Din inkorg blir inte rörig på en gång. Det händer ett nyhetsbrev, en “snabb uppdatering”, ett automatiskt kvitto i taget, tills det känns som att rota i en skräplåda när du ska hitta ett viktigt mejl. Och ärligt talat är “massradera” skrämmande när kundtrådar och fakturor ligger på samma ställe.
Marknadschefer som försöker vara snabba i svaret märker det först. Men byråägare och soloföretagare drabbas också, eftersom varje missat mejl snabbt blir en brandkårsutryckning. Den här Gmail-Telegram-automationen städar din inkorg samtidigt som du behåller kontrollen, med tydliga förklaringar för behåll/radera skickade direkt till Telegram.
Du får se hur workflowet granskar dina senaste två veckors mejl i batchar, låter AI fatta beslut, märker upp det som ska behållas, raderar det som inte ska behållas och skickar ett löpande “pappersspår” i Telegram.
Så här fungerar den här automationen
Hela n8n-workflowet, från trigger till slutligt resultat:
n8n Workflow Template: Gmail + Telegram: rensad inkorg, full kontroll
flowchart LR
subgraph sg0["When clicking ‘Test workflow’ Flow"]
direction LR
n0@{ icon: "mdi:message-outline", form: "rounded", label: "Gmail Get Email", pos: "b", h: 48 }
n1@{ icon: "mdi:play-circle", form: "rounded", label: "When clicking ‘Test workflow’", pos: "b", h: 48 }
n2@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model", pos: "b", h: 48 }
n3@{ icon: "mdi:message-outline", form: "rounded", label: "GmailDeleteEmail", pos: "b", h: 48 }
n4@{ icon: "mdi:robot", form: "rounded", label: "AI Check Email", pos: "b", h: 48 }
n5@{ icon: "mdi:robot", form: "rounded", label: "Unwanted Email Output Parser", pos: "b", h: 48 }
n6@{ icon: "mdi:swap-horizontal", form: "rounded", label: "If Unwanted Marketing or Spam", pos: "b", h: 48 }
n7["<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/telegram.svg' width='40' height='40' /></div><br/>Telegram Sent Email Deleted .."]
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/telegram.svg' width='40' height='40' /></div><br/>Telegram Sent Email Not Dele.."]
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/telegram.svg' width='40' height='40' /></div><br/>Telegram Sent AI Error Notif.."]
n10["<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/telegram.svg' width='40' height='40' /></div><br/>Telegram Sent Delete Email F.."]
n11@{ icon: "mdi:cog", form: "rounded", label: "Success", pos: "b", h: 48 }
n12@{ icon: "mdi:swap-vertical", form: "rounded", label: "Increment Loop Var", pos: "b", h: 48 }
n13@{ icon: "mdi:swap-vertical", form: "rounded", label: "Forward Prev Page Num", pos: "b", h: 48 }
n14@{ icon: "mdi:swap-vertical", form: "rounded", label: "Initialize Loop Vars", pos: "b", h: 48 }
n15@{ icon: "mdi:cog", form: "rounded", label: "Aggregate", pos: "b", h: 48 }
n16@{ icon: "mdi:message-outline", form: "rounded", label: "Gmail", pos: "b", h: 48 }
n16 --> n8
n11 --> n15
n15 --> n13
n4 --> n6
n4 --> n9
n0 --> n4
n3 --> n7
n3 --> n10
n12 --> n0
n14 --> n12
n13 --> n14
n2 -.-> n4
n5 -.-> n4
n6 --> n3
n6 --> n16
n1 --> n14
n9 --> n11
n7 --> n11
n8 --> n11
n10 --> n11
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 trigger
class n4,n5 ai
class n2 aiModel
class n6 decision
classDef customIcon fill:none,stroke:none
class n7,n8,n9,n10 customIcon
Problemet: inkorgsstädning är riskabelt och tar aldrig slut
Manuell inkorgsstädning låter enkelt tills du faktiskt gör det. Du öppnar Gmail med goda intentioner, och lägger sedan nästa timme på att avgöra om ett mejl är skräp, viktigt eller “kan vara bra att ha senare”. Du raderar några, arkiverar några, och börjar sedan tvivla på allt eftersom fel klick kan ta bort ett kvitto, en möteslänk eller den enda tråd en kund svarar på nästa vecka. Det värsta är den mentala belastningen: varje mejl blir ett litet beslut du inte bett om, upprepat dussintals gånger.
