/collections/COLLECTIONoch Method tillPOST. - I Reset Collection, ställ in URL till
https://[CONFIGURE_YOUR_API_KEY]/deleteoch Method tillPOST. - Credential Required: Anslut era
httpHeaderAuth-autentiseringsuppgifter i både Initialize Collection och Reset Collection.
Steg 2: Anslut Google Drive
Koppla Drive-mappen som innehåller era kunskapsbasfiler och ladda ner dem för indexering.
- I Locate Drive Folder, ställ in Resource till
fileFolder. - Ställ in Drive till
My Driveoch Folder ID till=[YOUR_ID]. - Credential Required: Anslut era
googleDriveOAuth2Api-autentiseringsuppgifter i Locate Drive Folder. - I Download Drive Files, ställ in Operation till
downloadoch File ID till={{ $json.id }}. - Aktivera konvertering genom att ställa in Google File Conversion till
docsToFormat: text/plain. - Credential Required: Anslut era
googleDriveOAuth2Api-autentiseringsuppgifter i Download Drive Files.
Steg 3: Konfigurera vektorindexering och embeddings
Dela upp och ladda dokument, generera embeddings och skriv dem till Qdrant.
- I Token Chunk Splitter, ställ in Chunk Size till
300och Chunk Overlap till30. - I Default Document Loader, ställ in Data Type till
binary. - I Qdrant Index Writer, ställ in Mode till
insertoch Collection till=COLLECTION. - Credential Required: Anslut era
qdrantApi-autentiseringsuppgifter i Qdrant Index Writer. - OpenAI Embedding Builder 2 är ansluten som embedding-modell för Qdrant Index Writer—säkerställ att autentiseringsuppgifter är tillagda i OpenAI Embedding Builder 2 (inte inne i Qdrant-noden).
- Credential Required: Anslut era
openAiApi-autentiseringsuppgifter i OpenAI Embedding Builder 2.
Steg 4: Konfigurera IMAP e-post-triggern
Fånga inkommande mejl och konvertera HTML till markdown för summering.
- Konfigurera IMAP Inbox Trigger för att läsa er inkorg.
- Credential Required: Anslut era
imap-autentiseringsuppgifter i IMAP Inbox Trigger. - I HTML to Markdown, ställ in HTML till
={{ $json.textHtml }}så att mejltexten konverteras.
Steg 5: Konfigurera ai-summering och utkast
Summera mejlet, hämta kontext från Qdrant och skapa ett svarsutkast med ai.
- I Email Summary Chain, behåll Operation Mode som
nodeInputBinaryoch använd de medföljande summeringspromptarna med{{ $json.data }}. - DeepSeek Chat Engine är ansluten som språkmodell för Email Summary Chain—säkerställ att autentiseringsuppgifter är tillagda i DeepSeek Chat Engine.
- Credential Required: Anslut era
deepSeekApi-autentiseringsuppgifter i DeepSeek Chat Engine. - I Compose Reply Draft, ställ in Text till
=Write the text to reply to the following email:{{ $json.response.text }}och behåll Prompt Type somdefine. - Qdrant Retrieval Tool är ansluten som ett verktyg för Compose Reply Draft och Email Review Agent—säkerställ att autentiseringsuppgifter är tillagda i Qdrant Retrieval Tool (inte inne i agentnoderna).
- Credential Required: Anslut era
qdrantApi-autentiseringsuppgifter i Qdrant Retrieval Tool. - OpenAI Embedding Builder är ansluten som embedding-modell för Qdrant Retrieval Tool—säkerställ att autentiseringsuppgifter är tillagda i OpenAI Embedding Builder.
- Credential Required: Anslut era
openAiApi-autentiseringsuppgifter i OpenAI Embedding Builder. - OpenAI Chat Model är ansluten som språkmodell för Compose Reply Draft, Email Review Agent och Approval Text Classifier—säkerställ att autentiseringsuppgifter är tillagda i OpenAI Chat Model.
- Credential Required: Anslut era
openAiApi-autentiseringsuppgifter i OpenAI Chat Model och ställ in Model tillgpt-4o-mini.
Steg 6: Konfigurera godkännanderouting och e-poståtgärder
Mappa ai-utkastet till fält, begär mänskligt godkännande, klassificera svaret och skicka det slutliga svaret.
- I Map Reply Fields, lägg till en strängtilldelning med namnet email och värdet
={{ $json.output }}. - I Gmail Approval Send, ställ in Send To till
[YOUR_EMAIL], Operation tillsendAndWaitoch Response Type tillfreeText. - Ställ in Message till
=och Subject tillMESSAGE
{{ $('IMAP Inbox Trigger').item.json.textHtml }}AI RESPONSE
{{ $json.email }}=[Approval Required] {{ $('IMAP Inbox Trigger').item.json.subject }}. - Credential Required: Anslut era
gmailOAuth2-autentiseringsuppgifter i Gmail Approval Send. - I Approval Text Classifier, ställ in Input Text till
={{ $json.data.text }}och behåll Categories förApprovedochDeclined. - Approval Text Classifier skickar output till både Dispatch Reply Email och Email Review Agent parallellt.
