Labbrapporter landar i inkorgen och plötsligt spelar du detektiv: kopierar in värden, skriver om rekommendationer och tvivlar på formuleringarna i varje mejl. Det går långsamt. Det är lätt att göra fel. Och det är den typen av repetitivt arbete som i det tysta stjäl din vecka.
Den här automatiseringen för Gmail Ollama diet träffar nutritionister och hälsocoacher först, men klinikadministratörer som skickar uppföljningar och ensampraktiker som kör slimmat känner det också. Resultatet är enkelt: konsekventa, klientklara kostplaner som skickas tillbaka snabbt, utan att varje mejl blir ett miniprojekt.
Nedan ser du hur arbetsflödet förvandlar inkommande mejl med labbrapporter till en strukturerad kostplan, hur överlämningen fungerar i n8n och vad du kan justera för att matcha din tonalitet och dina klientregler.
Så fungerar automatiseringen
Hela n8n-flödet, från trigger till slutligt resultat:
n8n Workflow Template: Gmail + Ollama: labbrapporter blir kostplaner
flowchart LR
subgraph sg0["Process Report with Flow"]
direction LR
n0@{ icon: "mdi:message-outline", form: "rounded", label: "Receive Health Report Email", pos: "b", h: 48 }
n1@{ icon: "mdi:robot", form: "rounded", label: "Process Report with AI Nutri..", pos: "b", h: 48 }
n2@{ icon: "mdi:robot", form: "rounded", label: "AI Nutrition Model", pos: "b", h: 48 }
n3@{ icon: "mdi:cog", form: "rounded", label: "Wait Before Sending Plan ", pos: "b", h: 48 }
n4@{ icon: "mdi:message-outline", form: "rounded", label: "Send Personalized Diet Plan ", pos: "b", h: 48 }
n2 -.-> n1
n3 --> n4
n0 --> n1
n1 --> n3
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 n1,n2 ai
Problemet: mejl med labbrapporter blir manuellt slöseri med tid
Labbrapporter är inte ”svåra” att svara på. De tar bara tid på det mest irriterande sättet. Du öppnar mejlet, laddar ner en bilaga, letar efter avvikande markörer, översätter kliniskt språk till något klienten faktiskt följer och bygger sedan en plan som inte krockar med deras tillstånd, mediciner eller mål. Gör du detta några gånger om dagen lägger du riktiga timmar på monteringsarbete, inte coaching. Än värre: inkonsekvenser smyger sig in — en missad varningsflagga, en generisk rekommendation eller en plan som låter olika beroende på vem som skrev den den dagen.
Inget av detta är ett problem i sig. Tillsammans är det det.
- Att plocka ut nyckelmarkörer från en PDF-bilaga kan ta 10 minuter per mejl när du har bråttom.
- Klienter vill inte ha ”labbspråk”, så du skriver om samma förklaringar om och om igen.
- Planernas kvalitet varierar mellan medarbetare, vilket betyder fler ändringar och mer fram-och-tillbaka.
- Sen uppföljning får dig att se oorganiserad ut, även när du arbetar noggrant.
Lösningen: Gmail → AI-analys → svar med kostplan
Det här arbetsflödet bevakar din Gmail (via IMAP) efter inkommande mejl med hälsouppgifter eller labbrapporter och använder sedan en AI-analyskedja för att omvandla rådata till en personlig, strukturerad kostplan. När ett nytt mejl kommer hämtar n8n meddelandet och skickar det extraherade innehållet till ett steg av typen ”AI Agent” som styr resonemang och formatering. Ollama används som näringsmodell-lager, så planen inte kommer tillbaka som ett löst stycke text. Efter en kort fördröjning (praktiskt när bilagor eller uppströmsbearbetning behöver en stund) skickar arbetsflödet ett felfritt, klientklart svar via mejl. Målet är inte ”mer AI”. Målet är färre manuella beslut per meddelande, med konsekvent output du kan lita på.
Flödet startar när ett mejl med labbrapport landar i inkorgen. Sedan analyserar AI-motorn rapporten och tar fram ett utkast till kostplan som är i linje med de hälsouppgifter som skickats in. Till sist mejlar n8n tillbaka planen till avsändaren (eller till din valda mottagare), så att du kan svara med trygghet i stället för att lappa ihop något i sista stund.