Det staplas snabbt på. Här är var det fallerar i verkligheten.
- Du läser om samma mejl med lågt värde eftersom inget markerar dem som “redan granskade”.
- Massåtgärder känns osäkra, så städningen blir långsam och halvfärdig.
- Viktiga meddelanden begravs, vilket innebär sena svar och obekväma “förlåt, missade det här”-uppföljningar.
- Även om du raderar aggressivt tappar du förtroendet, eftersom det inte finns något underlag som visar varför något togs bort.
Lösningen: AI-granskad Gmail-städning med transparens i Telegram
Det här workflowet ger dig ett säkrare sätt att städa Gmail utan att jobba i blindo. Du kör det, och det skannar din inkorg i hanterbara batchar (som standard de senaste två veckorna). Varje mejl skickas till en AI-klassificerare (Gemini i den här versionen) som avgör om meddelandet ska raderas eller hoppas över, baserat på en grundnivå som du kan justera för att vara striktare eller mer förlåtande. Om AI:n säger “hoppa över” lägger workflowet på en Gmail-etikett så att mejlet inte kontrolleras igen vid nästa körning. Om AI:n säger “radera” tar n8n bort det och skickar ett Telegram-meddelande med AI:ns motivering, så att du förstår beslutet och snabbt kan upptäcka dåliga mönster.
Workflowet startar med en manuell körning i n8n och loopar sedan igenom dina Gmail-meddelanden inom ett visst tidsfönster. Klassificeringen sker i mitten, och Telegram blir “revisionsloggen” på slutet: raderat, överhoppat och eventuella fel syns samlat på ett ställe.
Det du får: automation vs. resultat
| Det här automatiserar workflowet | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du får cirka 40 mejl per dag med lågt värde (kampanjer, autonotiser, verktygsuppdateringar). Om du lägger ens 1 minut på att bestämma vad du ska göra med varje, är det ungefär 40 minuter per dag, eller cirka 3 timmar i veckan. Med det här workflowet startar du en körning som skannar de senaste två veckorna och låter sedan Telegram rapportera vad som raderats eller märkts som “hoppa över”. De flesta team går från dagliga mikrobeslut till en snabb genomgång av Telegram-meddelanden, vilket oftast tar runt 10 minuter.
Det här behöver du
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Gmail för att skanna, märka upp och radera meddelanden.
- Google Gemini för att klassificera mejl med motivering.
- Telegram-bot-token (hämta den från BotFather i Telegram)
Kunskapsnivå: Nybörjare. Du kopplar konton, anger ett etikettnamn och justerar en AI-prompt så att den matchar din trygghetsnivå.
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Manuell körning startar allt. Du startar workflowet i n8n när du är redo att städa upp. Innan det hämtar något sätter det loopvariabler så att det kan behandla mejl i batchar (standardfönstret är de senaste två veckorna).
Mejlen hämtas och förbereds för granskning. n8n hämtar Gmail-meddelanden och skickar sedan relevanta fält (ämne, avsändare, utdrag och annan metadata) till AI-agenten så att modellen kan fatta ett rimligt beslut.
Gemini klassificerar, sedan agerar n8n. AI-agenten returnerar ett strukturerat svar (radera eller hoppa över, plus en anledning). Ett “if”-beslut skickar vidare meddelandet antingen till radering eller märkning. Om något går fel under AI-bearbetningen skickar workflowet en Telegram-notis om AI-fel och stoppar på ett kontrollerat sätt.
Telegram blir ditt revisionsspår. Raderade mejl genererar en “raderat”-notis med motivering. Överhoppade mejl genererar en “överhoppat”-notis, och en Gmail-etikett läggs på så att de meddelandena inte omprövas nästa gång. Om radering misslyckas (behörigheter, tillfälliga fel eller Gmail-beteenden) ser du ett specifikt Telegram-meddelande om misslyckande.
Du kan enkelt ändra tvåveckorsfönstret till en kortare daglig svepning (eller en längre backlog-städning) utifrån dina behov. Se hela implementeringsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera den manuella triggern
Det här arbetsflödet startar manuellt så att ni kan testa e-postrensningsloopen på ett säkert sätt innan ni automatiserar.
- Lägg till och öppna Manual Execution Start.
- Lämna alla inställningar som standard; den här noden triggar bara arbetsflödet.
