Din inkorg är full av kundsanningar. Men de är begravda i trådar, halvt ihågkomna samtal och det där “snabba uppdatering”-mejlet som du inte hittar när du behöver det.
Den här Gmail OpenAI notes-automationen träffar account managers hårt, eftersom jobbet är ständig kontextväxling. Grundare märker det när de dras in i eskaleringar utan bakgrund. Och supportansvariga sitter och läser om hela kedjor bara för att svara på en enkel fråga.
Du ska förvandla varje inkommande mejl till strukturerade kundanteckningar: sentiment, nyckelämnen, risker och nästa steg – allt sparat som långsiktigt minne som du faktiskt kan använda senare.
Så fungerar den här automatiseringen
Här är hela workflowet du kommer att sätta upp:
n8n Workflow Template: Gmail + OpenAI: hitta kundkontext snabbt
flowchart LR
subgraph sg0["Full_Email Flow"]
direction LR
n0@{ icon: "mdi:swap-vertical", form: "rounded", label: "Set Target Email", pos: "b", h: 48 }
n1@{ icon: "mdi:memory", form: "rounded", label: "Window Buffer Memory", pos: "b", h: 48 }
n2@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser", pos: "b", h: 48 }
n3@{ icon: "mdi:robot", form: "rounded", label: "Auto-fixing Output Parser", pos: "b", h: 48 }
n4@{ icon: "mdi:play-circle", form: "rounded", label: "Full_Email", pos: "b", h: 48 }
n5@{ icon: "mdi:brain", form: "rounded", label: "llm of your choice", pos: "b", h: 48 }
n6@{ icon: "mdi:brain", form: "rounded", label: "Parsing LLM", pos: "b", h: 48 }
n7@{ icon: "mdi:cog", form: "rounded", label: "Add_Parsed email to memory", 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/>email to mem0"]
n9@{ icon: "mdi:robot", form: "rounded", label: "Parse_Email Agent", pos: "b", h: 48 }
n4 --> n0
n6 -.-> n3
n0 --> n9
n9 --> n7
n9 --> n8
n5 -.-> n9
n1 -.-> n9
n2 -.-> n3
n3 -.-> n9
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 n4 trigger
class n2,n3,n9 ai
class n5,n6 aiModel
class n1 ai
class n8 api
classDef customIcon fill:none,stroke:none
class n8 customIcon
Varför det här spelar roll: kundkontext försvinner i mejltrådar
Mejl är där besluten fattas. Det är också där detaljerna dör. En kund nämner en deadlineförskjutning på tisdag, en oro kring prissättning på torsdag och återkommer två veckor senare och förväntar sig att du minns allt. När du växer blir det här en långsam läcka: du läser om trådar, missar små signaler och fortsätter “komma ikapp” i stället för att driva arbetet framåt. Värst är den mentala belastningen. Du är alltid lite osäker på om du har glömt något viktigt, så du dubbelkollar för mycket. Och det kostar verklig tid varje dag.
Det blir snabbt mycket. Här är var det faller isär.
- Du slösar cirka 10 minuter per tråd bara på att återskapa vad som hände och vem som lovade vad.
- Viktigt kundsentiment ligger mellan raderna, så du upptäcker det först när det blir ett problem.
- Överlämningar blir röriga eftersom kontexten ligger i en persons inkorg, inte på en delad, sökbar plats.
- Även om du tar anteckningar är de inkonsekventa, så du litar inte på dem senare och läser om mejlen ändå.
Vad du bygger: Gmail till strukturerat kundminne med OpenAI
Det här workflowet bevakar din Gmail-inkorg efter nya meddelanden och felfritt formaterar sedan mejlet direkt så att de viktiga delarna blir enkla för AI att tolka. Därefter läser en AI-agent (driven av en OpenAI chatmodell) meddelandet som en vass assistent skulle göra. Den plockar ut vad kunden faktiskt säger, flaggar tonen och drar ut de delar du normalt skulle skriva i en CRM-anteckning. Sedan kör den ett kvalitetssteg som tvingar resultatet till tillförlitlig strukturerad data (så att du inte får stökiga “nästan JSON”-utdata). Till sist sparas den färdiga posten som långsiktigt minne i mem0, kopplad till avsändarens e-postadress, så att du bygger en levande historik över tid.
Workflowet startar när Gmail tar emot ett nytt mejl. OpenAI analyserar det med de senaste meddelandena som kontext (så att den förstår tråden, inte bara ett enstaka meddelande). Sedan sparar mem0 de strukturerade anteckningarna så att du kan söka, referera och använda dem senare utan att läsa om gamla kedjor.