- I Email Review Agent, ställ in Text till
=Review at the following email:{{ $('Map Reply Fields').item.json.email }}Feedback from human:{{ $json.data.text }}. - I Dispatch Reply Email, ställ in HTML till
={{ $('Map Reply Fields').item.json.email }}, Subject till=Re: {{ $('IMAP Inbox Trigger').item.json.subject }}, To Email till={{ $('IMAP Inbox Trigger').item.json.from }}och From Email till={{ $('IMAP Inbox Trigger').item.json.to }}. - Credential Required: Anslut era
smtp-autentiseringsuppgifter i Dispatch Reply Email.
Steg 7: Testa och aktivera ert arbetsflöde
Validera både indexeringen och flödet för e-postsvar innan ni aktiverar körning i produktion.
- Kör Manual Test Trigger och bekräfta att Initialize Collection och Reset Collection körs parallellt utan fel.
- Skicka ett testmejl till inkorgen som övervakas av IMAP Inbox Trigger och verifiera att en summering skapas av Email Summary Chain.
- Bekräfta att Compose Reply Draft returnerar ett utkast, att Gmail Approval Send skickar godkännandemejlet och att Approval Text Classifier tar emot det mänskliga svaret.
- Verifiera att godkända meddelanden når Dispatch Reply Email med korrekt
Re:-ämne och mottagarfält. - När testerna lyckas, växla arbetsflödet till Active för att aktivera kontinuerlig drift.
Vanliga fallgropar
- Gmail-inloggningar kan gå ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera status för Gmail-anslutningen i n8n Credentials och bekräfta att kontot fortfarande har åtkomst att skicka mejl.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om efterföljande noder misslyckas på grund av tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in er tonalitet tidigt, annars kommer du att redigera output för alltid.
Vanliga frågor
Cirka en timme om Gmail, IMAP/SMTP, Drive och API-nycklar är klara.
Nej. Du kopplar mest konton och klistrar in API-nycklar. Den enda ”tekniska” delen är att välja rätt Drive-mapp och testa med några exempelmejl.
Ja. n8n har ett gratis självhostat alternativ och en gratis provperiod i n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in kostnader för OpenAI-användning, som vanligtvis är några cent per mejl beroende på längd och retrieval.
Två alternativ: n8n Cloud (hanterat, enklast uppsättning) eller självhosting på en VPS. För självhosting är Hostinger VPS prisvärd och hanterar n8n bra. Självhosting ger dig obegränsade exekveringar men kräver grundläggande serverhantering.
Ja, och det bör du. Peka IMAP-triggern mot en annan inkorg och byt sedan Drive-mappen som används av ”Locate Drive Folder” så att varje team (sälj vs. support) hämtar från rätt dokument. Du kan också justera prompterna i ”Compose Reply Draft” och ”Email Review Agent” för att matcha ton, längd och nödvändiga friskrivningar. Vanliga justeringar är att lägga till en signatur, sätta ett max på 3 stycken och vägra svara på ämnen som inte finns i Drive.
Oftast handlar det om utgången OAuth-åtkomst eller att fel Gmail-konto är anslutet. Anslut Gmail igen i n8n Credentials och bekräfta sedan att noden ”Gmail Approval Send” använder den autentiseringsuppgiften. Om det bara misslyckas ibland kan du slå i sändningsgränser eller säkerhetskontroller på kontot, särskilt i nya workspaces.
Många, men den praktiska gränsen är din n8n-plan och hur snabbt du vill få godkännanden. Med n8n Cloud Starter kan du köra mycket daglig inkorgstrafik för ett litet team; högre nivåer hanterar mer. Om du självhostar begränsas exekveringar inte av n8n, men din server och e-postleverantörerna har fortfarande genomströmningsgränser. Dessutom tar indexering av stora Drive-mappar längre tid, så de flesta team börjar med en mapp för ”godkända svar” och bygger ut därifrån.
För just det här arbetsflödet: oftast ja, eftersom du kombinerar inkorgstriggers, en retrieval-kunskapsbas (Qdrant), villkorsstyrd routing och en mänsklig godkännandeloop. Zapier/Make kan göra delar av detta, men AI i flera steg + retrieval + förgrening blir snabbt dyrt och är svårare att underhålla. n8n ger dig också möjlighet att självhosta, vilket spelar roll när du bearbetar många mejl. Om du bara vill ha ett enkelt flöde som ”sammanfatta och skicka till Slack” kan de verktygen gå snabbare. Prata med en automationsexpert om du är osäker på vad som passar.
Du har fortfarande kontroll över vad som skickas. Arbetsflödet tar dig bara snabbare till ett stabilt, varumärkesanpassat utkast med hjälp av samma dokument som teamet redan litar på.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.