- Koppla Manual Execution Start till Setup Loop Variables för att starta pagineringsloopen.
Steg 2: anslut Gmail och konfigurera hämtning av meddelanden
Hämta Gmail-meddelanden i 14-dagarsfönster och förbered för AI-klassificering.
- Öppna Setup Loop Variables och ställ in page till
0. - Öppna Increase Loop Counter och ställ in page till
={{ ($('Carry Previous Page').isExecuted) ? $('Carry Previous Page').first().json.prevPage + 1 : $('Setup Loop Variables').first().json.page }}. - Öppna Retrieve Gmail Messages och ställ in Operation till
getAlloch Return All tilltrue. - Ställ in Filters → q till
=before:{{ $now.minus(14 * $('Increase Loop Counter').first().json.page, 'days').format('yyyy/MM/dd') }} after: {{ $now.minus(14 * ($('Increase Loop Counter').first().json.page + 1), 'days').format('yyyy/MM/dd') }} -label:n8n-skipped. - Inloggning krävs: Anslut era gmailOAuth2-uppgifter i Retrieve Gmail Messages.
Steg 3: konfigurera AI-klassificering och parsning
AI-agenten klassificerar e-post, och den strukturerade parsern säkerställer tillförlitliga fält för beslut.
- Öppna Gemini Chat Engine och ställ in Model Name till
models/gemini-1.5-flash. - Inloggning krävs: Anslut era googlePalmApi-uppgifter i Gemini Chat Engine.
- Öppna AI Email Classification och ställ in Text till
=Classify the email with decimal values (0 to 1) for isUnwantedConfidence, isMarketingConfidence, and isSpamConfidence, where 0 means clearly wanted (e.g., billing, invoices, orders, job applications, security) and 1 means clearly unwanted (e.g., promotions, setup reminders, irrelevant alerts); treat system-generated alerts or device activity (like sound played, device found, location pinged) as unwanted unless they are security-related; use 0.5 as the baseline for deletion and provide a concise briefReason explaining the classification. {{ JSON.stringify($json) }}. - Säkerställ att AI Email Classification har Has Output Parser aktiverat.
- Öppna Unwanted Email Parser och bekräfta att Schema Type är
manualmed det angivna JSON-schemat. - Koppla Gemini Chat Engine som språkmodell för AI Email Classification, och Unwanted Email Parser som dess output parser. Uppgifter för parsern läggs till i den överordnade noden AI Email Classification.
Steg 4: konfigurera beslutslogik och Gmail-åtgärder
Routa e-post baserat på AI:s konfidenspoäng och radera eller etiketter därefter.
- Öppna Unwanted Email Decision och ställ in villkoren till:
- Villkor 1: Left Value
={{ $json.output.isUnwantedConfidence }}OperationgtRight Value0.5. - Villkor 2: Left Value
={{ $json.output.isMarketingConfidence }}OperationgtRight Value0.5. - Villkor 3: Left Value
={{ $json.output.isSpamConfidence }}OperationgtRight Value0.5. - Öppna Remove Gmail Message och ställ in Message ID till
={{ $json.output.emailId }}och Operation tilldelete. - Inloggning krävs: Anslut era gmailOAuth2-uppgifter i Remove Gmail Message.
- Öppna Apply Gmail Label och ställ in Operation till
addLabels, Message ID till={{ $json.output.emailId }}, och Label IDs till[YOUR_ID]. - Inloggning krävs: Anslut era gmailOAuth2-uppgifter i Apply Gmail Label.
⚠️ Vanlig fallgrop: Om Label IDs lämnas som [YOUR_ID] kommer etikettåtgärden att misslyckas. Ersätt det med ett riktigt Gmail label ID.
Steg 5: konfigurera Telegram-notifieringar och loop-aggreggering
Notifiera resultat till Telegram och hantera loopen över meddelandesidor.
- Öppna Telegram Deleted Alert och ställ in Chat ID till ert Telegram chat ID; behåll Text som
=Email Deleted | {{ $('Unwanted Email Decision').item.json.output.emailFrom }} | {{ $('Unwanted Email Decision').item.json.output.briefReason }}. - Öppna Telegram Skipped Alert och ställ in Chat ID till ert Telegram chat ID; behåll Text som
=Skipping Email | {{ $('Unwanted Email Decision').item.json.output.emailFrom }} | {{ $('Unwanted Email Decision').item.json.output.briefReason }}. - Öppna Telegram AI Error Alert och ställ in Chat ID till ert Telegram chat ID; behåll Text som
=AI Error | Can't Check Email | Error: {{ JSON.stringify($json) }}. - Öppna Telegram Delete Failure och ställ in Chat ID till ert Telegram chat ID; behåll Text som
=Can't Delete Email. - Inloggning krävs: Anslut era telegramApi-uppgifter i Telegram Deleted Alert, Telegram Skipped Alert, Telegram AI Error Alert och Telegram Delete Failure.