Det du bygger
| Vad som automatiseras | Vad du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att du hanterar 20 meningsfulla kundmejl per dag. Manuellt, om du lägger cirka 5 minuter på att läsa noggrant och ytterligare 5 minuter på att skriva användbara anteckningar, blir det ungefär 3 timmar per dag av “admin-tänk”. Med det här workflowet skummar du den strukturerade anteckningen på cirka 1 minut och öppnar bara hela tråden när du verkligen behöver det. Det kan ta ner de 3 timmarna till cirka 30 minuter, samtidigt som historiken bevaras.
Innan du börjar
- n8n-instans (testa n8n Cloud gratis)
- Self-hosting-alternativ om du föredrar det (Hostinger fungerar bra)
- Gmail för att upptäcka och läsa nya mejl
- OpenAI för att analysera mejlinnehåll och extrahera anteckningar
- mem0 API-nyckel (hämta den i din mem0.ai-dashboard)
Kunskapsnivå: Medel. Du kopplar API:er, klistrar in nycklar och testar ett par riktiga mejl.
Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
Ett nytt mejl kommer in i Gmail. Gmail-triggern övervakar din inkorg och kör i samma ögonblick som ett nytt meddelande landar, så detta går tyst i bakgrunden.
Mejlet trimmas till det väsentliga. Ett fältmappningssteg plockar ut avsändaradress, ämnesrad och kärntexten i brödtexten, vilket håller AI:n fokuserad och minskar risken för konstiga formateringsproblem.
OpenAI analyserar meddelandet med kontext. AI-agenten läser mejlet och använder den senaste trådhistoriken (ett minnesfönster på de senaste 10 meddelandena) så att den kan avgöra vad som är nytt, vad som är olöst och vad som antyds.
Resultatet tvingas in i korrekt struktur och sparas. En parser kontrollerar AI-utdata och reparerar automatiskt om den inte matchar den JSON-struktur som krävs. Efter det skickar workflowet den slutliga anteckningen till mem0, sparad på avsändaren som långsiktigt minne.
Du kan enkelt ändra vad AI:n ska extrahera (till exempel “budgetrisk” eller “förnyelsedatum”) så att det matchar ditt arbetssätt. Se den fullständiga implementeringsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera Gmail-triggern
Starta arbetsflödet genom att konfigurera triggern för inkommande e-post så att nya meddelanden fångas upp och skickas vidare i flödet.
- Lägg till eller öppna Incoming Gmail Trigger.
- Ställ in Simple på
false. - Ställ in Poll Times på
everyMinute. - Inloggning krävs: anslut era
gmailOAuth2-uppgifter.
Steg 2: koppla Gmail-data till strukturerade fält
Normalisera Gmail-payloaden så att agenten och efterföljande lagring får konsekventa fält.
- Öppna Assign Email Fields och bekräfta att tilldelningarna använder uttryck som
{{$json.id || null}},{{$json.threadId || null}}och{{$json.text || ''}}. - Säkerställ att from.value[0].address är satt till
{{$json.from?.value?.[0]?.address || null}}. - Låt headers.from vara satt till
{{$json.headers.from.extractEmail()}}för ren extrahering av avsändare.
from-värde kan senare noder fallera. Överväg att lägga till fallback-logik eller filtrera så att bara mejl med giltig avsändardata behandlas.Steg 3: konfigurera AI-minne, parsing och agentbearbetning
Konfigurera minnesfönstret, parsing-lagren och den centrala agenten som analyserar e-postinnehållet.
- Öppna Session Memory Window och ställ in Session Key till
{{ $('Assign Email Fields').item.json.threadId }}, Session ID Type tillcustomKeyoch Context Window Length till10. - Öppna Structured Result Parser och behåll Schema Type som
manualmed det angivna JSON-schemat. - Öppna Auto Repair Parser och behåll standardprompten som används för korrigering av utdata.
- Öppna Primary LLM Model, välj modellen
gpt-4.1-nanooch ställ in Temperature till0.7. Inloggning krävs: anslut eraopenAiApi-uppgifter. - Öppna Parsing LLM Engine, ställ in Model till
mistral-small-2506och ställ in Temperature till0.7. Inloggning krävs: anslut eramistralCloudApi-uppgifter. - Öppna Email Analysis Agent och ställ in Text till
{{ $json.text }}, och säkerställ att Prompt Type ärdefineoch att Has Output Parser är aktiverad.
Steg 4: konfigurera utdestinationer
Lagra den analyserade utdata i minnessystem. Email Analysis Agent skickar utdata parallellt till både Store Parsed Memory och Send to Mem0 API.