Det här får du: automatisering vs. resultat
| Vad det här arbetsflödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut i praktiken
Säg att du får 10 mejl med labbrapporter i veckan. Manuellt kanske du lägger cirka 25 minuter per mejl på att ladda ner, skanna, skriva utkast och putsa planen — ungefär 4 timmar per vecka. Med det här flödet blir ”arbetet” i stället: mejlet kommer in, AI tar fram ett utkast och du lägger cirka 5 minuter på att kontrollera tonalitet och eventuella specialfall innan det skickas. Även med en kort väntan inbyggd får du oftast tillbaka de där 4 timmarna, och svarstiderna blir tajtare.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Självhosting om du föredrar det (Hostinger fungerar bra)
- Gmail (IMAP) för att ta emot mejl med labbrapporter.
- SMTP-mejlkonto för att skicka svar med kostplan.
- Ollama för att generera kostplanen från extraherade data.
- Google Sheets (valfritt) för att logga förfrågningar och skickad status.
Svårighetsgrad: Medel. Du kopplar in mejlbehörigheter, väljer Ollama-modell och justerar prompten så att den matchar dina kliniska ramar och din tonalitet.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Trigger på nytt mejl i Gmail. När en klient (eller vårdgivare) skickar hälsouppgifter eller en labbrapport till den inkorg du bevakar, hämtar n8n mejlet via IMAP och tar in brödtexten och eventuella bilagor.
AI-analys förbereder ”indatan”. Flödet skickar det extraherade innehållet till en kedja i AI Agent-stil så att modellen fokuserar på det som är relevant: nyckelmarkörer, sannolika signaler om tillstånd och kostbegränsningar som ska respekteras.
Ollama genererar planen. Med din prompt och struktur tar Ollama fram ett utkast till personlig kostplan som känns som något du faktiskt skulle skicka — med tydliga avsnitt och praktiska steg.
Mejlutskick efter en kort fördröjning. Ett Wait-steg hjälper till att undvika timingproblem (särskilt om extraheringen uppströms är långsam), och sedan mejlar n8n tillbaka den färdiga planen via din SMTP-avsändare.
Du kan enkelt ändra planformatet för att inkludera recept, inköpslistor eller en uppmaning om ”nästa besök” baserat på dina behov. Se hela implementationsguiden nedan för anpassningsmöjligheter.
Steg-för-steg-guide för implementering
Steg 1: konfigurera triggern för Fetch Health Report Email
Konfigurera den inkommande e-posttriggern som startar arbetsflödet genom att läsa inkommande e-postmeddelanden med hälsorapporter.
- Lägg till och öppna Fetch Health Report Email.
- Autentiseringsuppgifter krävs: anslut era imap-uppgifter.
- Gå igenom standardalternativen och bekräfta att IMAP-postlådan och sökkriterierna matchar inkorgen för hälsorapporter (konfigurera vid behov i Options).
Steg 2: sätt upp Analyze Report via AI Engine
Konfigurera AI-kedjan för att analysera e-postinnehållet och generera en personlig kostplan.
- Lägg till och öppna Analyze Report via AI Engine.
- Ställ in meddelandeprompten till den befintliga mallen, som använder uttrycket
{{json.content}}för att infoga e-postinnehållet. - Bekräfta att Nutrition AI Model är ansluten som språkmodell för Analyze Report via AI Engine.
- Autentiseringsuppgifter krävs: anslut era ollamaApi-uppgifter i Nutrition AI Model (uppgifter ska läggas till i den överordnade språkmodellsnoden, inte i kedjenoden).
Steg 3: konfigurera fördröjning innan planleverans
Lägg till en paus mellan AI-bearbetning och e-postleverans för att hantera timing- eller batchkrav.
- Lägg till och öppna Delay Before Plan Delivery.
- Konfigurera väntetiden eller lämna standardvärdena om ingen fördröjning krävs.
Steg 4: konfigurera Dispatch Custom Diet Plan
Skicka e-postmeddelandet med den personliga kostplanen med det genererade innehållet.
- Lägg till och öppna Dispatch Custom Diet Plan.
- Autentiseringsuppgifter krävs: anslut era smtp-uppgifter.
- Ställ in Subject till
Your Personalized Diet Plan. - Ställ in Text till den befintliga meddelandetexten:
Dear User, Attached is your personalized diet plan based on your health details. Best regards, Your Nutrition Team- Ställ in From Email till
[YOUR_EMAIL]. - Ställ in To Email till
{{$node['Webhook'].json['userEmail']}}. - Ställ in Attachments till
{{$node['Generate PDF'].json['filePath']}}.