- Öppna Combine Results och ställ in Aggregate till
aggregateAllItemData. - Säkerställ att loop-sekvensen är kopplad: Completion Marker → Combine Results → Carry Previous Page → Setup Loop Variables.
Steg 6: testa och aktivera ert arbetsflöde
Kör ett manuellt test för att verifiera klassificering, radering, etikettering och Telegram-varningar innan ni använder det löpande.
- Klicka på Execute Workflow för att köra Manual Execution Start.
- Bekräfta att Retrieve Gmail Messages returnerar e-post från det förväntade 14-dagarsfönstret.
- Verifiera att Unwanted Email Decision routar objekt till Remove Gmail Message eller Apply Gmail Label.
- Kontrollera Telegram efter meddelanden från Telegram Deleted Alert, Telegram Skipped Alert eller Telegram AI Error Alert.
- När allt är verifierat, spara och aktivera arbetsflödet för produktionsanvändning.
Vanliga fallgropar
- Gmail-inloggningen kan löpa ut eller kräva specifika behörigheter. Om något skapar fel, kontrollera Gmail-anslutningen på n8n:s sida för Credentials först.
- Om du använder Wait-noder eller extern rendering varierar bearbetningstiderna. Öka väntetiden om noder längre fram misslyckas på grund av tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in din tonalitet tidigt, annars kommer du att redigera outputs för alltid.
Vanliga frågor
Cirka 30 minuter om dina konton för Gmail, Gemini och Telegram är redo.
Nej. Du kopplar mest konton och klistrar in ett Telegram-chat-ID. Den enda “finjusteringen” är att justera AI:ns grundnivå så att den matchar det du ser som skräp.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volymer. Du behöver också räkna in kostnader för Gemini API (oftast låga för kort mejlinnehåll).
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärt och klarar n8n bra. Egen drift ger dig obegränsat antal körningar men kräver grundläggande serverhantering.
Ja, och det bör du. I agenten för AI Email Classification justerar du grundinstruktionerna så att de blir striktare (till exempel “radera kampanjer om de inte nämner fakturor, förnyelser eller möten”). Du kan också ändra tidsfönstret i loopvariablerna så att du först testar på en mindre batch och sedan utökar när du gillar besluten.
Oftast beror det på att Gmail OAuth-åtkomsten i n8n har löpt ut eller återkallats, så återanslut din Gmail-inloggning och kör en liten batch igen. Om radering misslyckas men läsning fungerar, kontrollera att din Google-kontopolicy eller admininställningar tillåter radering via API. Begränsningar i hastighet (rate limits) kan också dyka upp om du försöker bearbeta en stor backlog i ett svep, så minska datumintervallet och kör i delar.
Många, men det beror på din n8n-plan och hur stora batchar du kör. På n8n Cloud är din månatliga gräns för exekveringar kopplad till din plan, och inkorgsstädningar kan skapa många körningar om du behandlar mejl ett och ett. Om du kör egen drift finns ingen gräns för exekveringar, men serverresurser och Gmail API-gränser blir det praktiska taket. För de flesta små team ligger veckokörningar med tvåveckorsbatchar väl inom normala gränser.
Oftast ja, eftersom det här workflowet behöver förgreningslogik, loopning över batchar och bättre kontroll över felhantering. Där är n8n helt enkelt smidigare, och egen drift är en stor fördel om du vill köra frekventa städningar utan att oroa dig för task-gränser. Zapier eller Make kan fortfarande fungera för en grundläggande “märk upp och notifiera”-lösning. Men när du vill ha AI-beslut, strukturerade outputs och separata larm för raderingsfel vs. AI-fel är n8n ett renare val. Om du tvekar, prata med en automationsexpert och få en snabb rekommendation.
Du får en renare inkorg utan stressspiralen. Sätt upp det en gång, låt Telegram hålla dig ärlig och gå vidare.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.