- Öppna Store Parsed Memory och ställ in Tool Name till
add-memory, Operation tillexecuteTooloch Connection Type tillhttp. - Ställ in Tool Parameters till
{{ ({ "content": JSON.stringify($json.output), "userId": $('Assign Email Fields').item.json.from.value[0].address}) }}. Inloggning krävs: anslut eramcpClientHttpApi-uppgifter. - Öppna Send to Mem0 API och ställ in URL till
https://api.mem0.ai/v1/memories/, Method tillPOSToch Send Body tilltrue. - Ställ in JSON Body till
{{ ({ "messages": [ { "role": "user", "content": $json.output.core_message ?? "" } ], "user_id": $('Assign Email Fields').item.json.from.value[0].address, "agent_id": $json.output.sentiment ?? "unknown", "metadata": JSON.stringify($json.output.keywords ?? {}), "infer": true, "output_format": "v1.1", "version": "v2" }) }}. - Ställ in Authentication till
genericCredentialTypeoch Generic Auth Type tillhttpHeaderAuth. Inloggning krävs: anslut erahttpHeaderAuth-uppgifter.
$json.output.core_message eller $json.output.sentiment saknas kan Mem0 API:t lagra ofullständig metadata. Verifiera agentens utdataschema vid testning.Steg 5: testa och aktivera ert arbetsflöde
Validera flödet end-to-end innan ni aktiverar det i produktion.
- Klicka på Test workflow och skicka ett nytt mejl till det anslutna Gmail-kontot för att trigga Incoming Gmail Trigger.
- Bekräfta att Assign Email Fields matar ut normaliserade fält som
threadId,textochfrom.value[0].address. - Kontrollera Email Analysis Agent för strukturerad utdata som matchar schemat från Structured Result Parser.
- Verifiera att både Store Parsed Memory och Send to Mem0 API slutförs korrekt parallellt.
- När allt fungerar, växla arbetsflödet till Active för att aktivera kontinuerlig bearbetning.
Felsökningstips
- Gmail-inloggningar kan gå ut eller kräva specifika behörigheter. Om något slutar fungera, kontrollera först ditt anslutna konto i n8n Credentials och bekräfta att Gmail API-åtkomst fortfarande är beviljad.
- Om du använder minnesfönster och externa anrop (OpenAI, Mistral, mem0) varierar svarstiderna. Om efterföljande noder fallerar på tomma utdata, sänk tempot eller lägg in en kort väntan innan du sparar resultaten.
- Standardprompter för AI är generiska. Lägg in dina definitioner för “röd flagg”, “nästa steg” och dina förväntningar på ton tidigt, annars kommer du att fortsätta korrigera anteckningarna senare.
Snabba svar
Cirka 30 minuter om dina API-nycklar är redo.
Nej. Du kopplar konton och klistrar in API-nycklar, och justerar sedan några AI-instruktioner.
Ja. n8n har ett gratis self-hosted-alternativ och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in OpenAI API-kostnader (ofta några dollar i månaden vid låg volym) och din mem0-användning.
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 obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det bör du. De flesta ändringar görs i instruktionerna för Email Analysis Agent (vad som ska extraheras och hur det ska etiketteras) och i steget “Assign Email Fields” (vilka delar av mejlet du skickar in). Vanliga justeringar är att lägga till “förnyelserisk”, extrahera produktnamn och fånga tydliga uppföljningsdatum. Om du inte vill använda mem0 kan du byta lagringssteget till Google Sheets för att skapa en enkel sökbar logg.
Oftast beror det på utgången OAuth-behörighet eller att fel Gmail-konto är kopplat i n8n. Anslut Gmail igen i n8n Credentials och bekräfta att triggern bevakar den brevlåda du förväntar dig. Om det bara misslyckas ibland kan du också slå i Gmail API-begränsningar vid hektiska inkorgar, så minska hur många mejl du processar parallellt.
En typisk setup kan bekvämt hantera dussintals mejl per timme, och mer om du self-hostar på en vettig VPS.
Ofta, ja, eftersom det här inte är en enkel “mejl in, rad ut”-zap. Du använder en agent med konversationsminne, strukturerad parsning och ett lager för långsiktig lagring – den typen av logik blir dyr eller klumpig i Zapier och Make. n8n ger dig också mer kontroll över retries, förgreningar och hur du hanterar stökiga mejl i verkligheten. Med det sagt: om allt du vill ha är en enkel Gmail-till-Sheets-logg kan Zapier gå snabbare att klicka ihop. För allt som kräver konsekvent struktur och att “komma ihåg” är n8n oftast bättre. Prata med en automationsexpert om du vill ha hjälp att välja.
När det här väl rullar blir varje mejl en tillgång i stället för en tidstjuv. Workflowet behåller kontexten. Du får tillbaka din uppmärksamhet.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.