{{$node['Webhook'].json['userEmail']}} och {{$node['Generate PDF'].json['filePath']}} refererar till noder som inte finns i det här arbetsflödet. Ersätt dessa med fält från befintliga noder eller lägg till de saknade noderna för att undvika körningsfel.Steg 5: testa och aktivera ert arbetsflöde
Verifiera hela flödet innan ni aktiverar det i produktion.
- Kör Fetch Health Report Email manuellt för att hämta ett exempel på en rapport via e-post.
- Verifiera att Analyze Report via AI Engine ger ut en komplett kostplan genererad av Nutrition AI Model.
- Bekräfta att Delay Before Plan Delivery skickar vidare datan efter den konfigurerade väntetiden.
- Kör Dispatch Custom Diet Plan och bekräfta att e-postmeddelandet skickas utan fel med förväntat innehåll och bilagor.
- När allt fungerar, växla arbetsflödet till Active för att aktivera kontinuerlig bearbetning.
Vanliga fallgropar
- Gmail IMAP-uppgifter kan gå ut eller kräva särskilda inställningar. Om något slutar fungera, kontrollera först säkerhetsinställningarna i ditt Google-konto och att IMAP-åtkomst är aktiverad.
- Om du använder Wait-noder eller extern modellbearbetning varierar tiderna. Öka väntetiden om mejlutskicket längre ned i flödet triggas innan AI-resultatet är klart.
- Standardprompter i AI-noder är generiska. Lägg in dina kliniska ramar, kontraindikationer och varumärkeston tidigt, annars kommer du redigera output för alltid.
Vanliga frågor
Cirka 30 minuter om din Gmail och Ollama redan fungerar.
Nej. Du klistrar mest in inloggningsuppgifter och justerar prompten. Den ”svåra delen” är att bestämma planens format och dina ramar.
Ja. n8n har ett gratis självhostat alternativ och en gratis provperiod på n8n Cloud. Molnplaner startar på 20 USD/månad för högre volym. Du behöver också räkna in beräkningskostnader för Ollama (oftast din egen server).
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller självhosting på en VPS. För självhosting är Hostinger VPS prisvärd och klarar n8n bra. Självhosting ger obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det bör du. Du kan justera instruktionerna i ”Analyze Report via AI Engine” för att tvinga fram en specifik struktur (till exempel ”Kalorier och makron”, ”Livsmedel att prioritera/undvika” och ”7-dagars exempelmeny”), och sedan finjustera prompten i ”Nutrition AI Model” så att Ollama matchar din tonalitet. Vanliga anpassningar är att lägga till receptidéer, lägga till en sektion för inköpslista och att inkludera en kort notis om ”vad du ska fråga din läkare” för känsliga markörer.
Oftast beror det på kontosäkerhetsinställningar eller ett utgånget lösenord/applösenord. Kontrollera att IMAP-åtkomst är aktiverad för inkorgen och verifiera sedan inloggningsuppgifterna i n8n. Om du nyligen ändrat ditt Google-lösenord slutar anslutningen ofta fungera utan tydliga fel tills du uppdaterar den. Håll också koll på regler i inkorgen som flyttar meddelanden direkt, eftersom triggern kanske inte ”ser” dem.
I en typisk mindre setup är dussintals per dag realistiskt, och självhosting tar bort körningsbegränsningar så den främsta begränsningen blir hastigheten på din Ollama-server.
Det beror på hur strikt logik du behöver. n8n är bättre när du vill ha mer kontroll över förgreningar, återförsök och beteendet ”vänta och skicka”, och det är också enklare att självhosta när du hanterar känsliga hälsodata. Zapier och Make kan gå snabbare för väldigt enkla mejl-till-mejl-automatiseringar, men de blir klumpiga när du börjar tvinga fram en planstruktur och lägga till skyddsräcken. Ärligt talat är den största skillnaden kostnad i skala: självhostad n8n kan köra hög volym utan prissättning per task. Prata med en automationsexpert om du vill ha hjälp att välja.
Sätt upp det en gång, så sköter flödet de repetitiva delarna i leveransen från labb till plan. Du behåller kontrollen, men slutar tappa kvällar på copy-paste.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.